大佬教程收集整理的这篇文章主要介绍了Numpy 溢出 np.divide()。运行时警告：在 ushort_scalars 中遇到溢出，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我在 2 个图像上运行以下代码：
ndvi = np.divIDe(img8 - img4,img8+img4)
invalID = (ndvi > 1).any()
if invalID:
print("StopPing Execution")
print(ndvi)
img8 和 img4 是 2 张图像，并且都是正值。
ndvi 是 (img8-img4)/(img8+img4)
因此，根据定义，ndvi 的所有元素都应介于 -1 和 1 之间。 但我得到了一些值>1
这个上下文中所有变量的dtypes都是'uint16'
当我检查无效值的索引并运行单个代码时：
temp = (img8[88][118]-img4[88][118])/(img8[88][118]+img4[88][118])
我收到以下警告：
<stdin>:1: RuntimeWarning: overflow encountered in ushort_scalars
值是： img8[88][118] = 1462 img4[88][118] = 1652
值本身并不会很大导致溢出，但是当数组大小变大时就会发生溢出。
当小数减去大数且两者都是unitXX时，会溢出（实际上是underflow），结果是负数的模XX，即是一个很大的数字。
这是因为 uint 不能表示负数，而是包含一个很大的正数。
这个模实际上是将 maxint (==65535) 添加到负数
在这种情况下，对于您指定的索引，
img8[88][118]-img4[88][118] == 1462 - 1652 == -190 == 65535 - 190 = 65345
除以 1462 + 1652 == 3114 得到 20.984264611432241490044958253051
解决方案：
Convert the dtypes to float 在分割之前，通常使用浮点数来处理图像，而不是 uint。
浮点数（通常）没有简单减法的下溢问题，因为它们被构建为也表示负数。
也可以使用 int 而不是 uint，但为了自己的利益坚持使用浮动。
以上是大佬教程为你收集整理的Numpy 溢出 np.divide()。运行时警告：在 ushort_scalars 中遇到溢出全部内容，希望文章能够帮你解决Numpy 溢出 np.divide()。运行时警告：在 ushort_scalars 中遇到溢出所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。