深入理解浮点数实现原理、范围和精度以及大数吃小数问题 |
您所在的位置:网站首页 › 浮点数运算有误差 › 深入理解浮点数实现原理、范围和精度以及大数吃小数问题 |
深入理解浮点数实现原理、数范围和精度以及大数吃小数问题
浮点数实现原理规格化表示非规格化表示(包括 0)特殊值(INF,NaN)表示范围精度
大数吃小数原理解决方案方案一:使用更高精度数据类型方案二:分段求和方案三:Kahan 求和
参考
看完本文你将深入理解浮点数实现的原理:规格化表示、非规格化表示、+/- 0、INF、NAN、浮点数的表示范围和精度。并且也将搞清楚大数吃小数的原理以及相应的解决方案。 前几天有个同事和我讨论浮点数精度和大数吃小数的问题,正好借这个机会,把浮点数的实现原理和大数吃小数的问题写成本文,也方便后来人遇到类似问题查阅。 浮点数实现原理这里以 IEEE-754 单精度浮点数为例,双精度浮点数也是类似的。 单精度浮点数在计算机中以 32 位存储。这 32 位被划分为符号位(Sign)、指数位(Exponent)和尾数位(Mantissa,Fraction)三个部分: 符号位:表示数值的符号,即正负。占 1 bit。指数位:表示数值的指数部分。占 8 bit。尾数位:表示数值的底数部分。占 23 bit。V = ( − 1 ) S ∗ M ∗ 2 E V = (-1)^S * M * 2^E V=(−1)S∗M∗2E 尾数部分: 规格化(Normal)表示首先要将小数部分做规格化处理,即表示为 1.xx * 2 ^ exp 形式。例如: 0.09375 的二进制表示为 0.00011,规格化表示为 1.1 * 2 ^ (-4)。 这里也可以看到为什么需要规格化表示:尾数位固定占 23 位,尾数位如果有许多先导零,就会占用许多有效位,使用规格化表示可以去除这些先导零,变相使有效位变多,也就提高了浮点数的表示精度。 另外,规格化表示有个特点就是有效数字的首位都是 1,这个 1 也可以省去。 指数部分: 指数位占 8 bit,可以表示 [0, 255] ,为了表示负数(规格化表示产生),需要减去一个偏置(bias), b i a s = 2 k − 1 − 1 bias = 2^{k-1} -1 bias=2k−1−1,k 为指数位个数。单精度浮点的偏置为 127,则指数部分范围为 [-127, 128] ,这里去除指数位全为 0 和 全为 1 的情况(后面会介绍用于非规格化表示和特殊数),则指数部分表示范围为 [-126, 127] 。 再看上面的例子, 0.09375 ( 0.00011): 首先,规格化表示:1.1 * 2 ^ (-4),尾数部分为 1.1,省去第一个 1 ,尾数为 1。指数为 -4,加上偏置 127,等于 123。符号位为 0。在计算机中的二进制表示为:
也可以直接写代码验证下: 再来看一个复杂点的数值,pi = 3.1415926: 二进制表示为:11.00100100001111110110100110100010010110110000100101 。大家可以使用 这个 工具转化。 使用规格化表示,并保留小数点位 23 位:1.10010010000111111011010 * 2 ^ 1 省去前面的 1 ,则尾数位为:10010010000111111011010 指数为 1,再加上 127,等于 128,二进制表示为:10000000 符号位为 0 则在计算机中表示为: 最后,总结下规格化表示的公式: M = 1.f,f 为尾数部分二进制表示。 E = exp - bias 也即规格化表示的公式: v = ( − 1 ) S ∗ 1. f ∗ 2 e x p − b i a s v = (-1)^S * 1.f * 2^{exp-bias} v=(−1)S∗1.f∗2exp−bias 其中 bias = 127。 对此,大家应该对浮点数的规格化表示已经非常清楚了。 非规格化表示(包括 0)从上面介绍我们可以知道,浮点数的规格化表示是为了提高浮点数实现的精度,那为什么还需要非规格化(Denormal)表示呢? 根据浮点数的规格化表示我们知道,规格化表示能够表示的最接近 0 的数为 1.00…000 * 2 ^ (-126)。对应的二进制表示为: 为了能够得到更加接近 0 的数,也即扩大浮点数的表示范围,使用浮点数的非规格化表示。 比如 1.1 * 2 ^ (-130),-130 超出了规格化指数最小 -126 能够表示的范围,使用非规格化表示为 0.00011 * 2 ^ (-126),二进制表示如下:
M = 0.f,f 为尾数部分二进制表示。 E = 1 - bias v = ( − 1 ) S ∗ 0. f ∗ 2 1 − b i a s v = (-1)^S * 0.f * 2^{1-bias} v=(−1)S∗0.f∗21−bias 其中 bias = 127。 也即: v = ( − 1 ) S ∗ 0. f ∗ 2 − 126 v = (-1)^S * 0.f * 2^{-126} v=(−1)S∗0.f∗2−126 非规格化表示的指数为全为 0(规格化表示指数部分不全为 0),能够表示最接近 0 的数为 0.00…01 * 2 ^ (-126)。当尾数也全为 0 ,则表示数值 0,符号位为 0,则表示 +0,符号位为 1 ,则表示 -0。 这里分析下为啥非规格化表示的 E = 1 - bias 而不是 - bias? 为了方便描述,这里以 8 bit 浮点数为例:指数位占为 4 bit,尾数位占 3 bit。则 bias = 7。 对于非规格化表示: E = 1 - bias = 1 - 7 = -6,则最大非规格化表示的最大值为 7 512 \frac{7}{512} 5127 。 对于规格化表示:最小规格化表示最小的数为 1.000 ∗ 2 − 6 = 8 512 1.000 * 2^{-6}=\frac{8}{512} 1.000∗2−6=5128 。 可见最大非规格化数和最小规格化数之间的转变会比较平滑,这得益于将非规格化时将 E 定义为 1 - bias 而不是 -bias,这样可以补偿非规格化数的有效数没有隐含的开头的 1。 特殊值(INF,NaN)当指数位全为 1 时,尾数不全为 0,则表示一个非数,即 NaN(Not a Number)。 例如: s q r t ( − 1 ) = N a N sqrt(-1) = NaN sqrt(−1)=NaN 当指数位全为 1 时,尾数全为 0,则表示一个无穷大/无穷小的数,即 INF( ∞ \infty ∞)。符号位为 1 则为 +INF,否则为 -INF。 例如: 1 0 = + ∞ \frac{1}{0} = +\infty 01=+∞ 表示范围 单精度浮点数的表示范围:-3.40E+38 ~ +3.40E+38双精度浮点数的表示范围:1.79E+308 ~ +1.79E+308以单精度浮点数为例,能够表示的最大数为: ( + 1.11...11 ∗ 2 127 ) 2 ≈ ( 2 128 ) 2 ≈ ( 3.4 ∗ 1 0 38 ) 10 (+1.11...11*2^{127})_2\approx(2^{128})_2\approx(3.4*10^{38})_{10} (+1.11...11∗2127)2≈(2128)2≈(3.4∗1038)10 精度精度是指有效数字的最大位数,从左边第一个不为 0 的数字开始的个数。 对于单精度浮点数,由于尾数有23位,算上规格化表示小数点前隐藏的 1,共24位,24位能够表示的最大数为 2 24 − 1 = 16 , 777 , 215 2^{24}-1=16,777,215 224−1=16,777,215 。最大 8 位十进制数,能够保证十进制 7 位,也即十进制的 7~8 位。 类似的,双精度浮点十进制精度为 15~16 位。 大数吃小数看一个大数吃小数的例子: #include int main() { float sum = 0.0; float x = 1.0; for (int i = 0; i |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |