java中浮点运算的结合律,《CSAPP》读书笔记 -- 第2章:浮点数原理(小专题)
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:$x\times 2^y$。
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:$d_m d_{m-1} \cdots d_1 d_0 . d_{-1} d_{-2} \cdots d_{-n}$,写成数学表达式:
$$
d = \sum_{i=-n}^m 10^i \times d_i
$$
相应的,二进制也可以写成这种形式:
$$
b = \sum_{i=-n}^m 2^i \times b_i
$$
浮点数的表示
IEEE浮点数的格式:$V = (-1)^s \times M \times 2^E$
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 $exp=e_{k-1}\cdots e_1 e_0$,用来计算指数E
分数为n个,分数域 $frac=f_{n-1}\cdots f_1 f_0$,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 $exp$ 域既不是全0,也不是全1的时候,就是正常化值。
$E = e - Bias$,其中 $e$ 就是 $exp$ 域:$e_{k-1}\cdots e_1e_0$ 的值(除去全0和全1之后,取值范围是1到$2^k-2$),$Bias=2^{k-1}-1$(单精度的时候是127,双精度的时候是1023),那么 $E$ 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 $E$ 的算法就是 移码 的计算方法。
$M = 1+f$,$0\le f\lt 1$,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 $frac$ 的 $0.f_{n-1}\cdots f_1f_0$ 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 $E = 1-Bias$,也就是固定了,有效数字值 $M = f$ 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: $M\ge 1$,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 $M=f=0$,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 $+\infty$,如果符号位是1,则表示 $-\infty$。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:$\sqrt{-1}$ 或者 $\infty - \infty$。
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,间隔的大小是:$2^{1-Bias} \times 2^{-n}$,图中是 $\frac{1}{512}$
正常化值的间隔随着 $2^E$ 变大而逐渐变大,也就是精度逐渐降低
精度是分组的,以指数域增加1为一组,每组有 $2^n$ 个数(n是有效数字域的位数)
按照精度划分,非正常化值只占一组,特殊值按照精度也只占一组,正常化值占 $2^{k}-2$ 组
牢记:非正常化值的指数域全0,特殊化值的指数域全1,处于中间的就是正常化值了
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,这个最大间隔是:$2^{Bias} \times 2^{-n}$。
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,理解这个设计是关键
浮点数的计算
舍入
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:
$10.00011_2(2\frac{3}{32})$ -> $10.00_2(2)$ 不到一半,正常四舍五入
$10.00110_2(2\frac{3}{16})$ -> $10.01_2(2\frac{1}{4})$ 超过一半,正常四舍五入
$10.11100_2(2\frac{7}{8})$ -> $11.00_2(3)$ 正好一半,保证最后一位是偶数,所以向上舍入
$10.10100_2(2\frac{5}{8})$ -> $10.10_2(2\frac{1}{2})$ 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,每个数都有对应的相反数
除了 infinity 和 NaN,满足单调性,即 $a\ge b \rightarrow a+c\ge b+c$
#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;
}
运行结果:
0
3.14
0
3.14
具体细节
设两个浮点数 $x$ 和 $y$:
$$
\begin{cases}
x=(-1)^{s_x} M_x 2^{E_x} \\
y=(-1)^{s_y} M_y 2^{E_y}
\end{cases}
$$
则浮点数加减运算结果为:
$$
x\pm y = \left((-1)^{s_x}M_x 2^{E_x-E_y} \pm (-1)^{s_y}M_y \right)2^{E_y}
$$
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
$x=3.14, y=2.718$ 求 $z=x+y$。
首先算出 $x$ 和 $y$ 的内存表示:
$x = 3+0.14$,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
.
.
.
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;i
printf(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;i
printf(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;
}
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
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 $E = e-Bias$,$E=1$, $Bias=127$ 得 $e=128$,也就是:1000 0000。
最终3.14的内存表示是:
$$
\underbrace{0}_{Sign}~\underbrace{10000000}_{Exponent}~~\underbrace{10010001111010111000011}_{Significand}
$$
同样的方法得到2.718的内存表示:
$$
\underbrace{0}_{Sign}~\underbrace{10000000}_{Exponent}~~\underbrace{01011011111001110110110}_{Significand}
$$
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 <
char* res = addBitset(argv[1], argv[2], i);
cout << res << endl;
return 0;
}
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
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:
$$
\underbrace{0}_{Sign}~\underbrace{10000001}_{Exponent}~~\underbrace{01110110111010010111101}_{Significand}
$$
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;i
double 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;
}
上述代码保存为:Bitset2float.cpp,编译并执行:
$ g++ -o Bitset2float Bitset2float.cpp
$ ./Bitset2float 01110110111010010111101
对得到结果:0.4645,$1.4645\times 2^2 = 5.858$,而 $3.14+2.718=5.858$,这就说明我们的计算无误。
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 $10^{20}$,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,先输入一个1,然后开始输入0,我们可以观察到相应的二进制数也随着发生变化,最后停在了$10^{19}$。
很遗憾的是64bit只能摆的下 $10^{19}$。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:$a\ge b \rightarrow a\times c \ge b \times c$
具体细节
设两个浮点数 $x$ 和 $y$ :
$$
\begin{cases}
x = \pm M_x 2^{E_x} \\
y = \pm M_y 2^{E_y}
\end{cases}
$$
则浮点数乘除运算结果是:
$$
xy = \pm (M_x\times M_y)2^{E_x\pm E_y}
$$
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
java中浮点运算的结合律,《CSAPP》读书笔记 -- 第2章:浮点数原理(小专题)相关推荐
- 《Java编程思想》读书笔记 第十三章 字符串
<Java编程思想>读书笔记 第十三章 字符串 不可变String String对象是不可变的,每一个看起来会修改String值的方法,实际上都是创建一个全新的String对象,以及包含修 ...
- Java 核心技术卷 II(第 8 版) – 读书笔记 – 第 1 章(下)
22.一旦获得了一个 Charset,就可以在 Java 的 Unicode 和指定的编码格式之间进行转化,下面以 GBK 和 Unicode 之间做为例子. 从 Unicode 到 GBK: imp ...
- java虚拟机读书笔记 第三章 垃圾收集器和内存分配策略
java虚拟机读书笔记 第三章 垃圾收集器和内存分配策略 GC需要完成的三件事情:哪些内存需要回收.什么时候回收.如何回收 垃圾回收器在对堆进行回收前,首先要确定那些对象存活,哪些对象已经死去,判断的 ...
- CSAPP读书笔记与习题作业练习-第3章
CSAPP读书笔记与习题作业练习-第3章 疑问 疑问一 练习题3.26中为什么通过循环+异或可以判断二进制数中1的个数的奇偶性(已解决) 习题 练习题3.1 练习题3.2 练习题3.3 练习题3.4 ...
- 《Spring实战》读书笔记-第4章 面向切面的Spring
<Spring实战>是学习Spring框架的一本非常经典的书籍,之前阅读了这本书,只是在书本上写写画画,最近整理了一下<Spring实战>的读书笔记,通过博客的方式进行记录分享 ...
- Android群英传神兵利器读书笔记——第三章:Android Studio奇技淫巧
Android群英传神兵利器读书笔记--第三章:Android Studio奇技淫巧 这篇文章篇幅较长,可以使用版权声明下面的目录,找到感兴趣的进行阅读 目录 3.1 Android Studio使用 ...
- 《Spring实战》读书笔记-第3章 高级装配
<Spring实战>是学习Spring框架的一本非常经典的书籍,之前阅读了这本书,只是在书本上写写画画,最近整理了一下<Spring实战>的读书笔记,通过博客的方式进行记录分享 ...
- 《HeadFirst设计模式》读书笔记-第9章v3-组合迭代器
定义 组合迭代器不是一个设计模式,是指如何在组合中使用迭代器.所以本章的代码是基于<HeadFirst设计模式>读书笔记-第9章v2-组合模式 修改过来的,需要先熟悉组合模式. 代码实现 ...
- Oracle PL/SQL 程序设计读书笔记 - 第7章 使用数据
Oracle PL/SQL 程序设计读书笔记 - 第7章 使用数据 Oracle PL/SQL 程序设计读书笔记 - 第7章 使用数据 7.1 程序数据的命名 PL/SQL要求在给数据结构命名的时候应 ...
最新文章
- 语言舒尔特方格程序_注意力训练神器——舒尔特方格(成人、孩子均适用)
- legend2---开发常用语句
- 厉害了,淘宝千万并发,14 次架构演进…
- Python 基础教程:常用函数整理
- Apache Web Server - httpd 的文档根目录 及 访问控制
- 大数据学习笔记14:MR案例——招聘数据分析
- Python可以这样学(第四季:数据分析与科学计算可视化)-董付国-专题视频课程...
- mysql 分布式锁_【分布式锁的演化】分布式锁居然还能用MySQL?
- 200套web前端期末大作业 HTML+CSS+JavaScript网页设计实例 企业网站制作 [建议收藏]
- 串口485接法图_RS-485 2线和4线的接法
- 线上支付对接(支付宝篇)
- 给html网页加背景图
- K-Fold交叉验证 原理+python实现
- 2022-2027年中国香薰蜡烛行业市场调研及未来发展趋势预测报告
- 偷盗钻石(Diamond)
- 来一次双色球的投注吧
- Chrome浏览器安装主题方法
- 新浪短信WEBSERVICE--本文转载
- jquery+javascript编写国籍控件
- 太极阳必须要root吗_root手机教程
热门文章
- matlab 422,实现matlab YCbCr444转YCbCr422实例
- 一个奇怪的问题:匿名内部类用Lambda替换以后出现了cannot be cast to class的问题
- qt repaint 用法_Qt重绘之update,repaint详解(转)
- win10 docker desktop 报 docker desktop stopped
- 百度前端技术学院(二)
- 一. UC/OS-Ⅱ简介
- Mobicents JAIN SLEE
- 灵活用工是什么,有什么优点?
- GIEC2022第九届全球互联网经济大会
- PHP之序列化与反序列化(session反序列化篇)