Tag: 浮点

pow（）似乎在这里出了一个: 这里发生了什么： #include <stdio.h> #include <math.h> int main(void) { printf("17^12 = %lf\n", pow(17, 12)); printf("17^13 = %lf\n", pow(17, 13)); printf("17^14 = %lf\n", pow(17, 14)); } 我得到这个输出： 17^12 = 582622237229761.000000 17^13 = 9904578032905936.000000 17^14 = 168377826559400928.000000 13和14不匹配wolfram alpa cf： 12: 582622237229761.000000 582622237229761 13: 9904578032905936.000000 9904578032905937 14: 168377826559400928.000000 168377826559400929 而且，一些奇怪的部分并没有错，只有一个是错的！如果这是我达到pow()可以为我做的极限，是否有一个替代scheme可以计算出来？我需要一个可以计算x^y的函数，其中x^y总是小于ULLONG_MAX。

在二进制表示法中，小数点后面数字的含义是什么？: 我有这个例子，如何从一个基地10号码转换为IEEE 754浮点表示 Number: 45.25 (base 10) = 101101.01 (base 2) Sign: 0 Normalized form N = 1.0110101 * 2^5 Exponent esp = 5 E = 5 + 127 = 132 (base 10) = 10000100 (base 2) IEEE 754: 0 10000100 01101010000000000000000 除了一段话，这对我来说是有意义的： 45.25 (base 10) = 101101.01 (base 2) 45是101101在二进制，这没关系，但他们是如何获得0.25为0.01？

存储统计数据，我需要DECIMAL，FLOAT还是DOUBLE？: 我创造的乐趣，但我仍然要认真对待它，一个网站，主持各种testing。我希望通过这些testing来收集统计数据。一些数据将包括testing完成时间的百分比。我可以很容易地计算出testing的百分比，但是我想要返回真实的数据，因为我在testing完成时存储了各种不同的值。大多数值是在PHP浮动，所以我的问题是，如果我想要真正的统计数据，我应该将它们存储在MYSQL FLOAT，DOUBLE或DECIMAL。我想利用MYSQL的function，如AVG()和LOG10()以及TRUNCATE() 。为了让MYSQL返回基于我插入的值的真实数据，我应该使用什么作为数据库列的select。我问，因为一些数字可能会或可能不是像10，10.89，99.09，或者简单的0浮点数。但是我想真实有效的统计数据被返回。我能依靠浮点math吗？编辑我知道这是一个普遍的问题，我对此深表歉意，但对于像我这样的非math家，我也不是MYSQL的专家，我想请一个专家在这个领域的意见。我已经做了研究，但是我仍然觉得我对这个问题的判断很混乱。我再次道歉，如果我的问题是脱离主题或不适合本网站。

乘以1.0和int的精度浮点转换: 假设条件(int)(i * 1.0f) == i对于任何整数i是否为真是安全的？

numpy float：在算术运算中比内build速度慢10倍？: 下面的代码我正在得到非常奇怪的计时： import numpy as np s = 0 for i in range(10000000): s += np.float64(1) # replace with np.float32 and built-in float 内置浮动：4.9秒 float64：10.5 s float32：45.0 s 为什么float64比float更慢两倍？为什么float32比float64慢5倍？有没有办法避免使用np.float64的惩罚，并有numpy函数返回内置的float而不是float64 ？我发现使用numpy.float64比Python的float慢得多，而numpy.float32甚至更慢（即使我在32位机器上）。 numpy.float32在我的32位机器上。因此，每次我使用numpy.random.uniform等各种numpy函数，我将结果转换为float32 （以便进一步的操作将以32位精度执行）。有什么办法可以在程序或命令行中设置一个单独的variables，并使所有numpy函数返回float32而不是float64 ？编辑＃1： numpy.float64比算术计算中的浮点数慢10倍。这是非常糟糕的，甚至转换为浮动和返回之前的计算使程序运行速度提高3倍。为什么？有什么我可以做的，以解决它？我想强调，我的时间不是由于以下任何一种情况：函数调用 numpy和python float之间的转换对象的创build 我更新了代码，使问题更加清楚。使用新的代码，使用numpy数据types看起来会使性能下降十倍： from datetime import datetime import […]

使用常数整数除法器进行高效的浮点除法: 最近的一个问题，是不是允许编译器用浮点乘法来取代浮点运算，这就激励我提出这个问题。在严格的要求下，代码转换后的结果应该与实际的除法运算按位相同，但对于二进制IEEE-754algorithm来说，对于二的幂因子是可能的。只要除数的倒数是可以代表的，乘以除数的倒数即可得出与该除数相同的结果。例如，乘以0.5可以代替2.0 。然后人们想知道这样的replace是如何工作的，假设我们允许任何简短的指令序列来代替除法，但运行速度明显更快，同时提供相同的结果。除了普通的乘法之外，还特别允许融合的乘加运算。我在评论中指出了以下相关文章： Nicolas Brisebarre，Jean-Michel Muller和Saurabh Kumar Raina。提前知道除数时加速正确舍入的浮点除法。 IEEE Transactions on Computers，Vol。 53，第8号，2004年8月，第1069-1072页。本文作者所提倡的技术将计算除数y的倒数作为归一化的头尾对z h ：z l如下： z h = 1 / y，z l = fma（-y，z h ，1 ）/ y 。之后，分割q = x / y然后被计算为q = fma（z h ，x，z l * x）。本文导出了除数y必须满足的各种条件才能使该algorithm正常工作。正如人们容易观察到的那样，当头部和尾部的符号不同时，该algorithm存在无穷大和零的问题。更重要的是，由于商尾zl * […]

在循环中使用“double”作为计数器variables: 在我正在阅读的一本书中，有这样一段摘录：您也可以使用浮点值作为循环计数器。下面是一个用这种计数器for循环的例子： double a(0.3), b(2.5); for(double x = 0.0; x <= 2.0; x += 0.25) cout << "\n\tx = " << x << "\ta*x + b = " << a*x + b; 这个代码片段计算a*x+b值从0.0到2.0的a*x+b的值，步长为0.25 ; 但是，在循环中使用浮点计数器时需要小心。许多十进制值不能完全用二进制浮点forms表示，所以差异可以累积起来。这意味着你不应该编写一个for循环，这样循环的结束取决于一个浮点循环计数器达到一个精确值。例如，以下devise不佳的循环永远不会结束： for(double x = 0.0 ; x != 1.0 ; x += 0.2) cout << x; 这个循环的意图是输出x的值，因为它从0.0变化到1.0 […]

双或浮动，这是更快？: 我正在阅读“加速C ++”。我发现一句话说“有时候执行速度比在C ++中执行速度快double ”。读完这句话后，我对float和double工作感到困惑。请向我解释这一点。

如何在C＃中生成一个随机数字？: 我想生成一个2值之间的随机浮点数。什么是在C＃中做到这一点的最好方法？

信号NaN的有用性？: 我最近在IEEE 754和x87架构上读了很多。我正在考虑在我正在使用的一些数字计算代码中使用NaN作为“缺失值”，并且我希望使用NaN 信号发送将允许我在不希望出现的情况下捕获浮点exception着手“缺失的价值”。相反，我会用安静的 NaN让“缺失值”通过计算传播。然而，信号NaN不能正常工作，因为我认为它们是基于存在于其上的非常有限的文档。这里是我所知道的一个总结（所有这些使用x87和VC ++）： _EM_INVALID（IEEE“无效”exception）在遇到NaN时控制x87的行为如果_EM_INVALID被屏蔽（exception被禁用），则不会产生exception，操作可以返回安静的NaN。涉及NaN信号的操作不会引发exception，但会被转换为安静的NaN。如果_EM_INVALID未被屏蔽（例外启用），一个无效的操作（例如，sqrt（-1））会导致一个无效的exception被抛出。 x87 永远不会产生信号NaN。如果_EM_INVALID未被屏蔽，任何使用信号NaN（甚至用它初始化一个variables）都会导致一个无效的exception被抛出。标准库提供了一种访问NaN值的方法： std::numeric_limits<double>::signaling_NaN(); 和 std::numeric_limits<double>::quiet_NaN(); 问题是我看不到任何信号NaN。如果_EM_INVALID被屏蔽，则其行为与安静的NaN完全相同。由于没有NaN与任何其他NaN相比，没有逻辑差异。如果_EM_INVALID 没有被屏蔽（exception被启用），那么甚至不能用信号发送一个variablesNaN： double dVal = std::numeric_limits<double>::signaling_NaN(); 因为这会引发一个exception（信号NaN值被加载到一个x87寄存器中以将其存储到存储器地址中）。你可能会像我这样想：掩码_EM_INVALID。用信号NaN初始化variables。 Unmask_EM_INVALID。但是，步骤2会导致信号NaN转换为安静的NaN，所以后续使用它不会引发exception！那么WTF？信号NaN有没有用处或目的？我明白其中一个原意是用它初始化内存，以便可以捕获到单位浮点值的使用。有人可以告诉我，如果我在这里失去了一些东西？编辑：为了进一步说明我希望做的事情，下面是一个例子：考虑对数据向量执行math运算（双精度）。对于某些操作，我想允许向量包含一个“缺失值”（假设这对应于一个电子表格列，例如，其中一些单元格没有值，但它们的存在是显着的）。对于某些操作，我不想让vector包含“缺失值”。也许我想采取一个不同的行动方式，如果一个“缺失的价值”是存在的设置 – 也许执行一个不同的操作（因此这不是一个无效的状态）。这个原始代码看起来像这样： const double MISSING_VALUE = 1.3579246e123; using […]