ValueError: high is out of bounds for int32 报错

问题描述:

笔者在Windows 64位平台跑一个在Ubuntu上运行正常的程序时,出现了以下报错:
在这里插入图片描述
具体为:

     seed = np.random.randint(0, 2 ** 32)  # make a seed with numpy generator
  File "mtrand.pyx", line 763, in numpy.random.mtrand.RandomState.randint
  File "_bounded_integers.pyx", line 1336, in numpy.random._bounded_integers._rand_int32
ValueError: high is out of bounds for int32

定位报错语句为:seed = np.random.randint(0, 2 ** 32)


原因分析:

在Linux系统不报错,但是在Windows 64位系统下运行报错。查询资料发现1,numpy 默认的整数类型(integer type)np.int_C long2,但是C的long类型在win64平台下是 int323,而在其他系统下是 int64,因此产生报错。


解决方案:

  1. 缩小随机种子产生的范围4,即将 2 ** 32 改为 2 ** 31-12 ** 31
  2. 明确定义整数类型5,即改为:
    seed = np.random.randint(0, 2**32 - 1, dtype=np.int64)

  1. numpy array dtype is coming as int32 by default in a windows 10 64 bit machine ↩︎

  2. http://docs.scipy.org/doc/numpy-1.10.1/user/basics.types.html ↩︎

  3. https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx ↩︎

  4. Bug: ValueError: high is out of bounds for int32 #1579 ↩︎

  5. ValueError: high is out of bounds for int32 #20 ↩︎

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 这个错误是因为你尝试将一个超出int32范围的值赋给一个int32类型的变量。int32类型的变量的范围是-2147483648到2147483647。如果你需要使用更大的值,可以考虑使用int64类型的变量。 ### 回答2: 在Python编程中,当使用int32数据类型时,如果数据量太大,超出int32的范围,就会引起ValueError错误,错误提示为“high is out of bounds for int32”。 int3232位整型数据类型,它的取值范围是-2^31(-2147483648)到2^31-1(2147483647)。也就是说,在使用int32时,如果超出了这个数值范围,就会超出int32的界限,导致ValueError错误的发生。 解决这个错误的方法可以通过使用更大的数据类型,例如int64,来扩大数据范围。或者通过数据分析,找出超出int32界限的原因,进行优化或改变算法,减小程序运行的内存消耗和数据范围。 同时,需要注意,在Python中,不同的数据类型,虽然都是整型,但它们的范围和使用方式可能不一样。因此,在进行数据类型的选择和操作时,需要注意数据类型的特点和限制,避免出现类似ValueError的错误。 ### 回答3: valueerror: high is out of bounds for int32Python中常见的错误之一。它通常发生在尝试创建NumPy数组或使用NumPy函数时。 这个错误通常出现在你试图生成一个值太大的NumPy数组时。例如,如果你尝试生成一个长度为1000000000、值范围在0到100之间的NumPy数组,那么你很可能会遇到这个错误。这是因为在NumPy中,数组的值范围不能超出int32的边界。int32的范围是-2147483648到2147483647,如果你试图将超出这个范围的值分配给元素,则会引发这个错误。 要解决这个错误,你可以尝试使用int64数据类型。这可以通过在生成数组或调用函数时显式指定dtype来实现。例如,可以将代码中的 np.random.randint(0, 100, size=1000000000) 修改为 np.random.randint(0, 100, size=1000000000, dtype=np.int64),以确保数组的元素数据类型为int64。这样就不会超出int32的值范围,从而避免引发此错误。 此外,你还可以考虑使用其他数据类型,如float64或complex128,以满足你的需求。请记住,使用不同的数据类型可能会影响代码的性能和内存使用情况,需要酌情考虑。 最后,如果你仍然无法解决这个问题,那么你可以尝试将数据分成更小的块来处理,以避免超出值范围。这也可以降低内存使用量,并提高代码的效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值