numpy.logaddexp2

numpy.logaddexp2(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature])=<ufunc 'logaddexp2'>

Логарифм суммы экспоненциальных значений входных данных по основанию 2.

Вычисляет log2(2**x1 + 2**x2). Эта функция полезна в машинном обучении, когда вычисленные вероятности событий могут быть настолько малы, что превышают диапазон обычных чисел с плавающей точкой. В таких случаях можно использовать логарифм по основанию 2 вычисленной вероятности. Эта функция позволяет складывать вероятности, хранящиеся таким образом.

Параметры:

x1, x2array_like

Входные значения. Если x1.shape != x2.shape, они должны быть совместимы для трансляции в общую форму (которая становится формой выходных данных).

outndarray, None, или кортеж из ndarray и None, необязательно

Расположение, в которое сохраняется результат. Если указано, оно должно иметь форму, к которой транслируются входные данные. Если не указано или None, возвращается недавно выделенный массив. Кортеж (возможен только в качестве ключевого аргумента) должен иметь длину, равную числу выходных данных.

wherearray_like, необязательно

Это условие транслируется по входу. В местах, где условие истинно, out массив будет установлен на результат ufunc. В противном случае, out массив сохранит свое исходное значение. Обратите внимание, что если неинициализированный out массив создается с помощью по умолчанию out=None, расположения в нем, где условие ложно, останутся неинициализированными.

**kwargs

Для других ключевых аргументов см. документацию ufunc.

Возвращаемое значение:

resultndarray

Логарифм по основанию 2 от 2**x1 + 2**x2. Это скаляр, если x1 и x2 являются скалярами.

См. также

logaddexp

Логарифм суммы экспоненциальных значений входных данных.

Примечания

Новая версия с 1.3.0.

Примеры

>>> prob1 = np.log2(1e-50)
>>> prob2 = np.log2(2.5e-50)
>>> prob12 = np.logaddexp2(prob1, prob2)
>>> prob1, prob2, prob12
(-166.09640474436813, -164.77447664948076, -164.28904982231052)
>>> 2**prob12
3.4999999999999914e-50