当应用于 int 数组时，einsum 没有给出溢出错误

Question

我刚刚有一个错误是基于 np.sum 和一个等价的（或者至少我是这么认为的...）np.einsum 命令没有给出相同的结果。这是一个例子：

import numpy.random
array = np.random.randint(-10000, 10000, size=(4, 100, 200, 600), dtype=np.int16)

sum1 = np.sum(array, axis=(0,1,2))
sum2 = np.einsum('aijt->t', array)

print(np.allclose(sum1, sum2))

plt.figure()
plt.plot(sum1)
plt.plot(sum2)
plt.show()

经过一番查找，这是整数数据类型溢出造成的。

我的问题：

为什么 np.einsum 没有给出与 np.sum 相同的结果？我觉得 np.sum 行为更可取，错误更少。
为什么 np.einsum 不抛出溢出错误或至少不抛出警告？就使用它时隐藏的错误而言，这是非常可怕的。我是否应该在每次使用命令时手动检查这些？
这会被认为是 numpy 中的错误吗？

Answer 1

定义大int16:

In [322]: y=np.int16(32000)

添加产生警告：

In [323]: y+y
C:\Users\paul\AppData\Local\Temp\ipykernel_882814217578.py:1: RuntimeWarning: overflow encountered in short_scalars
  y+y
Out[323]: -1536

sum 将它们提升为更大的整数，并且没有警告：

In [324]: np.sum((y,y))
Out[324]: 64000

In [325]: _.dtype
Out[325]: dtype('int32')

从中创建一个数组：

In [326]: Y = np.array(y)

无警告溢出：

In [327]: Y+Y
Out[327]: -1536

我不记得细节了，但有人解释说检查数组的每个元素是否溢出 is/was 被认为太昂贵了。

与其检查 'by hand'，不如注意溢出的可能性，不要在不必要的情况下使用较小的数据类型。

可能重复

Sum of positive numbers results in a negative number

当应用于 int 数组时，einsum 没有给出溢出错误

einsum not giving overflow error when applied to int arrays

python

numpy

numpy-einsum