Question

我有一段代码可以计算Helmholtz-Hodge分解。我一直在我的Mac OS Yosemite上运行，它运行得很好。然而，一个月前，我的Mac变得非常慢（它真的很旧），我选择购买新的笔记本电脑（Windows 8.1，戴尔）。

在安装所有Python库等之后，我继续我的工作运行相同的代码（在Git中版本化）。然后结果非常奇怪，与旧笔记本中获得的结果完全不同。

例如，我所做的是构造矩阵a和b（非常长的微积分），然后我称之为求解器：

s = numpy.linalg.solve(a, b)

这是返回a（错误，并且在我的Mac中获得的结果不同，这是正确的。）

然后，我尝试使用：

s = scipy.linalg.solve(a, b)

程序以代码0退出但位于其中间。然后，我只是做了一个简单的测试：

print 'here1'
s = scipy.linalg.solve(a, b)
print 'here2'

永远不会打印here2。

我试过了：

print 'here1'
x, info = numpy.linalg.cg(a, b)
print 'here2'

同样的事情发生了。

我还尝试在使用numpy.linalg.solve后检查解决方案：

print numpy.allclose(numpy.dot(a, s), b)

我得到了False（？！）。

我不知道发生了什么，如何找到解决方案，我只知道相同的代码在我的Mac上运行，但如果我可以在其他平台上运行它会非常好。现在我陷入了这个问题（不再使用Mac）并且没有任何关于原因的线索。

最奇怪的是，我没有收到任何关于运行时警告的错误，根本没有反馈。

感谢您的帮助。

编辑：

Numpy Suit测试结果：

enter image description here

Scipy Suit测试结果：

enter image description here

Answer 1

下载Anaconda包管理器

http://continuum.io/downloads

当您下载它时，它已经为您提供了numpy的所有依赖项。它安装在本地，可以在大多数平台上运行。

Answer 2

这不是一个真正的答案，但是this blog详细讨论了一个快速发展的生态系统的问题，而不是重复性。

顺便问一下，你使用的是哪个版本的numpy？最新1.9的documentation不报告任何名为cg的方法作为您使用的方法...

我建议您使用此示例，以便您（和其他人）可以检查结果。

>>> import numpy as np
>>> import scipy.linalg
>>> np.random.seed(123)
>>> a = np.random.random(size=(10000, 10000))
>>> b = np.random.random(size=(10000,))
>>> s_np = np.linalg.solve(a, b)
>>> s_sc = scipy.linalg.solve(a, b)
>>> np.allclose(s_np,s_sc)
>>> s_np
array([-15.59186559,   7.08345804,   4.48174646, ..., -16.43310046,
    -8.81301553, -10.77509242])

Answer 3

我希望你能找到答案 - 将来的一个选择是使用Docker为每个项目创建一个虚拟机。这样便于携带。

查看一篇很棒的文章here讨论Docker的研究。

在不同平台上使用Numpy

3 个答案: