Numpy

Question

我在解决运行时出现的问题之间的差异时遇到问题，但在 python 控制台中使用完全相同的数据和操作，它工作正常。

# f_err - currently has value 1.11819388872025
# l_scales - currently a numpy array [1.17840183376334 1.13456764589809]
sq_euc_dists = self.se_term(x1, x2, l_scales) # this is fine. It calls cdists on x1/l_scales, x2/l_scales vectors
return (f_err**2) * np.exp(-0.5 * sq_euc_dists) # <-- errors on this line

我得到的错误是

AttributeError: 'Zero' object has no attribute 'exp'

但是，在出错后立即在控制台中使用相同的 f_err、l_scales 和 x1、x2 调用那些完全相同的行，不知何故不会产生错误。

我找不到 post 具体指代 'Zero' 对象错误，我发现的非 'Zero' 似乎不适用于我的情况这里。

编辑：它有点缺乏信息，所以这是一个实际的（提取的）运行可用示例，其中包含我直接从失败的运行中提取的样本数据，当运行隔离工作 fine/I 无法重现错误，除非在运行时间。

请注意，下面的 sqeucld_dist 函数非常糟糕，我应该改用 scipy 的 cdist。但是，因为我在我的真实数据中使用 sympy 的符号表示矩阵元素渐变和超过 15 个偏导数，所以 cdist 不是一个选项，因为它不处理任意对象。

import numpy as np

def se_term(x1, x2, l):
    return sqeucl_dist(x1/l, x2/l)

def sqeucl_dist(x, xs):
    return np.sum([(i-j)**2 for i in x for j in xs], axis=1).reshape(x.shape[0], xs.shape[0])


x = np.array([[-0.29932052, 0.40997373], [0.40203481, 2.19895326], [-0.37679417, -1.11028267], [-2.53012051, 1.09819485], [0.59390005, 0.9735], [0.78276777, -1.18787904], [-0.9300892, 1.18802775], [0.44852545, -1.57954101], [1.33285028, -0.58594779], [0.7401607, 2.69842268], [-2.04258086, 0.43581565], [0.17353396, -1.34430191], [0.97214259, -1.29342284], [-0.11103534, -0.15112815], [0.41541759, -1.51803154], [-0.59852383, 0.78442389], [2.01323359, -0.85283772], [-0.14074266, -0.63457529], [-0.49504797, -1.06690869], [-0.18028754, -0.70835799], [-1.3794126, 0.20592016], [-0.49685373, -1.46109525], [-1.41276934, -0.66472598], [-1.44173868, 0.42678815], [0.64623684, 1.19927771], [-0.5945761, -0.10417961]])
f_err = 1.11466725760716
l = [1.18388412685279, 1.02290811104357]
result = (f_err**2) * np.exp(-0.5 * se_term(x, x, l)) # This runs fine, but fails with the exact same calls and data during runtime

非常感谢任何帮助！

Answer 1

以下是重现您看到的错误的方法：

import sympy
import numpy

zero = sympy.sympify('0')

numpy.exp(zero)

您将看到与您看到的相同的异常。

您可以通过将代码更改为以下内容来使事情浮点来解决此问题（效率低下）。

def sqeucl_dist(x, xs):
    return np.sum([np.vectorize(float)(i-j)**2 for i in x for j in xs], 
                  axis=1).reshape(x.shape[0], xs.shape[0])

最好使用lambdify修正你的渐变函数。

这是一个如何在部分 d 上使用 lambdify 的示例

from sympy.abc import x, y, z
expression = x**2 + sympy.sin(y) + z
derivatives = [expression.diff(var, 1) for var in [x, y, z]]

derivatives 现在是 [2*x, cos(y), 1]，一个 Sympy 表达式列表。要创建一个函数，它将在一组特定的值上对其进行数值评估，我们使用 lambdify 如下（将 'numpy' 作为参数传递，这意味着使用 numpy.cos 而不是 sympy.cos):

derivative_calc = sympy.lambdify((x, y, z), derivatives, 'numpy')

现在 derivative_calc(1, 2, 3) 将 return [2, -0.41614683654714241, 1]。这些是 int 和 numpy.float64。

旁注： np.exp(M) 将计算 M 的每个元素的逐元素指数。如果你想做一个矩阵指数，你需要 np.linalg.exmp.

Numpy - AttributeError: 'Zero' object has no attribute 'exp'

Numpy - AttributeError: 'Zero' object has no attribute 'exp'

scipy

exponential