FloatingPointError仅在显式启用浮点异常捕获时抛出，如调用numpy.seterr或启用SIGFPE；默认Python浮点运算返回inf/nan而不报错，多数业务无需开启该异常。
为什么 FloatingPointError 会在 Python 中突然抛出？
默认情况下，Python **不会** 因浮点运算（如除零、溢出、无效操作）自动抛出 FloatingPointError。它只在你显式启用了浮点异常捕获时才会触发——最常见的是调用了 numpy.seterr 或启用了 signal.SIGFPE 处理，或在某些科学计算环境中（如用 pytest 运行带 -W error::FloatingPointWarning 的测试）把警告升级成了错误。
所以第一步不是“怎么抓异常”，而是确认：你真的需要开启浮点异常吗？多数业务代码根本不需要，inf 和 nan 已经是 IEEE 754 标准的合法结果，比崩溃更可控。
- 检查是否误调用了
numpy.seterr(all='raise')或类似配置 - 搜索项目中是否有
import signal; signal.signal(signal.SIGFPE, ...) - 运行环境是否设置了
export PYTHONFAULTHANDLER=1或启用了-X dev
如何安全地禁用或降级浮点异常？
如果你只是想让程序继续跑（比如训练模型时容忍个别 batch 出现 inf 损失），最直接的办法是关掉“升错”逻辑：
- 如果是 NumPy 控制的：调用
numpy.seterr(all='ignore')或更精细地设divide='ignore', over='ignore', invalid='ignore' - 如果是 Python 内置
math模块触发的（如math.sqrt(-1)），它本身不抛FloatingPointError，但若启用了signal.SIGFPE，需用signal.signal(signal.SIGFPE, signal.SIG_DFL)恢复默认行为 - 在 pytest 中避免升级：删掉命令行里的
-W error::FloatingPointWarning，或改用-W ignore::FloatingPointWarning
注意：numpy.seterr 是线程局部的，主线程设置后子线程不继承；多线程场景下需在每个线程入口重设。
立即学习“Python免费学习笔记（深入）”；
如果必须保留异常，该怎么捕获和诊断？
真要保留并处理，别用裸 except FloatingPointError: —— 它无法区分是除零、溢出还是无效操作。推荐结合 numpy.errstate 上下文管理器做精准控制：
import numpy as np
<p>with np.errstate(divide='raise', invalid='raise'):
try:
result = np.array([1.0]) / np.array([0.0])
except FloatingPointError as e:
if 'divide' in str(e).lower():
print("捕获到除零，返回 inf")
result = np.inf
else:
raise
这样能隔离问题范围，也方便打日志定位具体哪一行、哪个数组出了问题。注意 np.errstate 不影响 Python 原生 / 运算，只对 NumPy 函数有效。
浮点计算本身该不该修？
真正该花时间修的，往往不是异常处理逻辑，而是上游数值不稳定源。比如：
- softmax 实现没减去最大值 → 指数溢出 →
inf→ 后续log(inf)得nan - 用
1 / x替代x ** -1但没防x == 0 - 优化器步长太大，导致梯度爆炸，参数变成
inf，再参与后续计算
这类问题靠 catch 异常治标不治本。加 np.isfinite(x).all() 断言、用 torch.finfo 查 dtype 极限、或在关键变量上插入 np.clip，比层层 try-except 更可靠。
浮点异常机制本质是调试工具，不是运行时防御手段。开着它上线，等于把数值问题延迟到崩溃那一刻才暴露。
