学习日记
numpy是一个python的科学计算库，库如其名，(num)number的简写，(py)python嘛（我是这么理解的）。numpy里面内置了许多数学运算，以及数据类型。
前几天学习基因遗传算法的时候，我瞟了一眼网上的源码，诸位神级人物都是用minpy计算库来计算的，这个库需要安装mxnet框架才能用。秉承着同样功能的包只装一个的懒人情怀。我决定用numpy去做数学计算，不用minpy。
然后，我就差点废了。我是在计算match_rate += np.sum(np.abs(im[i] - im2[i]))
这么一个语句的时候发生了溢出。我是要比对两张图片的相似情况，最直接的办法就是，把这两张图的每一个像素的rgb颜色组成分别做差，求平方在求和得到一个值（rate），用这个rate来衡量两张图片像不像。我们知道如果两张图片一样的话，那对应的像素点做差肯定是0(因为图片一样嘛)。之后，平方，求和肯定也是0。故rate越小两个图片越像。rate=0，那就是同一张图！
这个rate是一张图片每一个像素点的rgb三个属性与另一张图相应的rgb属性做差平方之后求和得到的，这个数是很大的（大约11位数往上），已经超出了int32所能储存的最大数字。numpy在计算过程中用什么数据类型存储数字，完全取决于，你调用这个方法时，传入的数字是什么类型。例如a = np.sum([12345678]*256)
这个句子中，12345678是可以用32位的int数表示的，所以结果a的数据类型就是int32位！但是12345678*256肯定超出了int32的存储范围，所以a 这个结果一定会溢出
就像这样12345678 * 256 = -1134473728 明显不对嘛。
解决方案
其实解决方案也简单，要想算出正确的结果，我们只需要传入参数是指定好数据类型，告诉numpy这是一个64位的整数，不要用32位存它，这样子就可以了。例如：a =np.sum([np.int64(12345678)]*256)
我指定12345678是一个64位的数。这样结果就不会发生溢出了。
这里有一个坑，就是我这样指定行不行np.int64(np.sum([12345678]*256))
不是计算结果溢出了吗，我把计算结果指定成64位数。按道理，也解决了吧。实际是不行的，因为这个时候，np检查到你设置64位数的时候已经把计算结果算出来了。
科普
32位数就是用32个二进制位存储一个整数，其中第一位是符号位，0，表示整数，1表示负数。剩下的31位就用来存储这个数了。所以说，32int能存的最大数，2的31次方-1，为啥减一，是因为我们是从0开始数的。
64位那也就同理了。