浮点数相关补充-编码方式与精度

最新推荐文章于 2026-06-19 17:00:49 发布

原创最新推荐文章于 2026-06-19 17:00:49 发布 · 341 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#python #算法

计算机体系结构专栏收录该内容

3 篇文章

订阅专栏

浮点数编码的分析

通过一个实例来分析浮点数编码中的一些细节。
假设一个基于IEEE 754标准的5位浮点数，包含1位符号位、2位阶码位和2位尾数位。
非规格数：0.fx2^(1-Bias)；
规格数：1.fx2^(e-Bias)；
其中，Bias=2^(2-1)-1=1；
下面真值表只列出正数(符号位s=0)的情况，负数的真值类似。

	s(1)	e(2)	f(2)	实际值
非规格数	0	00	00	0.00x2^(1-1)=0/4
	0	00	01	0.01x2^(1-1)=1/4
	0	00	10	0.10x2^(1-1)=2/4
	0	00	11	0.11x2^(1-1)=3/4
规格数	0	01	00	1.00x2^(1-1)=4/4
	0	01	01	1.01x2^(1-1)=5/4
	0	01	10	1.10x2^(1-1)=6/4
	0	01	11	1.11x2^(1-1)=7/4
	0	10	00	1.00x2^(2-1)=8/4
	0	10	01	1.01x2^(2-1)=10/4
	0	10	10	1.10^(2-1)=12/4
	0	10	11	1.11x2^(2-1)=14/4
特殊数	0	11	00	正无穷
	0	11	01	NaN
	0	11	10	NaN
	0	11	11	NaN

从上表可以看出一些规律：

为什么非规格数的指数采用(1-Bias)而不是与规格数一致的(e-Bias)？从非规格数0.11x2^(1-1)=3/4过渡到规格数1.00x2^(1-1)=4/4，步进为1/4，与相邻步进一致；若非规格采取和规格数一样的阶数偏移方式，即0.fx2^(e-Bias)，则从非规格数过渡到规格数的过渡为 0.11x2^(0-1)=3/8->4/4，出现了不连续，为了达到平滑过渡，于是令非规格数的算式为0.fx2^(1-Bias)。
为了表示0附近的小数，需要采用规格化数；
浮点数的表示数值是有限且离散的，对于上述表格之外的数，只能选取最接近该数的取值来表示(位于正中间的数，目前实验来看，采取向下取值，可能是为了使相对误差最小化)；
随着数值的增大，阶码随之增大，即增加一位尾数所带来的增值也随之增大，即步进越来越大，也就是这一副图的由来。

浮点数的精度

对于浮点数的精度问题，官方说float约为7位十进制，double约为16位十进制，这里的的精度有说是有效数字，也有说小数点后面的数，但例如1.14454686641693115234375，其有效数和小数点后位数远超过上述范围，但是在计算机内部却能够准确表示，如下图所示。所以这里精度的意思应该不是这个。目前看到最准确的说法是这个精度表示的是相对误差的大小，即 $\left | \frac{误差}{真实值} \right |$ 。
在这里插入图片描述
例如下图，对于输入数值12345.6789，其相对误差为 $=\left | \frac{-0.0001890625}{12345.6789} \right |\simeq 1.5314\times10^{-8}$ 。