Question

我在做神经网络时遇到这个错误，当我在激活函数（sigmoid）中传递我的节点时会出现这个错误，我怀疑错误是因为它是一个卷积神经网络，所以卷积层使用ReLU作为激活功能，可以使数字真的很大;在我的sigmoid函数中：

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def sigmoidprime(x):
    return np.exp(-x) / ((1 + np.exp(-x))**2)

在函数中，x是我的节点，但有时候数字可以变得非常大，因为sigmoid函数实际上只在0和1之间有用，我相信这是什么引起错误但是当我尝试单个时非常大的数字，它不会引起错误，加上，错误实际上并没有停止我的程序。我想知道的是如何防止异常，如果我的激活函数被传递，即使出现错误

警告（来自警告模块）：     文件＆＃34; C：\ Python27 \ saves \ CNN \ CNN_flat_layer.py＆＃34;，第17行       return np.exp（-x）/（（1 + np.exp（-x））** 2）   运行时警告：在exp
中遇到溢出
警告（来自警告模块）：     文件＆＃34; C：\ Python27 \ saves \ CNN \ CNN_flat_layer.py＆＃34;，第17行       return np.exp（-x）/（（1 + np.exp（-x））** 2）   运行时警告：在方块中遇到溢出

警告（来自警告模块）：     文件＆＃34; C：\ Python27 \ saves \ CNN \ CNN_flat_layer.py＆＃34;，第17行       return np.exp（-x）/（（1 + np.exp（-x））** 2）   运行时警告：除法中遇到无效值

Answer 1

在这种情况下，第一个警告是要注意的警告。如果x的绝对值非常小或大于np.exp(x)的结果可能大于或小于其dtype可以容纳的结果。它是溢出错误的事实表明这很可能发生了什么

没有停止程序的python警告异常

1 个答案: