Numpy: गलत आउट शेप पर गुनगुना व्यवहार

को निर्मित 2 जून 2020 · 5टिप्पणियाँ · स्रोत: numpy/numpy

यहां चर्चा से: https://github.com/numpy/numpy/pull/15162#discussion_r434122175

निम्न उदाहरण नहीं लगता है कि त्रुटि तब सामने आती है जब आउट आकार गलत होता है या आउटपुट के इनपुट को प्रसारित करता है, लेकिन परिणाम + कचरा मान के साथ चुपचाप बाहर निकाल देता है।

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)

परिणाम:

[[ 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

स्रोत

anirudh2290

सबसे उपयोगी टिप्पणी

आह, यह बहुत आसान है:

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;

शायद यह सब वहाँ है। फिर हम आउटपुट के इनपुट्स का सही प्रसारण करते हैं, और इसे अपदस्थ करने के किसी भी विचार को भविष्य के स्वयं के लिए स्थगित किया जा सकता है अगर यह कभी भी सामने आता है।

संपादित करें: प्लस सेशन की शून्य जांच ...

seberg 3 जून 2020

🎉2

सभी 5 टिप्पणियाँ

हे , कुछ समय के लिए इस बारे में सोच रहा था…। सिर्फ मामले में

NPY_ITER_NO_BROADCAST ध्वज, अजीब तरह से पर्याप्त लगता है लगभग हमेशा एक तरह से उपयोग किया जाता है जहां आप बस उस ऑपरैंड को पूरी तरह से आकार की खोज के लिए ले सकते हैं (उदाहरण के लिए आउटपुट सेशन के रूप में)। लेकिन, यह एक असंगत विराम होगा यदि हम उस मुद्दे को संबोधित करने के लिए इसका उपयोग करेंगे।

इसलिए मैं एक नया NPY_ITER_OUTPUT_OPERAND जोड़ने पर विचार कर रहा हूं। या एक NPY_ITER_OUTPUT_OPERAND और एक और झंडा NPY_ITER_DOES_NOT_AFFECT_SHAPE बनाते हैं ताकि आउटपुट ऑपरेंड ध्वज में "आवंटित" और "कोई प्रसारण नहीं" झंडे दोनों शामिल हो सकें।

यह आवंटित और बिना प्रसारण के संयोजन की तरह महसूस करता है, शायद पहले से ही इसका मतलब है। लेकिन सवाल यह है कि अगर हम इस तरह का बदलाव करना चाहते हैं, तो सिद्धांत रूप में यह NpyIter का उपयोग करके बाहरी पुस्तकालयों को प्रभावित कर सकता है। (जब तक हम इसे एक विजिबलडिपरेक्शन वर्जन नहीं बनाते हैं, जब यह अंदर घुसता है, लेकिन यह निश्चित नहीं है कि इसे लागू करने के लिए बहुत साफ है।)

मुझे लगता है कि इस मुद्दे को हल कर सकते हैं। दिलचस्प पक्ष मामले हैं, जैसे कि एक कुल्हाड़ी जो केवल एक (या अधिक) आउटपुट सरणियों द्वारा उपयोग की जाती है। एक (कुछ बिंदु पर?) का समर्थन करने की कोशिश कर सकता है, लेकिन यह वास्तव में कोई वास्तविक लाभ के लिए बहुत जटिलता जोड़ता है।
मैं वास्तव में (),()->(k) gufunc के लिए बहुत अधिक उपयोग-मामला नहीं देखता। (),()->(3,3) या ->(3,3) तरह कुछ समझ में आता है, लेकिन कोई मुद्दा नहीं है।

seberg 3 जून 2020

सभी झंडे के बारे में थोड़ा भ्रमित, मुझे मानना होगा। लेकिन एक gufunc moments सिग्नेचर के साथ ()->(k) शायद k आउटपुट में क्षणों की गणना कर सकता है। बेशक, अविश्वसनीय रूप से बहुत दूर की बात है, लेकिन मेरी समझ स्पष्ट रूप से इसे बाहर करने के लिए नहीं होगी (न ही स्पष्ट रूप से इसे अनुमति देने के लिए कोड!)।

mhvk 3 जून 2020

इस मुद्दे पर थोड़ा और अधिक प्रासंगिक है, जहां आउटपुट में एक असंगत बाहरी आकृति है, यह है कि नियमित रूप से ufuncs से मिसाल है:

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

यह भी gufuncs के लिए सुझाव देता है, बाहरी आकार सभी इनपुट और आउटपुट से निर्धारित किया जाना चाहिए। जाहिर है, अनावश्यक गणना का कारण होगा, लेकिन ऐसा हो ...

mhvk 3 जून 2020

ओह, मुझे किसी तरह यह उम्मीद नहीं थी कि वास्तव में काम करना है। मुझे लगता है कि इस मामले में हम केवल आउटपुट को इनपुट्स में प्रसारण का कारण बना सकते हैं (और इस प्रकार आकार को समायोजित कर सकते हैं)। मूल रूप से वर्तमान व्यवहार को बनाए रखना।

इसलिए, बस यहां कुछ भी नहीं करें, सिवाय इसके कि यह सुनिश्चित करने के अलावा (छ) ufunc को कई बार कॉल किया जाता है (यह कई मामलों में परिणाम प्राप्त करने का एक धीमा तरीका होगा, लेकिन यह कॉलर्स समस्या है)। जबकि मुझे नहीं लगता कि इसका समर्थन करना महत्वपूर्ण है, मुझे इसे करने में कोई समस्या नहीं है।

लेकिन हमें अभी भी इस मुद्दे को स्पष्ट रूप से ठीक करने की आवश्यकता है!

seberg 3 जून 2020

आह, यह बहुत आसान है:

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;

संपादित करें: प्लस सेशन की शून्य जांच ...

seberg 3 जून 2020

🎉2

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Numpy: गलत आउट शेप पर गुनगुना व्यवहार

सबसे उपयोगी टिप्पणी

सभी 5 टिप्पणियाँ

संबंधित मुद्दों