Question

使用numpy，我有一个函数的定义：

def powellBadlyScaled(X):
    f1 = 10**4 * X[0] * X[1] - 1
    f2 = numpy.exp(-numpy.float(X[0])) + numpy.exp(-numpy.float(X[1])) - 1.0001
    return f1 + f2

在优化例程中对此函数进行了大量计算。它经常引发例外：

RuntimeWarning: overflow encountered in exp

我知道操作数不能存储在float的已分配空间中。但是我怎么能克服这个问题呢？

Answer 1

您可以使用bigfloat包。它支持任意精度浮点运算。

http://packages.python.org/bigfloat/

import bigfloat
bigfloat.exp(5000,bigfloat.precision(100))
# -> BigFloat.exact('2.9676283840236670689662968052896e+2171', precision=100)

您使用的是功能优化框架吗？它们通常实现价值边界（使用惩罚条款）。试试吧。相关价值真的那么极端吗？在优化中，最小化log（f）并不罕见。（近似对数似然等）。您确定要优化该exp值而不是log（exp（f））== f。？

看看我对这个问题的回答：logit and inverse logit functions for extreme values

顺便说一句，如果你所做的只是最小化powellBadlyScaled（x，y）那么最小值是x - >; + inf和y - ＆gt; + inf，所以不需要数字。

Answer 2

您可以使用numpy.seterr来控制numpy在这种情况下的行为：http://docs.scipy.org/doc/numpy/reference/generated/numpy.seterr.html

您还可以使用警告模块来控制警告的显示方式：http://docs.python.org/library/warnings.html

Answer 3

尝试scipy＆＃39; s -

scipy.special.expit(x)。

Answer 4

也许你可以通过检查哪些区域得到警告来改进你的算法（它可能会忽略X [0]，X [1]的某些值），并用非常大的数字替换结果。你需要看看你的函数是如何表现的，我应该检查一下，例如exp(-x)+exp(-y)+x*y

Answer 5

根据您的具体需求，将输入参数裁剪为exp()可能很有用。如果你真的希望得到一个inf，如果它溢出或你想获得荒谬的巨大数字，那么其他答案将更合适。

def powellBadlyScaled(X):
    f1 = 10**4 * X[0] * X[1] - 1
    f2 = numpy.exp(-numpy.float(X[0])) + numpy.exp(-numpy.float(X[1])) - 1.0001
    return f1 + f2


def powellBadlyScaled2(X):
    f1 = 10**4 * X[0] * X[1] - 1
    arg1 = -numpy.float(X[0])
    arg2 = -numpy.float(X[1])
    too_big = log(sys.float_info.max / 1000.0)  # The 1000.0 puts a margin in to avoid overflow later
    too_small = log(sys.float_info.min * 1000.0)
    arg1 = max([min([arg1, too_big]), too_small])
    arg2 = max([min([arg2, too_big]), too_small])
    # print('    too_small = {}, too_big = {}'.format(too_small, too_big))  # Uncomment if you're curious
    f2 = numpy.exp(arg1) + numpy.exp(arg2) - 1.0001
    return f1 + f2

print('\nTest against overflow: ------------')
x = [-1e5, 0]
print('powellBadlyScaled({}) = {}'.format(x, powellBadlyScaled(x)))
print('powellBadlyScaled2({}) = {}'.format(x, powellBadlyScaled2(x)))

print('\nTest against underflow: ------------')
x = [0, 1e20]
print('powellBadlyScaled({}) = {}'.format(x, powellBadlyScaled(x)))
print('powellBadlyScaled2({}) = {}'.format(x, powellBadlyScaled2(x)))

结果：

Test against overflow: ------------
*** overflow encountered in exp 
powellBadlyScaled([-100000.0, 0]) = inf
powellBadlyScaled2([-100000.0, 0]) = 1.79769313486e+305

Test against underflow: ------------
*** underflow encountered in exp    
powellBadlyScaled([0, 1e+20]) = -1.0001
powellBadlyScaled2([0, 1e+20]) = -1.0001

请注意powellBadlyScaled2在原始powellBadlyScaled完成时没有上/下溢，但修改后的版本在其中一个测试中提供了1.79769313486e+305而不是inf 。我想有很多应用程序1.79769313486e+305实际上是inf，这样会很好，甚至是首选，因为1.79769313486e+305是实数而inf不是。

Answer 6

我有同样的问题。如果可以在某种程度上忽略精度，请使用np.round(my_float_array, decimals=<a smaller number>)来克服此运行时警告。

使用numpy处理exp中的溢出

6 个答案: