使用NumPy矩阵运算结果不一致

2020-01-07 10:57:19 721 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

RK3588部署rtmpose模型摘要：本文详细介绍了在RK3588开发板上部署RTMPose模型的全流程。首先在Ubuntu环境中搭建MMCV框架，通过MMPose工具将PTH模型转换为ONNX格式。随后使用RKNN-Toolkit2将ONNX模型转换为RKNN格式，并完成开发板部署。关键步骤包括模型转换（PTH→ONNX→RKNN）、环境配置和推理验证，最终实现人体姿态估计功能。整个过程涉及MMPose、RKNN-Toolkit等工具链的使用，为边缘计算场景下的实时姿态分析提供了可行方案。阅读详情

两矩阵，直接点积运算之后抽取一行，与先从矩阵抽出一行再进行点积运算结果不同。

代码：
X = np.random.randn(50, 1000)
Y = X[0]
W = np.random.randn(1000, 10)
A = X.dot(W)
B = Y.dot(W)

测试：
B == A[0]
结果：
array([ True, False, False, False, False, False, False, False, False, False])

测试：
Y.dot(W) - X.dot(W)[0]
结果：
array([ 0.00000000e+00, -6.66133815e-15, 2.22044605e-14, 1.06581410e-14,
8.88178420e-15, -2.30926389e-14, 2.84217094e-14, -3.28626015e-14,
-4.48530102e-14, 3.90798505e-14])

这个结果是否正确？是否能得到相同的结果？

环境：Windows10，Python3.7， NumPy1.17.4

谢谢。

...全文

用ADS2023手把手仿真SKYWORKS SMA1234变容二极管：从Datasheet到S参数结果全流程本文详细介绍了如何使用ADS2023仿真SKYWORKS SMA1234变容二极管的全流程，从Datasheet参数解析到S参数结果验证。通过等效电路建模、关键公式编写和仿真设置，帮助工程师掌握变容二极管在射频电路设计中的应用技巧，提升仿真精度和工程实践能力。阅读详情

ML饭

脚本语言 37,737 成员 34,208 内容

+ 关注 + 加入社区

切换为时间正序

ML饭 2020-11-04

打赏
举报

引用 7 楼欢乐的小猪的回复:

这就涉及浮点数在计算机中是如何表示的了。一般float32位，1个符号位，8个指数位，小数位23个。所以它的精度是2的23次幂，=8,388,608，即6~7位。 double64位，1符号位，11指数位，52小数位。所以它的精度是2的52次幂，=4,503,599，627,370,496，即15~16位，所以一般使用1e-6的误差来判断浮点数是否相等。

多谢。解释非常清楚。

庸了个白 2020-11-03

打赏
举报

我这里回一下吧，我这也差不多，A[0] 和 B 的数据主要差异在小数点后的14位左右，图就不贴了，你可以多试几次，观察 T 和 F的位置。造成这个误差的原因可能是样本量，像2楼的，样本量比较小，我尝试了很多次都能得到 T。但是样本量变大后就有误差了。使用 while 循环，观察cpu使用情况，cpu占用不多。个人看法，跟环境不一定有关。可以去查查numpy的实现或者限制样本量分批计算

欢乐的小猪 2020-11-03

打赏
举报

这就涉及浮点数在计算机中是如何表示的了。一般float32位，1个符号位，8个指数位，小数位23个。所以它的精度是2的23次幂，=8,388,608，即6~7位。 double64位，1符号位，11指数位，52小数位。所以它的精度是2的52次幂，=4,503,599，627,370,496，即15~16位，所以一般使用1e-6的误差来判断浮点数是否相等。

ML饭 2020-11-03

打赏
举报

感谢各位。我大概理解了。应该是浮点数表示的方法，导致无法精确到毫厘。这么说也不对。1e-7已经远比毫厘要精确了。请问@欢乐的小猪：1e-7是经验值，还是有相关的严格推导

欢乐的小猪 2020-11-03

打赏
举报

感觉浮点数比较不能用等号吧。这里如果误差在1e-7内就算是相等的。输出就是[ True True True True True True True True True True]

import numpy as np
X = np.random.randn(50, 1000)
Y = X[0]
W = np.random.randn(1000, 10)
A = X.dot(W)
B = Y.dot(W)
print((B -A[0])<1e-7)

ML饭 2020-11-02

打赏
举报

环境相同吗？ -------------- 环境：Windows10，Python3.7， NumPy1.17.4

shasha483 2020-01-08

打赏
举报

兄弟，我测试了一下，你的结果不对啊，我用你的代码得到的结果是这样的，环境和你的一样：
[ True True True True True True True True True True]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
代码：

#!/usr/bin/env python

# -*- coding: UTF-8 -*-

import numpy as np



X = np.random.randn(5, 10)

print("X------",X)

Y = X[0]

print("Y------",Y)

W = np.random.randn(10, 10)

print("W------",W)

A = X.dot(W)

B = Y.dot(W)



# print("A----",A)

# print("B----",B)



# 测试：

print(B == A[0])

# 结果：

# array([ True, False, False, False, False, False, False, False, False, False])



print("--"*20)

# 测试：

print(Y.dot(W) - X.dot(W)[0])

# 结果：

# array([ 0.00000000e+00, -6.66133815e-15,  2.22044605e-14,  1.06581410e-14,

#         8.88178420e-15, -2.30926389e-14,  2.84217094e-14, -3.28626015e-14,

#        -4.48530102e-14,  3.90798505e-14])



# 这个结果是否正确？是否能得到相同的结果？

使用NumPy矩阵运算结果不一致

相关推荐