0 说明
使用yolov3检测目标时，出现RuntimeWarning: overflow encountered in exp警告； 进行了一些代码优化，参考下文，但效果都不好，最后因为 仅仅是警告，不是报错，放弃优化代码了。
RuntimeWarning: overflow encountered in exp
s = 1 / (1 + np.exp(-x))
原函数：
def _sigmoid(x):
s = 1 / (1 + np.exp(-x))
return s
1 代码优化
1.1 将正负数值进行区分
下面的代码 适合处理单个元素，而非数组
def _sigmoid(x):
if x>=0: #对sigmoid函数的优化，避免了出现极大的数据溢出
s=1.0/(1+exp(-x))
return s
else:
s=exp(x)/(1+exp(x))
return s
出现新的报错：
if x>=0: #对sigmoid函数的优化，避免了出现极大的数据溢出
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
这是因为函数输入参数是numpy的数组，不是一个元素
1.2 将数组中负数元素处理成正数元素，对每一个元素进行exp运算
结合1.1的报错，在numpy数组中，不好直接判断np.array整个数组大于零或小于零，所以需要把数组里的数字取出来一个一个判断，计算后，再重新整合：
# 在numpy数组中，不好直接判断np.array整个数组大于零或小于零，
#所以需要把数组里的数字取出来一个一个判断，计算后，再重新整合：
#但这样会增加处理时间，会让帧率变慢
def _sigmoid(x):
x_ravel = x.ravel() # 将numpy数组展平
length = len(x_ravel)
y = []
for index in range(length):
if x_ravel[index] >= 0:
y.append(1.0 / (1 + np.exp(-x_ravel[index])))
else:
y.append(np.exp(x_ravel[index]) / (np.exp(x_ravel[index]) + 1))
return np.array(y).reshape(x.shape)
没有出现报错，但处理视频的帧率下降非常明显，应该是此处增加了较多的运算复杂度
1.3 将数组中负数元素处理成正数元素，对整个数组进行np.exp运算
def _sigmoid(x):
x_ravel = x.ravel() # 将numpy数组展平
length = len(x_ravel)
tmp = []
for index in range(length): #将负值变正
if x_ravel[index] < 0:
tmp.append(-x_ravel[index])
else:
tmp.append(x_ravel[index])
x_positive=np.array(tmp).reshape(x.shape)
s = 1.0 / (1 + np.exp(-x_positive))
return s
程序会报错，不知道为什么，尴尬
2 放弃优化
还是用原先的函数，如下，尽管有警告
def _sigmoid(x):
s = 1 / (1 + np.exp(-x))
return s
3 参考链接
a.any() or a.all()：
https://blog.csdn.net/sinat_33563325/article/details/79868109
1.2 参考：
https://dontla.blog.csdn.net/article/details/106565725
1.1 参考：
https://blog.csdn.net/CY_TEC/article/details/106083366
Original: https://blog.csdn.net/BIT_HXZ/article/details/126411150
Author: biter0088
Title: 深度学习(18):RuntimeWarning: overflow encountered in exp学习笔记
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/757784/
转载文章受原作者版权保护。转载请注明原作者出处！