python - 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，我想在其上使用我的函数 sigmoid(x) 这是：

    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.))

我试图仅将值分配给某个数字（例如700 -> 1 和 -700 -> 0 ）的输入，但是，这非常慢，因为我必须以这种方式遍历整个数组。

我也研究过，np.logandexp(x1, x2)但我无法让它工作......

编辑：数据类型是 float64 btw

Answer 1

您可以将输入转换为日志空间并在之后运行 sigmoid，这会显着缩小较大的值。

Answer 2

您可以使用表现良好的 SciPyexpit()函数：

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