Numpy: float32를 기본값으로 설정하는 방법

없습니다. 죄송합니다. 그리고 저는 우리가 그런 것을 추가하지 않을 것 같습니다. 왜냐하면 그것이 반드시 전역 상태여야 하고 이러한 종류의 전역 상태는 모든 종류의 문제를 만드는 경향이 있기 때문입니다(예: 사람들은 라이브러리 내에서 기본값을 변경하려고 시도하고, 이 라이브러리를 사용하는 관련되지 않은 코드는 관련되지 않은 코드가 numpy를 사용하려고 할 때 이상한 문제를 보기 시작합니다.

자신만의 유틸리티 기능을 만들어 사용할 수 있습니다. 예:

def array(*args, **kwargs):
    kwargs.setdefault("dtype", np.float32)
    return np.array(*args, **kwargs)

이것은 꽤 유용할 것입니다.

이것은 오래되었지만 여전히 유용할 것입니다(Stack Overflow에서 이에 대해 묻는 몇 가지 질문을 찾을 수 있습니다). 덧붙이자면, 전역 라이브러리 상태는 실제로 이것에 대한 _only_ 옵션이 아닙니다. 환경 변수, 파일 구성 또는 컨텍스트 관리자만 가질 수 있습니다. 예를 들어 Theano 는 구성 파일과 환경 변수를 제공합니다. 기본 float 크기(Theano의 floatX 와 같은)와 기본 정수 크기(그리고 푸시하려는 경우 기본 복합 크기도 가능)를 가질 수 있다고 생각합니다. 또한 거의 중요하지 않지만 NumPy에는 이미 최소한 _some_ 전역 상태가 있습니다. 예: set_printoptions (원칙적으로 라이브러리나 다른 스레드에서 엉망이 될 수 있음); 라이브러리를 구성하는 균일한 방법을 갖는 것은 그렇게 나쁜 생각이 아닙니다.

코드의 많은 부분에 영향을 미치고 분명히 많은 경우가 있기 때문에 간단하다고 말하는 것이 아닙니다. 하지만 잠재적인 로드맵 항목으로만 고려하더라도 고려해 볼 가치가 있다고 생각합니다.

특히 딥 러닝(tensorflow, pytorch 등)에서 사람들이 64비트보다 작은 정밀도 배열을 거의 100% 시간(주로 32비트이지만 혼합 정밀도 및 양자화 모델이 많은 기반을 얻고 있습니다. 모든 상위 공급업체의 공식 지원)

나는 정확히 같은 문제가 있습니다. np.array 를 많이 호출하는 매우 긴 모듈에서 매우 큰 행렬에 문제가 있습니다. 선택적 인수를 지정하기 위해 모든 호출을 변경할 수 없습니다(dtype=np.float32). float64 대신 float32를 사용하도록 numpy에 지시하고 싶습니다. OS는 지금 교체 중입니다. 도와주세요.

매번 이러는게 싫어

@soulslicer 이 문제는 종료되었으며 생각할 수 있는 미래에 이를 변경하지 않을 것입니다. 아마도 기본 dtype을 추가하기 위해 np.array를 원숭이 패치하면 문제가 해결될 것입니다. 대화형 작업을 위해 PYTHONSTARTUP 를 통해 Python 시작 시 호출되도록 정렬하거나 파일에 넣고 프로젝트 시작 시 가져올 수 있습니다.

import numpy as np
_oldarray = np.array
def array32(*args, **kwargs):
    if 'dtype' not in kwargs:
        kwargs['dtype] = 'float32'
    _oldarray(*args, **kwargs)
np.array = _oldarray

허, 다른 방법 ;)

from functools import partial
import numpy as np
array32 = partial(np.array, dtype=np.float32)

참고로 딥 뉴럴 네트워크가 너무 거대해지면 이 기능을 찾는 사람들이 점점 더 많아질 것입니다.

ㅋㅋ @넘피

이봐, 난 당신의 컴퓨터에서 38 기가를 차지하는 각 숫자를 원합니다

@JadBatmobile 여기서 문제가 되는 것은

njsmith는 3년 전에 이 "기능"이 매우 쉽게(한 줄의 코드에서 읽음) 많은 잠재 및 비-로컬 버그로 이어지는 이유를 명확한 용어로 설명했습니다. 이러한 "기능"은 책임감 있게 사용해야 합니다. 책임감 있게 사용해야 하는 기능을 구현하는 것은 좋은 생각이 아니라고 생각합니다. 당신이 그것을 사용하고 있다는 것을 알고 그것을 책임감 있게 사용하려는 경우: 이 스레드에서 언급된 여러 제안 중에서 하나를 선택하고(그리고 더 많은 다른 곳에서도) 자신의 코드를 명시적으로 이 방식으로 작동하도록 만드십시오.

@adeak 이것이 좋은 생각인지 확실하지 않지만 일부 컨텍스트 관리자가 좋은 절충안이 될 수 있습니까?

의사 코드:

<strong i="8">@contextmanager</strong>
def default_dtype(dtype):
    # read current default dtype and change to the one provided
    original_dtype = read_current_default_dtype()
    change_default_dtype(dtype)
    yield
    # change default dtype to original value
    change_default_dtype(original_dtype)

용법:

with np.default_dtype(np.float32):
    # do float32 stuff

@dankal444 내가 올바르게 이해한다면 정리에 대한 보장 없이 사람들이 게으르고 불길한 change_default_dtype(dtype) 수동으로 호출하는 것을 막을 수 있는 것은 없습니다.

@adeak 나는 이 "불길한" 방법이 사람들의 관점에서 숨겨질 수 있고 컨텍스트 관리자만 사용할 수 있다고 생각했습니다.

나는 이 기능을 요구하는 사람들이 컨텍스트 관리자에 만족하지 않을 것이라고 생각합니다. 한 번 수행해야 하는 단일 사용자 지정 구성 단계 보다 훨씬 더 번거롭습니다. 사람들은 전역 상태가 있는 비공개 기능을 사용하여 목적을 달성하지 못하고 시작할 수 있습니다.

컨텍스트 관리자가 많은 도움이 되지 않는다고 생각합니다. 합당한 이유에서 더 큰 정밀도를 사용하는 다운스트림 함수를 사용할 수 있다는 문제에 항상 부딪힐 것입니다. 젠장, 당신은 segfault를 일으킬 수도 있습니다. 왜냐하면 C-인터페이싱 코드는 새로 생성된 배열이 잘못된 데이터 유형을 가지고 있는지 재확인할 이유가 거의 없기 때문입니다.

낮은 수준에서 NPY_DEFAULT_TYPE이 있습니다. 아마도 numpy가 이 변수 ​​값을 float32로 수정하는 기능을 제공할 수 있습니까?

새 배열을 생성할 때 np.float32 dtype을 선언하는 것은 정말 고통스럽습니다.

https://docs.scipy.org/doc/numpy-1.15.1/reference/c-api.dtype.html?highlight=default_type#c.NPY_DEFAULT_TYPE

[Bob] 사용 가능한 RAM의 90%를 소비하는 임의의 float32 배열을 생성하려면 어떻게 해야 합니까?
[Numpy] RAM을 두 배로 늘리십시오 ...

요즈음 모든 사람들은 표현하기 어려운 의견을 가지고 있습니다. 제 의견은 이것이 아마도 제가 본 것 중 가장 "미쳤고 무자비한"* ​​디자인 결정 중 하나이며 정당한 지명을 받을 자격이 있다는 것입니다. 제 개인 명예의 전당

"미쳤고 무자비한"* ​​- 러시아어에서 유래한 관용 표현

[격언 1] 제한적이라면 아키텍처가 얼마나 얇은지는 중요하지 않습니다.
[Aphorism 2] "pythonic"은 많은 경우에 부끄러움을 덮는 마지막 레이블일 뿐입니다.

다시 말하지만, 이것을 구현하지 않는 이유는 우리가 당신의 기억을 낭비하는 것을 좋아하기 때문 이 아니라 모든 종류의 것들을 깨뜨리고 당신이 조용히 잘못된 답을 얻도록 하기 때문입니다. 많은 사람들이 이것이 "분명한" 일이라고 생각한다는 사실은 대부분의 사람들이 여기에서 전체 결과를 이해하지 못하고 이 기능을 사용하기에 안전한 때와 그렇지 않은 때를 판단할 준비가 되어 있지 않다는 것을 확인시켜줍니다.

나는 여러분 모두가 겪고 있는 고통을 들었습니다. 그것은 전적으로 유효하며 우리가 할 수만 있다면 돕고 싶습니다. 하지만 그렇게 하려면 누군가가 모든 것을 깨뜨리지 않는 계획을 세워야 합니다.

이 문제는 분명히 비생산적인 댓글을 위한 자석이기 때문에 잠급니다. 새로운 아이디어가 있으면 새로운 문제를 열어주세요.