我在解决运行时中断之间的差异时遇到了麻烦，但是在python控制台中使用完全相同的数据和操作，使其工作正常。
# f_err - currently has value 1.11819388872025
# l_scales - currently a numpy array [1.17840183376334 1.13456764589809]
sq_euc_dists = self.se_term(x1, x2, l_scales) # this is fine. It calls cdists on x1/l_scales, x2/l_scales vectors
return (f_err**2) * np.exp(-0.5 * sq_euc_dists) # <-- errors on this line
我得到的错误是
AttributeError: 'Zero' object has no attribute 'exp'
但是，在出错后立即在控制台中使用相同的f_err，l_scales和x1，x2调用完全相同的行，但不会产生任何错误。
我找不到专门针对“零”对象错误的帖子，而我发现的非“零”错误似乎不适用于我的案例。
编辑：这有点缺乏信息，所以这是一个实际的（提取的）可运行示例，其中包含我从失败的运行中直接提取的示例数据，当单独运行时，它可以正常运行/除非在运行时，否则我无法重现该错误。
请注意，下面的sqeucld_dist函数非常糟糕，我应该改用scipy的cdist。但是，由于我将sympy符号用于真实数据中具有15个以上偏导数的矩阵元素渐变，因此cdist不是一个选择，因为它不处理任意对象。
import numpy as np
def se_term(x1, x2, l):
return sqeucl_dist(x1/l, x2/l)
def sqeucl_dist(x, xs):
return np.sum([(i-j)**2 for i in x for j in xs], axis=1).reshape(x.shape[0], xs.shape[0])
x = np.array([[-0.29932052, 0.40997373], [0.40203481, 2.19895326], [-0.37679417, -1.11028267], [-2.53012051, 1.09819485], [0.59390005, 0.9735], [0.78276777, -1.18787904], [-0.9300892, 1.18802775], [0.44852545, -1.57954101], [1.33285028, -0.58594779], [0.7401607, 2.69842268], [-2.04258086, 0.43581565], [0.17353396, -1.34430191], [0.97214259, -1.29342284], [-0.11103534, -0.15112815], [0.41541759, -1.51803154], [-0.59852383, 0.78442389], [2.01323359, -0.85283772], [-0.14074266, -0.63457529], [-0.49504797, -1.06690869], [-0.18028754, -0.70835799], [-1.3794126, 0.20592016], [-0.49685373, -1.46109525], [-1.41276934, -0.66472598], [-1.44173868, 0.42678815], [0.64623684, 1.19927771], [-0.5945761, -0.10417961]])
f_err = 1.11466725760716
l = [1.18388412685279, 1.02290811104357]
result = (f_err**2) * np.exp(-0.5 * se_term(x, x, l)) # This runs fine, but fails with the exact same calls and data during runtime
任何帮助，不胜感激！
以下是重现您看到的错误的方法：
import sympy
import numpy
zero = sympy.sympify('0')
numpy.exp(zero)
您将看到与您看到的相同的异常。
您可以通过将代码更改为以下内容（使内容浮点）来解决此问题（效率低下）。
def sqeucl_dist(x, xs):
return np.sum([np.vectorize(float)(i-j)**2 for i in x for j in xs],
axis=1).reshape(x.shape[0], xs.shape[0])
最好使用来修复您的梯度函数lambdify。
这是一个如何在部分d上使用lambdify的示例
from sympy.abc import x, y, z
expression = x**2 + sympy.sin(y) + z
derivatives = [expression.diff(var, 1) for var in [x, y, z]]
derivatives现在[2*x, cos(y), 1]是Sympy表达式的列表。要创建一个将在一组特定值上进行数值计算的函数，我们使用lambdify如下方法（'numpy'作为参数传递，表示使用numpy.cos而不是sympy.cos）：
derivative_calc = sympy.lambdify((x, y, z), derivatives, 'numpy')
现在derivative_calc(1, 2, 3)将返回[2, -0.41614683654714241, 1]。这些是ints和numpy.float64s。
旁注： np.exp(M)将计算的每个元素的按元素指数M。如果您要进行矩阵指数运算，则需要np.linalg.exmp。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句