- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一段代码在我的 linux 系统上运行良好,但是当我让一位同事在他的 windows 系统上运行它时,它只会让 python 崩溃。我已经能够将其缩小为 non_zero 的 Numpy 函数的问题,但我想知道是否有人知道为什么会崩溃?
代码片段(足以让 64 位 python 2.7.3 崩溃)
import numpy as np
data = np.zeros(2500,dtype='float32, (25000,2)float32')
""" The following 3 lines are not necessary but asking for the amount
of non_zeros in an array filled with zeros feels 'silly'
"""
data[0][0] = 1
data[0][1][0] = 2
data[0][1][1] = 3
time_elements = np.count_nonzero(data)
我很可能会向 NumPy 的人员提交错误报告,因此如果可以重新创建此系统的人员指定他们用于重新创建它的版本/系统,我将不胜感激。
PS:安装的 numpy 是 64 位版本,取自 http://www.lfd.uci.edu/~gohlke/pythonlibs
最佳答案
这是一个 NumPy 错误;看起来平台不相关。来自 numpy/core/src/multiarray/arraytypes.c.src 的 VOID_nonzero
正在递归调用自身,直到它用完堆栈空间(我的系统上超过 87000 个堆栈帧):
#0 0x00002aaaaab98a4a in ?? ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#1 0x00002aaaaab9b2a4 in ?? ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#2 0x00002aaaaab9b6bd in _PyArg_ParseTuple_SizeT ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#3 0x00002aaaae7f7b72 in VOID_nonzero (ip=0x2aaab2d623f4 "",
ap=<value optimized out>)
at numpy/core/src/multiarray/arraytypes.c.src:2345
#4 0x00002aaaae7f7bc7 in VOID_nonzero (ip=0x2aaab2d623f0 "",
ap=0x7fffff3ff118) at numpy/core/src/multiarray/arraytypes.c.src:2363
[...]
#87292 0x00002aaaae7f7bc7 in VOID_nonzero (ip=0x2aaab2d0d010 "",
ap=0x7fffff3ff118) at numpy/core/src/multiarray/arraytypes.c.src:2363
#87293 0x00002aaaae7cce87 in reduce_count_nonzero_loop (iter=0xbcc670,
dataptr=0xbcc770, strides=0xbcc760, countptr=0xbcc738,
iternext=0x2aaaae7beb60 <npyiter_buffered_reduce_iternext_iters2>,
needs_api=0, skip_first_count=0, data=0x2aaaae7f7ac0)
at numpy/core/src/multiarray/item_selection.c:2127
#87294 0x00002aaaae8180f1 in PyArray_ReduceWrapper (operand=0xa099d7, out=0x0,
wheremask=<value optimized out>, operand_dtype=0xa04ce8,
result_dtype=<value optimized out>, casting=NPY_SAME_KIND_CASTING,
axis_flags=0x7fffffffcb90 "\001\024`", reorderable=1, skipna=0,
skipwhichna=0x0, keepdims=0, subok=0,
assign_identity=0x2aaaae811500 <assign_reduce_identity_zero>,
loop=0x2aaaae7ccdd0 <reduce_count_nonzero_loop>,
masked_loop=0x2aaaae7f8c00 <reduce_count_nonzero_masked_loop>,
advanced_masked_loop=0, data=0x2aaaae7f7ac0, buffersize=0,
funcname=0x2aaaae85fa61 "count_nonzero")
at numpy/core/src/multiarray/reduction.c:1000
#87295 0x00002aaaae827c6e in PyArray_ReduceCountNonzero (
__NPY_UNUSED_TAGGEDself=<value optimized out>, args=<value optimized out>,
kwds=<value optimized out>)
at numpy/core/src/multiarray/item_selection.c:2218
#87296 array_count_nonzero (__NPY_UNUSED_TAGGEDself=<value optimized out>,
args=<value optimized out>, kwds=<value optimized out>)
at numpy/core/src/multiarray/multiarraymodule.c:2091
#87297 0x00002aaaaab8cd14 in PyEval_EvalFrameEx ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87298 0x00002aaaaab8e4c2 in PyEval_EvalCodeEx ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87299 0x00002aaaaab8e512 in PyEval_EvalCode ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87300 0x00002aaaaaba7ff2 in ?? ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87301 0x00002aaaaaba81ea in PyRun_StringFlags ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87302 0x00002aaaaaba93b0 in PyRun_SimpleStringFlags ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87303 0x00002aaaaabb9a26 in Py_Main ()
from /opt/.../python/2.7.3/lib64/libpython2.7.so.1.0
#87304 0x00000036c961d994 in __libc_start_main () from /lib64/libc.so.6
#87305 0x0000000000400649 in _start ()
本地人是:
key = 0xa82d00
value = 0xa05f80
savedflags = 1287
new = 0xa04c90
title = 0x7fffff3ff800
offset = 2
pos = 2
i = <value optimized out>
len = <value optimized out>
关于arrays - Numpy.count_nonzero 在 64 位 Windows 平台上崩溃,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16418332/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!