9
我有以下两个功能:不同的结果与量化代码标准循环中numpy的
def loop(x):
a = np.zeros(10)
for i1 in range(10):
for i2 in range(10):
a[i1] += np.sin(x[i2] - x[i1])
return a
和
def vectorized(x):
b = np.zeros(10)
for i1 in range(10):
b += np.sin(np.roll(x, i1) - x)
return b
然而,当我运行这两个,我发现他们的结果略有不同:
x = np.arange(10)
a, b = loop(x), vectorized(x)
print b - a
我得到:
[ 2.22044605e-16 0.00000000e+00 0.00000000e+00 6.66133815e-16
-2.22044605e-16 2.22044605e-16 0.00000000e+00 2.22044605e-16
2.22044605e-16 2.22044605e-16]
这是非常小的,但在我的情况下,影响模拟。如果我从函数中删除np.sin,则差异消失。或者,如果对x使用np.float32,差异也会消失,但这是由使用float64的解算器解决的颂歌的一部分。有没有办法解决这种差异?
不幸的是,当你重新排序操作,比如你做了,就很难(不可能?)尽量将差别从舍入误差的量级进入。如果这实际上在最终解决方案中存在显着差异,那么您需要开始问自己,如果您需要选择不太敏感的ODE解算器(或者您尝试解决的系统展现混沌行为,这使得某些类型的建模不可能) – mgilson