Numpy: 错误形状时的gufunc行为

创建于 2020-06-02 · 5评论 · 资料来源: numpy/numpy

从这里的讨论中： https :

下面的示例在out形状不正确或将输入广播到输出时似乎不会引发错误，但是会以无声的结果+垃圾值来填充out。

import numpy as np
from numpy.core import _umath_tests as umt
from numpy.testing import assert_raises
a = np.arange(6).reshape(3, 2)
b = np.ones(2)
out = np.empty((5, 3))
umt.inner1d(a, b, out)
print(out)

结果：

[[ 1.00000000e+000  5.00000000e+000  9.00000000e+000]
 [ 6.91217735e-310 -1.45681599e+144 -1.45681599e+144]
 [-1.45681599e+144 -1.45681599e+144 -1.45681599e+144]
 [-1.45681599e+144 -1.45681599e+144 -1.45681599e+144]
 [-1.45681599e+144 -1.45681599e+144  6.32404027e-322]]

00 - Bug numpy.core numpy.ufunc

资料来源

anirudh2290

最有用的评论

嗯，很简单：

diff --git a/numpy/core/src/umath/ufunc_object.c b/numpy/core/src/umath/ufunc_object.c
index 19876d641..85820e3a0 100644
--- a/numpy/core/src/umath/ufunc_object.c
+++ b/numpy/core/src/umath/ufunc_object.c
@@ -2614,7 +2614,7 @@ PyUFunc_GeneralizedFunction(PyUFuncObject *ufunc,
      * dimensions.
      */
     broadcast_ndim = 0;
-    for (i = 0; i < nin; ++i) {
+    for (i = 0; i < nop; ++i) {
         int n = PyArray_NDIM(op[i]) - op_core_num_dims[i];
         if (n > broadcast_ndim) {
             broadcast_ndim = n;

可能就是它的全部了。然后，我们可以正确广播输入到输出的输出，并且如果过时了，任何不赞成使用此输出的想法都可以推迟到以后。

编辑：加上op的null检查...

seberg 于 2020-06-03

🎉2

所有5条评论

呵呵，想了一会儿...。还ping @mhvk以防万一。

奇怪的是， NPY_ITER_NO_BROADCAST标志几乎总是以一种方式使用，即您可以简单地完全取出该操作数以进行形状发现（例如，作为输出操作）。但是，如果我们仅使用它来解决该问题，那将是一个不兼容的中断。

因此，我正在考虑添加一个新的NPY_ITER_OUTPUT_OPERAND 。或者制作一个NPY_ITER_OUTPUT_OPERAND和另一个标志NPY_ITER_DOES_NOT_AFFECT_SHAPE以便输出操作数标志可以同时包含“分配”和“不广播”标志。

感觉就像分配和不广播的结合，可能已经暗示了这一点。但是问题是我们是否要进行这样的更改，从理论上讲，它可以影响使用NpyIter的外部库。（除非我们在启动时将其设置为VisibleDeprecationWarning，但不能确保实现起来非常简洁。）

我认为这可以解决这个问题。有一些有趣的附带情况，例如仅由一个（或多个）输出数组使用的轴。一个人可以尝试支持这一点（在某个时候？），但是它可能会增加太多的复杂性，而没有真正的收益。
我只是没有真正看到(),()->(k) gufunc的用例太多。当然不是(),()->(3,3)或->(3,3) ，当然是有道理的，但这不是问题。

seberg 于 2020-06-03

我必须承认，所有标志都有些混乱。但是带有签名()->(k)的gufunc moments也许可以计算输出中的直到k力矩。当然，它牵强附会，但我的感觉是不要明确排除它（也没有明确允许它的代码！）。

mhvk 于 2020-06-03

与此处的问题更直接相关的是输出的外部形状不一致，这是常规ufunc的先例：

np.add(1, 1, out=np.empty((3,)))
# array([2., 2., 2.])

这也建议对于gufuncs，应从所有输入和输出确定外形。显然，这将导致不必要的计算，但事实如此……

mhvk 于 2020-06-03

哦，我不知道该怎么做才行。我想在这种情况下，我们可以简单地允许输出在输入中引起广播（从而调整形状）。基本上只是保留当前行为。

因此，除了确保多次调用（g）ufunc（在很多情况下，获取结果会有点慢，但这是调用者的问题）之外，在这里什么都不做。虽然我认为支持这一点并不重要，但我也认为这样做没有任何问题。

但显然，我们仍然需要在gufuncs中解决此问题！

seberg 于 2020-06-03

嗯，很简单：

diff --git a/numpy/core/src/umath/ufunc_object.c b/numpy/core/src/umath/ufunc_object.c
index 19876d641..85820e3a0 100644
--- a/numpy/core/src/umath/ufunc_object.c
+++ b/numpy/core/src/umath/ufunc_object.c
@@ -2614,7 +2614,7 @@ PyUFunc_GeneralizedFunction(PyUFuncObject *ufunc,
      * dimensions.
      */
     broadcast_ndim = 0;
-    for (i = 0; i < nin; ++i) {
+    for (i = 0; i < nop; ++i) {
         int n = PyArray_NDIM(op[i]) - op_core_num_dims[i];
         if (n > broadcast_ndim) {
             broadcast_ndim = n;

可能就是它的全部了。然后，我们可以正确广播输入到输出的输出，并且如果过时了，任何不赞成使用此输出的想法都可以推迟到以后。

编辑：加上op的null检查...

seberg 于 2020-06-03

🎉2

此页面是否有帮助？

0 / 5 - 0 等级

Numpy: 错误形状时的gufunc行为

最有用的评论

所有5条评论

相关问题