ShowDocs
搜索文章Ctrl K

外观

← 返回数据表示与程序执行列表
模型代价与规范

IEEE 754 浮点数表示与比较 ​

下面将更详细地介绍 IEEE 754 标准以及在程序开发中的应用，包括其背景、结构、浮点数的表示、舍入规则、特殊值、编程语言的支持和注意事项

IEEE 754 标准概述 ​

IEEE 754 是由电气和电子工程师协会（IEEE）制定的一个浮点数表示和运算的标准。它于 1985 年首次发布，并在 2008 年进行了修订。该标准为计算机系统中的浮点数运算提供了一致的格式和规则，确保不同系统和编程语言中的浮点数运算结果具有可移植性和一致性。

浮点数表示 ​

1. 浮点数的组成 ​

IEEE 754 浮点数由三部分组成：

  • 符号位 （1 位）：表示数值的正负。
  • 指数 （8 位或 11 位）：用于表示数值的规模。
  • 尾数（有效数字） （23 位或 52 位）：表示数值的精确度。

2. 格式 ​

  • 单精度（32 位） ：
  • 符号位：1 位
  • 指数：8 位
  • 尾数：23 位
  • 双精度（64 位） ：
  • 符号位：1 位
  • 指数：11 位
  • 尾数：52 位

3. 计算方法 ​

浮点数可以用以下公式表示：

value = (-1)^sign × (1 + fraction) × 2^(exponent - bias)

这里仅适用于规格化二进制浮点数：binary32的偏置为127，binary64为1023；fraction是小数域代表的二进制小数，不是整数位串。指数全零和全一时必须按特殊规则解释。

  • sign : 符号位
  • fraction : 尾数部分（隐含前导 1）
  • exponent : 指数部分（减去偏置值）

舍入规则 ​

IEEE 754 定义了几种舍入模式，供开发者选择，以处理浮点运算中的精度问题：

  1. 向最近偶数舍入 （默认模式）：先选择最近的可表示数；只有恰好位于中点时，才选有效数字最低位为0的结果，并非选择最近的偶整数。
  2. 向零舍入 ：选择绝对值不超过精确结果、且最接近它的可表示数；这不是强制转换为整数。
  3. 向正无穷大舍入 ：总是向上舍入。
  4. 向负无穷大舍入 ：总是向下舍入。

以6.5为例，二进制为110.1，规格化成1.101乘2的2次方；binary32的符号位0，指数129即10000001，小数域为101后补零。二进制有限小数可以精确表示，而十进制0.1在二进制中循环展开，只能舍入。

查看图表代码

特殊值 ​

IEEE 754 还定义了一些特殊值，以处理特定的算术情况：

  • 正无穷大 （+∞）和负无穷大（-∞）：当结果超出可表示的范围时。
  • 非数（NaN, Not a Number） ：表示无效的结果，比如 0 除以 0。
  • 零 ：可以是正零和负零，符号位不同但数值相同。

指数位模式决定能否使用隐含前导1。下图针对binary32；binary64规则相同，但指数与小数域位宽不同。非规格化数使用隐含前导0和固定指数1-bias，实现接近零时的渐进下溢。

查看图表代码

编程语言的支持 ​

大多数现代编程语言都支持 IEEE 754 浮点数格式。以下是一些常见语言的示例：

Python ​

在 Python 中，float 类型通常采用双精度浮点数：

python
a = 0.1
b = 0.2
c = a + b
print(f"0.1 + 0.2 = {c}")  # 输出可能是 0.30000000000000004

使用 math.isclose() 可以比较浮点数：

python
import math

result = math.isclose(a + b, 0.3)
print(result)  # 输出 True

C/C++ ​

在 C/C++ 中，可以使用 float 和 double 类型：

c
#include <stdio.h>

int main() {
    float a = 0.1f;
    float b = 0.2f;
    float c = a + b;
    printf("0.1 + 0.2 = %.20f\n", c);  // 输出可能是 0.30000001192092896
    return 0;
}

注意事项 ​

  1. 精度问题 ：经过舍入的近似计算结果应按业务误差预算比较，例如 0.1+0.2 与 0.3；精确可表示的值或可精确表示范围内的整数计数，可以直接判断相等，不能一律禁用 ==。
  2. 使用容差 ：可以定义一个小的容差值，以判断两个浮点数是否“相等”。
python
   epsilon = 1e-10
   if abs(a + b - 0.3) < epsilon:
       print("相等")
  1. 选择合适的浮点类型 ：根据应用需求选择单精度或双精度，双精度提供更高的精度，但消耗更多的内存和计算资源。
  2. 高精度计算 ：对于需要高精度的应用，可以考虑使用专门的高精度库，如 Python 的 decimal 模块或 C++ 的 Boost.Multiprecision 库。

参见 Python 官方浮点数教程。容差必须由误差预算确定。比较可采用绝对误差与相对误差的组合：差值不超过max(绝对容差, 相对容差×较大绝对值)。接近零时需要绝对容差；NaN应单独处理，也不能用近似相等建立排序关系，因为它不具备一般的传递性。整数计数或精确可表示值的相等判断并非一律禁止。

总结 ​

IEEE 754 标准为浮点数的表示和运算提供了统一的规则，确保了不同编程语言和计算机系统之间的可移植性。在开发中，理解浮点数的表示、舍入规则、特殊值以及编程语言的支持，可以帮助程序员更有效地处理浮点数运算，避免常见的陷阱。

继续阅读