在2d-array上使用函数时处理numpy.exp溢出

Question

我有一个2d numpy数组，我想使用我的函数sigmoid（x），它是：

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

我的问题是我的输入太大了3000，我得到这个警告：

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

我试图将值分配给特定数字的输入，如700 - > 1和-700 - > 0，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顺便说一句

Answer 1

你可以使用表现很好的SciPy's expit() function：

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

Answer 2

您可以将输入转换为日志空间并在之后运行sigmoid，这会显着缩小大值。