我想为（可能很大）x计算1 /（1 + exp（x））。这是0和1之间表现良好的函数。我可以做到
import numpy as np
1.0/(1.0+np.exp(x))
但是在这个天真的实现中，np.exp（x）可能只会返回0或无穷大的大x，具体取决于符号。 python中是否有可以帮助我的功能？
我正在考虑实施一系列扩展和系列加速，但我想知道这个问题是否已经解决了。
答案 0 :(得分：5)
您可以使用scipy.special.expit(-x)。它将避免1.0/(1.0 + exp(x))生成的溢出警告。
答案 1 :(得分：2)
从根本上说，您受到浮点精度的限制。例如，如果您使用的是64位浮点数：
fmax_64 = np.finfo(np.float64).max # the largest representable 64 bit float
print(np.log(fmax_64))
# 709.782712893
如果x大于约709，那么您将无法使用64位浮点数来表示np.exp(x)（或1. / (1 + np.exp(x))）。
您可以使用扩展精度浮点数（即np.longdouble）：
fmax_long = np.finfo(np.longdouble).max
print(np.log(fmax_long))
# 11356.5234063
np.longdouble的精确度可能会因您的平台而异[{3}}，这样您就可以使用x值达到约11356：
func = lambda x: 1. / (1. + np.exp(np.longdouble(x)))
print(func(11356))
# 1.41861159972e-4932
除此之外，您需要重新考虑如何计算扩展，或者使用支持任意精度算术的on x86 it is usually 80 bit之类的东西。然而，与numpy相比，这通常会带来更差的运行时性能，因为不再可能进行矢量化。