Verwendung von Numpy in verschiedenen Plattformen

Question

Ich habe ein Stück Code, der die Helmholtz-Hodge-Zerlegung berechnet. Ich habe auf meinem Mac OS Yosemite ausgeführt und es funktionierte gut. Vor einem Monat wurde mein Mac jedoch ziemlich langsam (es war wirklich alt), und ich entschied mich für ein neues Notebook (Windows 8.1, Dell).

Nach der Installation aller Python-Bibliotheken und so weiter, habe ich meine Arbeit mit dem gleichen Code (versioniert in Git) fortgesetzt. Und dann war das Ergebnis ziemlich komisch, ganz anders als im alten Notebook.

Zum Beispiel, was ich tue, ist zu konstruieren a und b (wirklich lange Kalkül) auf Matrizen und dann rufe ich den Solver:

s = numpy.linalg.solve(a, b) 

Dies wurde Rückkehr a (falsch, und verschiedene des Ergebnisses erhalten in meinem Mac, was richtig war).

Dann habe ich versucht, zu verwenden:

s = scipy.linalg.solve(a, b) 

Und das Programm beendet mit Code 0, aber in der Mitte. Dann habe ich nur einen einfachen Test von:

print 'here1' 
s = scipy.linalg.solve(a, b) 
print 'here2' 

Und here2 nie gedruckt wird.

Ich habe versucht:

print 'here1' 
x, info = numpy.linalg.cg(a, b) 
print 'here2' 

Und das gleiche passiert.

Ich habe auch versucht, die Lösung zu überprüfen, nachdem numpy.linalg.solve mit:

print numpy.allclose(numpy.dot(a, s), b) 

Und ich habe eine False (?!).

Ich weiß nicht, was passiert, wie eine Lösung zu finden, ich weiß nur, dass der gleiche Code in meinem Mac läuft, aber es wäre sehr gut, wenn ich es in anderen Plattformen ausführen könnte. Jetzt stecke ich in diesem Problem (habe keinen Mac mehr) und keine Ahnung von der Ursache.

Die seltsamste Sache ist, dass ich keinen Fehler auf Laufzeitwarnung, keine Rückmeldung überhaupt erhalte.

Vielen Dank für jede Hilfe.

EDIT:

Numpy Anzug Testergebnisse:

Scipy Anzug Testergebnisse:

Answer 1

Das ist nicht wirklich eine Antwort, aber this blog bespricht in der Länge die Probleme, ein numpiges Ökosystem zu haben, das sich schnell entwickelt, auf Kosten von Reproduktionen Flexibilität.

Übrigens, welche Version von numpy verwenden Sie? Die documentation für die neuesten 1.9 meldet keine Methode namens cg als die, die Sie verwenden ...

Ich schlage die Verwendung dieses Beispiels vor, damit Sie (und andere) die Ergebnisse überprüfen können.

>>> import numpy as np 
>>> import scipy.linalg 
>>> np.random.seed(123) 
>>> a = np.random.random(size=(10000, 10000)) 
>>> b = np.random.random(size=(10000,)) 
>>> s_np = np.linalg.solve(a, b) 
>>> s_sc = scipy.linalg.solve(a, b) 
>>> np.allclose(s_np,s_sc) 
>>> s_np 
array([-15.59186559, 7.08345804, 4.48174646, ..., -16.43310046, 
    -8.81301553, -10.77509242]) 

Answer 2

Ich hoffe, dass Sie die Antwort finden können - eine Option in der Zukunft ist es, eine virtuelle Maschine für jedes Ihrer Projekte zu erstellen, Docker verwenden. Dies ermöglicht eine einfache Portabilität.

Siehe einen großen Artikel here diskutieren Docker für die Forschung.

Answer 3

herunterladen Anaconda Paket-Manager

http://continuum.io/downloads

Wenn Sie diese herunterladen es bereits alle Abhängigkeiten für numpy für Sie ausgearbeitet. Es wird lokal installiert und funktioniert auf den meisten Plattformen.