Question

我在Mac上运行python 2.7，我正在与其他人使用Ubuntu进行组编码项目。由于投射规则错误，他们编写的代码每隔一段时间就无法在我的计算机上运行：

    273     # Apply column averages to image
--> 274     img[:middle] *= (bg[0]/np.tile(topCol, (middle,1)))
    275     img[middle:] *= bg[1]/np.tile(botCol, (middle,1))
    276 

TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int16') with casting rule 'same_kind'

我认为你不需要具体细节，因为这发生在几个不同数字类型的不同地方。

它适用于所有计算机没问题。我写的所有东西都适合他们，但他们经常写的东西对我来说都不起作用。

我们的机器是否有理由不同意，是否有办法改变我的目标？

谢谢！

Answer 1

This thread表示您的numpy比您的同事使用的版本更新（请使用numpy.version.version进行检查）。在1.7.0开发分支中，似乎他们已经将隐式转换规则更改为更严格的same_kind规则，该规则禁止（除其他事项）浮点数和整数格式之间的转换。

要解决此问题，我建议使用以下代码：

img[:middle] *= (bg[0]/np.tile(topCol, (middle,1))).astype(img.dtype)

Answer 2

nneonneo有一个正确的解决方案，我想我会添加一些其他工作。

一个问题是img变量之前被手动定义为int。然后使用float的乘法违反严格类型转换

img = np.int16( cp.deepcopy(imgArray) )
...
img[:middle] *= bg[0]/np.tile(topCol, (middle,1))
>>TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int16') with casting rule 'same_kind'

一个解决方法：

我可以更改初始变量类型定义以匹配以后需要的内容：

img = np.float64( cp.deepcopy(imgArray) )
...
img[:middle] *= bg[0]/np.tile(topCol, (middle,1))

或者我可以保留原始类型转换，并更改运算符：

img = np.int16( cp.deepcopy(imgArray) )
...
img[:middle] = img[:middle]*bg[0]/np.tile(topCol, (middle,1))

出于某种原因，Numpy允许以这种方式进行操作，而不是*=

感谢您的帮助！

Answer 3

引用numpy（http://docs.scipy.org/doc/numpy-dev/release.html）的开发者：

inplace操作的默认转换已更改为“same_kind”。例如，如果n是一个整数数组，而f是一个浮点数组，则n + = f将导致TypeError，而在之前的Numpy版本中，浮点数将被静默地转换为整数。在不太可能的情况下，示例代码不是实际的错误，可以通过将其重写为np.add（n，f，out = n，casting ='unsafe'）以向后兼容的方式更新。自Numpy 1.7以来，旧的“不安全”默认值已被弃用。

因此，如果你想保持inplace multiplication，代码变成：

np.multiply(img[:middle], (bg[0]/np.tile(topCol, (middle,1))), out=img[:middle], casting='unsafe')

为什么在python中的计算机之间的转换规则不同？

3 个答案: