浮点数的作用:区别于整形数,用来表示小数。可以用来表示很大的数,或者非常接近0的小数,或者近似的做实数计算,浮点数的一般形式:。
IEEE(pronounced “Eye-Triple-Eee”)浮点数标准。
rounding:when a number cannot be represented exactly in the format and hence must be adjusted upward or downward。可以翻译为:舍入。
十进制的小数表示:,写成数学表达式:
相应的,二进制也可以写成这种形式:
浮点数的表示
IEEE浮点数的格式:
- s是符号(Sign),s为0时是正,s为1时是负
- M是有效数字(Significand,即 尾数)
- E是 指数,Exponent,也叫 幂数,阶码
- 隐含的 基数 是2
下图是浮点数的内存分布模型,首先是符号域,然后是指数域,最后是分数域:
- 符号位s个,符号位只需要一位,s=1
- 指数位k个,指数域 ,用来计算指数E
- 分数为n个,分数域 ,用来计算有效数字M
32位浮点数(单精度,float型)中,s=1,k=8,n=23;64位浮点数(双精度,double型)中,s=1,k=11,n=52。
浮点数总共分为三种类型,下图是它们在数轴上的显示:
可以看到非正常化值集中在0附近,正常化值散布在整个数轴的空间,特殊值则只表示两个无穷值。
正常化值(Normalized Values)
当 域既不是全0,也不是全1的时候,就是正常化值。
,其中 就是 域: 的值(除去全0和全1之后,取值范围是1到),(单精度的时候是127,双精度的时候是1023),那么 的取值范围,单精度的时候是:-126 ~ +127
,双精度的时候是:-1022 ~ +1023
,其实 的算法就是 移码 的计算方法。
,,内存里只记录f,而1作为一个前导值计算时候再加上,所以f是分数域 的 这种形式
非正常化值(Denormalized Values)
当指数域全0,就是非正常化格式。
在这种情况下,指数值是 ,也就是固定了,有效数字值 也就是没有前导1了。这个格式下可以表示0,因为正常化值中,一定有: ,所以我们无法在正常化值格式下表示0。当符号位是0,有效数字 ,我们得到的就是+0.0
,当符号位是1的时候就是-0.0
。
除了可以表示0,这个格式的另一个作用就是用来表示非常接近0的数。
特殊值(Special Values)
当指数域全1的时候,且分数域是全0,就表示无穷大,如果符号域为0,表示 ,如果符号位是1,则表示 。无穷大可以作为溢出的结果,当我们用两个很大的数相乘,或者除以0;
当指数域全1,且分数域并非全0的时候,结果可以叫做:NaN
(Not a Number的简写),这种值用来表示不能用实数或者无穷大表示的计算结果,比如计算: 或者 。
下图是浮点数三种类型的光滑衔接:
看完浮点数的设计和构造我们可以发现以下这些特点:
- 从编码上有效数字域采用了无符号整数编码,而指数域采用了移码编码
- 非正常化值均匀分布在0附近
- 正常化值的间隔随着 变大而逐渐变大,也就是精度逐渐降低
- 精度是分组的,以 增加1为一组,每组有 个数(n是有效数字域的位数)
- 最高精度就是两个非正常化值的间隔,最低精度是最大的一组正常化值的相邻两数的间隔。
- 非正常化值按照精度只占一组,正常化值的数量是非正常化值数量的 倍
- 正常化值的第一组的精度和非正常化值的精度一样,也就是实现了无缝衔接
浮点数的计算
舍入
Rounding维基百科
浮点数中使用的是:舍入到最近的偶数,因为舍入结果放大和缩小各占50%的概率,这样就可以防止最终结果偏大或者偏小。
下面是把浮点数舍入到小数点后两位数:
- -> 不到一半,正常四舍五入
- -> 超过一半,正常四舍五入
- -> 正好一半,保证最后一位是偶数,所以向上舍入
- -> 正好一半,保证最后一位是偶数,所以向下舍入
浮点数加减运算
基本性质
- 相加可能产生 infinity 或者 NaN
- 不满足交换律,不满足结合律(因为舍入会造成精度上的损失)
- 加上0等于原来的数
- 除了 infinity 和 NaN,每个元素都有对应的相反数
- 除了 infinity 和 NaN,满足单调性,即
#include
using namespace std;
int main()
{
// 浮点数加法不满足交换律
cout << 3.14 + 1e20 - 1e20 << endl;
cout << 1e20 - 1e20 + 3.14 << endl;
// 浮点数加法不满足结合律
cout << (3.14 + 1e20) - 1e20 << endl;
cout << 3.14 + (1e20 - 1e20) << endl;
return 0;
}
复制代码
运行结果:
0
3.14
0
3.14
复制代码
具体细节
设两个浮点数 和 :
则浮点数加减运算结果为:
- 对阶:首先要把指数位(阶码)调成一样,并相应的使M移位,由于有效域左移会引起最高有效位丢失,误差大,所以采用右移,此时阶码要增加。所以对阶原则是:小阶向大阶看齐。
- 有效数加减:简单的无符号数字相加减。
- 规格化:有效数求和结果可能大于1,那么就向右规格化:尾数右移1位,阶码加1。
- 舍入:对于右移出去的位,采取舍入
- 检查阶码是否溢出:
- 阶码下溢:运算结果为非规格化数
- 阶码上溢:置溢出标志
浮点数加减实例
求 。
首先算出 和 的内存表示:
,3的二进制表示是11
,0.14的二进制要稍微计算一下,我们让0.14不断的乘以2(也就是左移),得到的整数位部分就是其二进制值的一位:
0.14 * 2 = 0.28 0
0.28 * 2 = 0.56 0
0.56 * 2 = 1.12 1
0.12 * 2 = 0.24 0
.
.
.
复制代码
我们可以写个程序来完成这个计算工作:
#include
#include
#include
#include
using namespace std;
// 获取整形数的位数
int getDigits(int num){
int count = 1;
while(num/10>0){
num %= 10;
count++;
}
return count;
}
/**
* 获取小数的二进制表示
* @params precision 二进制表示精确到多少位
* @params num 小数的整数表示
*/
char* getFloatBitset(int precision, int num){
char* res = new char[precision];
int digits = getDigits(num);
int mod = pow(10, digits);
char printFormat[50];
sprintf(printFormat,"%%0.%df",2);
// cout << printFormat <
for(int i=0;iprintf (printFormat, num*1.0/mod);
cout << " * 2 = ";
num <<= 1;
if(num >= mod){
printf(printFormat, num*1.0/mod);
cout << " 1" << endl;
num %= mod;
res[i] = '1';
}else{
printf(printFormat, num*1.0/mod);
cout << " 0" << endl;
res[i] = '0';
}
}
return res;
}
/**
* 获取小数的二进制表示
* @params precision 二进制表示精确到多少位
* @params num 浮点型小数
* @params digits 输入的时候浮点型小数的位数
*/
char* getFloatBitset2(int precision, float num, int digits){
char* res = new char[precision];
int mod = pow(10,digits);
// cout<
char printFormat[50];
sprintf(printFormat,"%%0.%df",2);
for(int i=0;iprintf (printFormat, num);
cout << " * 2 = ";
num*=2;
num = round(num*mod)/mod;
if(num >= 1){
printf(printFormat, num);
cout << " 1" << endl;
num -= 1;
res[i] = '1';
}else{
printf(printFormat, num);
cout << " 0" << endl;
res[i] = '0';
}
}
return res;
}
int main(int argc, char* argv[]){
// char* res = getFloatBitset(atoi(argv[1]), atoi(argv[2]));
char* res = getFloatBitset2(atoi(argv[1]), atof(argv[2]), atoi(argv[3]));
cout << res << endl;
return 0;
}
复制代码
上面代码保存成:float2Bitset.cpp
文件,然后编译,并使用:
$ g++ -o float2Bitset float2Bitset.cpp
$ ./float2Bitset 23 0.14 2
复制代码
小数位精确到23位的话,3.14的定点浮点数表示是:11.00100011110101110000101
。
转成浮点数,首先规格化M,那么整体要右移1位,指数是1,由 ,, 得 ,也就是:1000 0000
。
最终3.14的内存表示是:
同样的方法得到2.718的内存表示:
这两个数恰好是同阶的,那么就不需要对阶操作了。将M相加,但这个数太长了看着眼花,我们写个加法程序:
#include
using namespace std;
// 将两个相同位数的二进制数相加
char* addBitset(char num1[], char num2[], int length){
char* res = new char[length+2];
res[length+1] = '\0';
int carry = 0;
for(int i=length-1;i>=0;i--){
res[i+1] = num1[i]-'0'+num2[i]-'0'+carry+'0';
carry = 0;
if(res[i+1]>'1'){
res[i+1] -= 2;
carry = 1;
}
}
if(carry){
res[0]='1';
}else{
res[0]='0';
}
return res;
}
int main(int argc, char* argv[]){
int i=0;
while(argv[1][i]!='\0'){
i++;
}
cout << i <<endl;
char* res = addBitset(argv[1], argv[2], i);
cout << res << endl;
return 0;
}
复制代码
上述代码保存成:addBitset.cpp
,编译并使用该程序:
$ g++ -o addBitset addBitset.cpp
$ ./addBitset 10010001111010111000011 01011011111001110110110
复制代码
相加结果等于:0 11101101110100101111001
,最高位没有产生进位,这里用了一个0来代替,但两个前导1相加产生了进位,所以还需要对M右归一下,再对指数加1。所以加法结果的浮点数表示是:
这个数的十进制表示的计算方法是:$$2^2 \times (1+0\times (\frac{1}{2})^1 + 1\times (\frac{1}{2})^2 + 1\times (\frac{1}{2})^3 +1\times (\frac{1}{2})^4+0\times(\frac{1}{2})^5+\cdots)$$
我们依然采用程序来计算这一长串二进制对应的十进制小数:
#include
#include
#include
#include
using namespace std;
double bitset2Float(char* num1, int length){
double res = 0.0;
int count=1;
for(int i=0;idouble temp = (num1[i]-'0')/pow(2,count);
// cout << temp << endl;
res += temp;
count++;
}
return res;
}
int main(int argc, char* argv[]){
int i=0;
while(argv[1][i]!='\0'){
i++;
}
double res = bitset2Float(argv[1],i);
cout << res << endl;
return 0;
}
复制代码
上述代码保存为:Bitset2float.cpp
,编译并执行:
$ g++ -o Bitset2float Bitset2float.cpp
$ ./Bitset2float 01110110111010010111101
复制代码
对得到结果:0.4645
,,而 ,这就说明我们的计算无误。
算法流程图
这个流程图并不是完美的,真实的浮点数流程图和浮点数计算电路比这个复杂。另外我忘画了一个东西,这个图最后应该加上溢出处理模块,E可能会上溢(当E加1的时候),也可能会下溢(当E减1的时候)。
最后这个流程图中没有对特殊值的判断,比如:, , 。
了解了浮点数加法的流程之后,最后我们回到最上面说的 浮点数加减法不满足交换律和结合律,从计算细节分析为什么不行。
首先 3.14 的浮点数表示我们已经计算过了,那么 1e20 的浮点数是多少呢?1e20也就是 ,用辗转相除法可以得到其二进制表示。我们这里使用计算器工具
很遗憾的是64bit只能摆的下 。我试了一下把源程序中的 1e20 换成 1e19 也是同样的结果。所以我们就使用 1e19 来分析这道题。
首先是M规格化,M右移63位,E加63,舍入M,那么 1e19 最终的双精度浮点数表示是:0 10000111110 0001010110001110010001100000100100010011110100000000
小阶向大阶看齐,3.14的阶是1,M需要右移62位,而M的精度才52,可想而知M就是0了。那么 3.14 + 1e19 的结果就是 1e19。1e20就更加不用说了。
浮点数乘除
基本性质
- 相乘可能产生 infinity 或者 NaN
- 不满足交换律,结合律,分配率(因为溢出会造成程序无法计算出正确的结果)
- 乘以1会等于原来的数
- 除了 infinity 和 NaN,满足单调性:
具体细节
设两个浮点数 和 :
则浮点数乘除运算结果是:
- 计算阶码,判断是否溢出
- 求有效数的乘积
- 有效数舍入
- 计算符号位
浮点数还有相当多的细节,可以参考:IEEE 754