计算机中单精度浮点数运算详解

新博客pppppkun

写在前面

在PA_2019fall中有一项任务是完成CPU中的浮点数运算，这也是我第一次认真的思考了一下真实的计算机中CPU是如何进行的浮点数运算

在写PA的过程中一头雾水，从迷茫，到困惑，到弄懂，到完成，中间经历了各种坎坷，又无奈于手上的资料仅仅只有一个Guide和i386，剩下不会的地方全靠百度

于是就诞生了这一篇博客，把其中的过程给大家讲的明明白白的！

预备知识

什么是浮点数？浮点数表示的是一个数字，其小数点所在的位置是不确定的，也就是浮动的，因此称之为浮点数

在IEEE 754标准中，单精度的浮点数由3部分组成

• 符号位，在首位，用1表示负数，0表示正数
• 阶码 部分，一共八位，采用移码形式，偏置常数为127
• 尾数部分，一共23位。

规格化于非规格化

规格化的数表示阶码部分不是全都为0，其23位的尾数实际上表示了24位，最高缺省位为1。而非规格化的数没有缺省位。

尾数加上最高位可能存在的缺省的1后构成的有效数字称为

实现之前的思考

排除特殊情况

Simple

根据表格我们可以先把边界条件排除掉，比如

加减

如何让两个浮点数相加？根据上面的知识我们知道两个浮点数的形式基本可以这样给出 ，我们很容易就能想到两个浮点数是不能直接相加的，应该让他们同阶后再将尾数相加，这个操作我们叫对阶

对阶

对阶有两种方式，小阶往大阶对齐和大阶往小阶对齐，该如何选择呢？

不妨考虑一下这样的事情，在IEEE754表示的浮点数中，对于相同的阶数来说，尾数中越靠后面的1对最后结果的影响越小。

在对阶中，如果大阶向小阶看齐，那么实际上是将尾数左移，小阶向大阶看齐的话就是尾数右移。

如果我们选择大阶向小阶看齐，那么我们很容易就将尾数中靠前的1给左移没了，因为尾数一共只有23位，这样对计算造成的误差相当大，所以我们选择小阶向大阶看齐

注：考虑如何减小误差是浮点数运算中非常重要的一环

对阶中的特殊情况

在处理非规格化浮点数的时候，它们的阶码全都是0，但是尾数并非是0，其表示的真实值为 ，不能将阶码理解成-127，在后面会讲为什么会有这样的结果。

shift的计算

在此，我们已经可以给出右移的位数了，在这里我们假设

shift = (fb.exponent==0 ? fb.exponent+1:fb.exponent) - (fa.exponent==0? fa.exponent+1:fa.exponent)

最后我们得到的临时的阶码就是

流程图

先让我们把目前的东西总结一下，后面结合实际栗子来讲也会更加清晰

流程图

在这个图中，我们可以看到在对阶之前先判断了的值是否为0，如果不是那就开始对阶

在对阶的过程中，小阶慢慢变大，这会导致尾数右移（前面已经提到过），在尾数右移的过程中，我们有可能把尾数移为23个0，如果是这样，我们简单的判断为是阶数小的数实在是太小了，就像10亿+1，那个1加不加我们可能都没有直观的体验

再接下来，我们对尾数进行相加，这个过程中要考虑符号位，如果是做减法，那就对减数的尾数位采用广义上的 取反加一

相加完后，如果尾数变成0，那结果就是0，如果不是0，那就考虑一下尾数有没有溢出（尾数溢出指相加后最高位缺省位达到了2）。如果溢出了，那我们就右移一次，然后判断一下阶数的情况即可

要是没有溢出，那当然万事大吉，但是我们接下来还需要将我们的浮点数规格化一下，意思是规格化的浮点数为，但是我们计算出来的浮点数可能是，那么我们需要小数点移位，降低阶数，将最高缺省设置成1

当然，规格化的过程中阶数也有可能等于0，这里需要一次特判。

小小的总结

到这里浮点数的加减基本上已经介绍完了，对于乘除法就很简单了，只需要将指数相加，尾数相乘就行了，当然，其中涉及到的一些溢出情况都需要单独判断，在这里不多做讨论

附加位与舍位

一个贴近生活的栗子

加入你是亿万富翁，你的银行卡中有1000亿元，你每天稳定收入1000元，但是由于银行的计算机用的是上面的实现方法，这1000块钱在放进你的卡中的过程中需要进行对阶，对着对着尾数变成了0，相当于你存进去0块

那么该怎么办呢？当然你可以设置一些if语句，让1000加多点，加到足够影响1000亿的时候再一起加上去，这是目前计算机的一个研究方向之一。

附加位

根据IEEE754的规定，所有浮点数运算的中间结果右边都必须至少保留两位的附加位，依次是保护位(guard,G)和舍入位(round,R)，为了进一步提高精度，舍入位的右侧还有一个粘位(sticky,S)，只要舍入位右边有任何非0的数字，粘位就是1，否则为0。

我们简称这三位为，下面用一个实例来展示一下它的作用

保护位

x = 1.000..00 * 2^1  y = 1.11...11 * 2^0
// without guard bits
  x = 1.000...00 * 2^1
- y = 0.111...11 * 2^1
  z = 0.000...01 * 2^1
    = 1.000...00 * 2^-22
// with guard bits
  x = 1.000...00 0000 * 2^1
- y = 0.111...11 1000 * 2^1
  z = 1.000...00 0000 * 2^-23

可以很明显的观察到，在多了保护位后，计算结果明显更精确了

但是解决了一个问题后又出现了第二个问题，那就是我们的尾数只有23位，就算我们使用了保护位，也只能保护计算过程中的误差，那么对于结果来说，依然有可能不精确

所以接下来，我们引入舍位

舍位

为了保证运算过程中的最大精确度，我们会把23位+3位附加位的浮点数扩展到64位，相加完后再进行规格化，规格化完后我们要对这三位进行舍入操作。舍入的方法采用就近舍入，中间值4按照奇偶来舍入，确定舍入后，完成尾数的后三位右移操作。

缺陷

我们不妨考虑这个栗子

\\省略对阶
 1 010001100       1 010001100 000000
-0 000000111       0 000000111 011110
 1 010000101       1 010000100 100010
   645.0                  644.0

就算有了舍位，在单精度下我们依然很难给出两个浮点数加减的准确答案。

关于浮点数的表示

如果都是规格化的浮点数，那么我们很容易知道我们是没法表示0的，因为最小就是，所以为了表示0，我们将和的和用来表示0，那该怎么办呢？

为了填上0到这段上的实数，我们设置了非规格化的浮点数，并且将到的数扩展到了整个0到上，这之间的每个数间隔都是一样的

最大的数为

其中每个数的间隔都是

和最大数之间的距离是

Summary

• Floating-point representation

• Operations

  • Addition

• Precision Consideration