在2d-array上使用函數時處理numpy.exp溢出

Question

我有一個2d numpy數組，我想使用我的函數sigmoid（x），它是：

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

我的問題是我的輸入太大了3000，我得到這個警告：

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

我試圖將值分配給特定數字的輸入，如700 - > 1和-700 - > 0 ，但是，這非常慢，因為我必須以這種方式遍歷整個數組。

我也研究了np.logandexp(x1, x2)但我無法讓它工作......

編輯：數據類型是float64順便說一句

Answer 1

您可以將輸入轉換為日志空間並在之后運行sigmoid，這會顯着縮小大值。

Answer 2

您可以使用SciPy的expit()函數 ，該函數非常好用：

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