Python 如何避免Numpy类型转换?
是否可以避免或发出从整数和Python 如何避免Numpy类型转换?,python,numpy,tensorflow,floating-point,Python,Numpy,Tensorflow,Floating Point,是否可以避免或发出从整数和32位浮点数组到64位浮点数组的自动Numpy类型转换警告 我的使用案例是,我正在开发一个大型分析包(20k行Python和Numpy),目前混合了float 32和64以及一些int数据类型,很可能会导致次优性能和内存浪费,基本上我希望在任何地方都一致地使用float 32 我知道,在Tensorflow中,将两个不同数据类型的数组组合在一起会产生错误,这正是因为隐式转换到float64会导致性能不佳,并且对所有计算的张量都具有“传染性”,如果隐式转换,则很难找到引入
32位浮点数组到64位浮点数组的自动Numpy类型转换警告
我的使用案例是,我正在开发一个大型分析包(20k行Python和Numpy),目前混合了float 32和64以及一些int数据类型,很可能会导致次优性能和内存浪费,基本上我希望在任何地方都一致地使用float 32
我知道,在Tensorflow中,将两个不同数据类型的数组组合在一起会产生错误,这正是因为隐式转换到float64会导致性能不佳,并且对所有计算的张量都具有“传染性”,如果隐式转换,则很难找到引入的位置
在Numpy中寻找一个选项,或者寻找一种monkey patch Numpy的方法,使其在这方面的行为类似于Tensorflow,即在诸如np.add
、np.mul
等操作的隐式类型转换上发出错误,或者更好,会发出带有打印回溯的警告,以便继续执行,但我知道发生了什么。可能吗?免责声明:我没有以任何严肃的方式对此进行测试,但这似乎是一条有希望的途径
操纵ufunc行为的一种相对轻松的方式似乎是:使用和重写\uuuuuuunc\uuuuu
。例如,如果您满足于捕获任何产生float64
class no64(np.ndarray):
def __array_ufunc__(self, ufunc, method, *inputs, **kwds):
ret = getattr(ufunc, method)(*map(np.asarray,inputs), **kwds)
# some ufuncs return multiple arrays:
if isinstance(ret,tuple):
if any(x.dtype == np.float64 for x in ret):
raise ValueError
return (*(x.view(no64) for x in ret),)
if ret.dtype == np.float64:
raise ValueError
return ret.view(no64)
x = np.arange(6,dtype=np.float32).view(no64)
现在让我们看看我们班能做些什么:
x*x
# no64([ 0., 1., 4., 9., 16., 25.], dtype=float32)
np.sin(x)
# no64([ 0. , 0.84147096, 0.9092974 , 0.14112 , -0.7568025 ,
# -0.9589243 ], dtype=float32)
np.frexp(x)
# (no64([0. , 0.5 , 0.5 , 0.75 , 0.5 , 0.625], dtype=float32), no64([0, 1, 2, 2, 3, 3], dtype=int32))
现在让我们将其与64位参数配对:
x + np.arange(6)
# Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# File "<stdin>", line 9, in __array_ufunc__
# ValueError
np.multiply.outer(x, np.arange(2.0))
# Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# File "<stdin>", line 9, in __array_ufunc__
# ValueError
\uuuu数组\函数\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。看起来默认值是same\u kind'https://docs.scipy.org/doc/numpy/reference/ufuncs.html#casting-规则,https://docs.scipy.org/doc/numpy/reference/generated/numpy.can_cast.html#numpy.can_cast. 我想您需要
casting='no'`。它也可能有助于提供out
参数。但是在测试中,np.multiply(x,2.,casting='no')
给了我一个错误,因为它无法将np.array(2.)
(float64)强制转换为float32(以匹配x
。因此此转换参数可能与生成的dtype
关系不大,而与作为输入的内容关系更大。
np.outer(x, np.arange(2.0)) # not a ufunc, so slips through
# array([[0., 0.],
# [0., 1.],
# [0., 2.],
# [0., 3.],
# [0., 4.],
# [0., 5.]])