numpy计算1/(np.cosh(x)**2)出现溢出，为何MATLAB可正常运行？

两者的浮点数异常处理规则、数值计算优化逻辑存在差异，本质是工具的默认设计取向不同：MATLAB偏向工程场景的无干预运行，NumPy偏向数值计算的风险提醒。

• 溢出警告策略不同：MATLAB默认静默处理双精度浮点数溢出，cosh(x)超出双精度上限（约1.79e308）时返回inf，再计算1/inf自动得到0，全程不会抛出警告；NumPy默认会对所有浮点数溢出、除零等异常场景抛出RuntimeWarning，哪怕最终计算结果在逻辑上正确也会触发提醒。
• 大值计算优化不同：当|x| > 20时，sech²(x)的计算结果已经小于1e-17，低于双精度浮点数的有效精度范围，MATLAB内部会直接将这类结果截断为0，不需要执行完整的大值cosh计算，自然不会触发溢出；而NumPy的np.cosh会执行完整数值计算，当|x| > 710时，cosh(x)就会超出双精度上限返回inf，同时触发溢出警告。

可以根据你的使用场景选择以下任意一种方案：

• 临时关闭溢出警告：确定计算逻辑没问题的前提下，临时屏蔽溢出类警告即可得到和MATLAB一致的结果

import numpy as np
with np.errstate(over='ignore'):
    r = 1 / (np.cosh(x) ** 2)

• 使用数值更稳定的等价公式：替换原计算逻辑，从根源上避免大值cosh计算，不会触发任何警告

x_abs = np.abs(x)
exp_term = np.exp(-2 * x_abs)
r = 4 * exp_term / (1 + exp_term) ** 2

• 大值区间直接截断：提前将超过精度范围的位置赋值为0，跳过不必要的计算

r = np.zeros_like(x)
# 仅对绝对值小于20的x做计算，剩余位置直接保留0即可
mask = np.abs(x) < 20
r[mask] = 1 / (np.cosh(x[mask]) ** 2)

内容的提问来源于stack exchange，提问作者Dimitri_896