因为np.seterr仅控制浮点异常（如over、divide），对整数溢出无效——后者静默回绕且不触发任何警告或异常；浮点溢出需配合errstate上下文才能立即抛FloatingPointError，而非依赖全局seterr。
为什么 np.seterr 不能捕获所有溢出错误
因为 np.seterr 只控制 NumPy 内置的浮点异常行为（如 over、under、invalid、divide），它不改变底层计算逻辑，也不影响整数溢出——NumPy 的整数运算（如 int64）溢出是静默回绕（wraparound），根本不会触发任何异常或警告，np.seterr 对其完全无效。
常见误判场景：用 np.array([2**63 - 1], dtype=np.int64) + 1 溢出后得到负数，但 np.seterr(all='raise') 完全没反应。这不是配置没生效，而是整数溢出本就不走这套机制。
-
np.seterr(over='raise')仅对浮点数上溢（如np.float64(1e308) * 10）起作用 - 整数溢出需靠类型预检（如改用
np.int64前先判断输入范围）或切换到 Python int（无溢出，但失去向量化） - 某些函数（如
np.power）在整数输入时可能内部转 float 再计算，此时才可能触发over，行为不一致，需实测
如何让浮点溢出真正抛出异常而不是返回 inf
默认情况下，np.seterr(over='raise') 并不会让 1e308 * 10 立即报错——它只在后续对结果做“非法操作”（如 np.log(np.inf)）时才触发 RuntimeWarning 或 FloatingPointError，这容易造成延迟报错、定位困难。
要实现“一溢出就中断”，必须配合 np.errstate 上下文管理器，且确保溢出发生在受控上下文中：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
import numpy as np np.seterr(all='warn') # 全局设为 warn 是安全起点正确做法：用 errstate 包裹高危计算
with np.errstate(over='raise'): try: x = np.array([1e308], dtype=np.float64) y = x * 10 # 这里直接抛 FloatingPointError except FloatingPointError: print("检测到上溢，已拦截")
- 单独调用
np.seterr(over='raise')不足以保证立即报错；必须搭配np.errstate或确保后续有依赖 inf/NaN 的运算 -
np.errstate的优先级高于全局np.seterr，适合局部敏感计算 - 注意：某些编译优化（如 Intel MKL 后端）可能绕过 errstate，测试时建议用纯 NumPy 默认后端
实际调试中该监听哪些错误类型
多数数值问题不是单纯“溢出”，而是组合态异常：invalid（NaN 输入）、divide（除零）、over（上溢）常同时出现。比如归一化时分母为 0 → divide → 结果为 inf → 后续开方 → invalid → NaN 扩散。
- 推荐初始配置：
np.seterr(invalid='raise', divide='raise', over='warn', under='ignore') -
over='warn'而非'raise'，因科学计算中短暂上溢（如 softmax 中间值）较常见，先告警再排查比直接崩更实用 -
under='ignore'避免大量次正规数（subnormal）触发噪音；真需关注下溢时再临时启用 - 一旦捕获
FloatingPointError，立刻检查上游输入是否含 NaN/inf，用np.any(np.isnan(x))或np.isfinite(x).all()快速筛查
替代方案：比 np.seterr 更可靠的溢出防护手段
依赖异常机制始终有盲区（如整数溢出、部分 ufunc 优化跳过检查）。生产环境更推荐前置防御：
- 对输入数组做范围断言：
assert np.max(x) < 1e300，比事后抓异常更快定位源头 - 用
np.clip截断极端值：x = np.clip(x, -1e300, 1e300)，避免传播 inf - 关键计算前显式转 float64：
x = x.astype(np.float64)，防止 int32 中间计算意外溢出 - 启用
np.set_printoptions(precision=3, suppress=True, nanstr='NaN', infstr='INF')，让调试输出暴露 inf/NaN，比等报错更早发现问题
真正棘手的从来不是“怎么让溢出报错”，而是“为什么这个值会大到溢出”——np.seterr 是听诊器，不是手术刀。
