numpy的linalg规范轴不会输出相同的结果

Question

我正在尝试使用numpy最大化计算性能（删除python for loop）。这是我最初的实现方式

np.random.seed(128)
l = []
for i in range(1000): 
    v = np.random.randn(7)
    l.append(np.linalg.norm(v))

l = np.array(l)
l

以上代码仅采用大小为7的向量的Frobenius范数，并将其附加到列表中。重复1000次。为了删除for循环，我构造了一个大小为（1000，7）的矩阵，然后采用轴= 1的矩阵范数，如下所示。

np.random.seed(128)
v = np.random.randn(1000, 7)
v = np.linalg.norm(v, axis=1)

但是，当我检查l与v与np.all(l == v)是否相等时，它将为我输出False。我不明白为什么numpy会这样表现。我检查了v和l的值的dtype，它们都是np.float64

Answer 1

您可以阅读以下issue。

据说在那里：

  

numpy通常不保证在语义上等效   这样的操作将产生相同的结果。均匀作业   像sum可以产生不同的结果，具体取决于内存布局（和   这是故意的-始终使它们相同   要么大幅度降低速度，要么有意降低精度。

所以这就是区别的所在，您不应期望获得相同的结果，但应获得容忍的相同结果。因此比较它们的最简单方法是 Divakar 建议的方法：

np.allclose(l,v)

另一个可能的选择是：

np.array_equal(np.round(l,12),np.round(v,12))