在二维数组上使用函数时处理 numpy.exp 溢出

Question

我有一个 2d numpy 数组，我想在上面使用我的函数 sigmoid(x)，它是：

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

我的问题是我的输入太大了，比如 3000，我收到了这个警告：

RuntimeWarning: overflow encountered in exp
  return 1 / (1 + np.exp(-x/8.))

我试图将值分配给超过某个数字的输入，例如 700 -> 1 和 -700 -> 0，但是，这非常慢，因为我必须以这种方式遍历整个数组。

我也调查了 np.logandexp(x1, x2) 但我无法让它工作...

编辑：数据类型是 float64 btw

Answer 1

您可以将您的输入转换为对数 space 和运行 sigmoid 之后，这将显着降低大值运行ken。

Answer 2

您可以使用 SciPy's expit() function，它表现得很好：

In [114]: from scipy.special import expit

# sample input array
In [115]: x = np.arange(50000, dtype=np.float64)

In [116]: sigm = expit(x)

# sanity check for no `np.inf`
In [117]: expit(70000.0)
Out[117]: 1.0

在二维数组上使用函数时处理 numpy.exp 溢出

Handling numpy.exp overflow when using function on 2d-array

python

numpy

exponentiation

sigmoid