numpy.swapaxes的行为

Question

任何人都可以解释一下numpy.swapaxes的以下行为：

import numpy as np
from copy import deepcopy

n = 10 # Works fine, but doesn't if set n = 100
x = rand.uniform(size=(n, n, n))
x0 = deepcopy(x)
x += np.swapaxes(x, 0, 1)  # Works fine if do x = x + np.swapaxes(x, 0, 1) instead...
temp = x0 + np.swapaxes(x0, 0, 1)
print np.linalg.norm(x - temp)

n = 10时打印的错误为零，而n = 1000时则不是。为什么会这样？如果我们执行x = x + np.swapaxes(x, 0, 1)而不是x += np.swapaxes(x, 0, 1)，代码也可以正常运行。 （调试非常令人沮丧，因为代码适用于小样本......）

Answer 1

问题出现是因为您修改了正在阅读的数据......

您将了解问题here。

一些摘录：

• 这是一个设计问题，而不是真正的错误。
• Numpy的一般理念是尽可能提供尽可能多的安全 妥协速度。
• [纠正] ......将导致不可预测的减速并增加 在已经定义良好且工作正常的情况下使用内存。

智慧规则：永远不要修改你正在阅读的数据。