isnormal()参考页告诉您:
确定给定的浮点数arg是否正常,即既不是零,次正规,无穷也不是NaN。
一个数字为零,无穷大或NaN很清楚这意味着什么。但这也说不合正常。什么时候是次正规的?
Answers:
在IEEE754标准中,浮点数表示为二进制科学符号x = M ×2 e。这里M是尾数,e是指数。在数学上,可以随时选择指数,使得1≤ 中号 <2 *然而,由于在计算机中表示的指数只能具有有限的范围内,有一些数字它们是大于零,但小于1.0×2 ë分钟。这些数字是次归或反向规格。
实际上,尾数存储时不带前导1,因为除次正规数(和零)外,总会有一个前导1 。因此,这种解释是,如果指数不是最小,则隐式前导1,如果指数最小,则隐式前导1,且数字为次正规。
*)更一般地,1≤ 中号 < 乙 任何碱基乙科学记数法。
isnomal
是true
如果8位均为零,false
否则?
001010
,并解释为1.001010
。
IEEE 754基础
首先,让我们回顾一下IEEE 754编号的基本知识。
我们将专注于单精度(32位),但是所有内容都可以立即推广到其他精度。
格式为:
或者,如果您喜欢图片:
来源。
符号很简单:故事的结尾是0,是正数,而1是负数。
指数是8位长,因此它的范围是0到255。
指数被称为有偏的,因为它的偏移量为-127
,例如:
0 == special case: zero or subnormal, explained below
1 == 2 ^ -126
...
125 == 2 ^ -2
126 == 2 ^ -1
127 == 2 ^ 0
128 == 2 ^ 1
129 == 2 ^ 2
...
254 == 2 ^ 127
255 == special case: infinity and NaN
前导约定
在设计IEEE 754时,工程师注意到,除以外的所有数字0.0
都有一个1
二进制数作为第一个数字。例如:
25.0 == (binary) 11001 == 1.1001 * 2^4
0.625 == (binary) 0.101 == 1.01 * 2^-1
两者都从那个烦人的1.
部分开始。
因此,让该数字几乎每一个数字都占用一个精度位是浪费的。
因此,他们创建了“前导约定”:
始终假设数字以1开头
但是那怎么处理0.0
呢?好吧,他们决定创建一个例外:
0.0
这样字节00 00 00 00
也代表0.0
,看起来不错。
如果仅考虑这些规则,那么可以表示的最小非零数将是:
由于前导位约定,它看起来像是十六进制分数:
1.000002 * 2 ^ (-127)
其中.000002
是22个零,1
结尾处是a 。
我们不能接受fraction = 0
,否则该数字将是0.0
。
但是,那些对美学也很敏锐的工程师却想:这不是很丑吗?我们从直线跳到0.0
甚至不是2的幂次幂的东西吗?我们不能以某种方式代表更小的数字吗?
次正规数
工程师们挠了一下头,然后像往常一样带着另一个好主意回来了。如果我们创建新规则,该怎么办:
如果指数为0,则:
- 前导位变为0
- 指数固定为-126(不是-127,就好像我们没有此异常)
这样的数字称为次正规数(或非正规数,这是同义词)。
该规则立即暗示该数字应为:
仍然是0.0
,这有点优雅,因为这意味着要少追踪一条规则。
所以,0.0
实际上是根据我们的定义低于正常的数量!
那么,使用此新规则,最小的非次级数为:
代表:
1.0 * 2 ^ (-126)
然后,最大的次正规数为:
等于:
0.FFFFFE * 2 ^ (-126)
这里.FFFFFE
再次为23位一个点的权利。
这非常接近最小的非次级数,听起来很理智。
最小的非零次正规数为:
等于:
0.000002 * 2 ^ (-126)
看起来也很接近0.0
!
工程师们找不到合适的方法来表示小于该数字的数字,他们很高兴,他们又回到网上观看猫的照片,或者说他们在70年代所做的一切。
如您所见,次正规数在精度和表示长度之间进行权衡。
作为最极端的示例,最小的非零子法线:
0.000002 * 2 ^ (-126)
本质上具有一位而不是32位的精度。例如,如果我们将其除以二:
0.000002 * 2 ^ (-126) / 2
我们实际上达到0.0
了!
可视化
对我们学到的东西有一个几何上的直觉总是一个好主意,所以这里是。
如果我们针对每个给定指数在一条线上绘制IEEE 754浮点数,则它看起来像这样:
+---+-------+---------------+-------------------------------+
exponent |126| 127 | 128 | 129 |
+---+-------+---------------+-------------------------------+
| | | | |
v v v v v
-------------------------------------------------------------
floats ***** * * * * * * * * * * * *
-------------------------------------------------------------
^ ^ ^ ^ ^
| | | | |
0.5 1.0 2.0 4.0 8.0
从中我们可以看到:
*
)现在,让我们将其降低到指数0。
如果没有子正常,则假设如下所示:
+---+---+-------+---------------+-------------------------------+
exponent | ? | 0 | 1 | 2 | 3 |
+---+---+-------+---------------+-------------------------------+
| | | | | |
v v v v v v
-----------------------------------------------------------------
floats * **** * * * * * * * * * * * *
-----------------------------------------------------------------
^ ^ ^ ^ ^ ^
| | | | | |
0 | 2^-126 2^-125 2^-124 2^-123
|
2^-127
使用次普通态时,它看起来像这样:
+-------+-------+---------------+-------------------------------+
exponent | 0 | 1 | 2 | 3 |
+-------+-------+---------------+-------------------------------+
| | | | |
v v v v v
-----------------------------------------------------------------
floats * * * * * * * * * * * * * * * * *
-----------------------------------------------------------------
^ ^ ^ ^ ^ ^
| | | | | |
0 | 2^-126 2^-125 2^-124 2^-123
|
2^-127
通过比较两个图,我们看到:
次正态的指数范围的长度加倍0
,从[2^-127, 2^-126)
到[0, 2^-126)
次标准范围内的浮点间距与相同[0, 2^-126)
。
该范围[2^-127, 2^-126)
的点数是不具有法线的点的一半。
这些点的一半去填补范围的另一半。
该范围[0, 2^-127)
有一些点具有次法线,但没有一点。
缺少这些点[0, 2^-127)
不是很优雅,这是次常态存在的主要原因!
因为这些点之间的距离相等:
[2^-128, 2^-127)
比[2^-127, 2^-126)
-少[2^-129, 2^-128)
一半[2^-128, 2^-127)
这就是我们所说的次法线是大小和精度之间的折衷。
可运行的C示例
现在,让我们玩一些实际的代码来验证我们的理论。
在几乎所有当前和台式计算机中,Cfloat
表示单精度IEEE 754浮点数。
我的Ubuntu 18.04 amd64 Lenovo P51笔记本电脑尤其如此。
在这种假设下,所有断言都将通过以下程序:
次正态
#if __STDC_VERSION__ < 201112L
#error C11 required
#endif
#ifndef __STDC_IEC_559__
#error IEEE 754 not implemented
#endif
#include <assert.h>
#include <float.h> /* FLT_HAS_SUBNORM */
#include <inttypes.h>
#include <math.h> /* isnormal */
#include <stdlib.h>
#include <stdio.h>
#if FLT_HAS_SUBNORM != 1
#error float does not have subnormal numbers
#endif
typedef struct {
uint32_t sign, exponent, fraction;
} Float32;
Float32 float32_from_float(float f) {
uint32_t bytes;
Float32 float32;
bytes = *(uint32_t*)&f;
float32.fraction = bytes & 0x007FFFFF;
bytes >>= 23;
float32.exponent = bytes & 0x000000FF;
bytes >>= 8;
float32.sign = bytes & 0x000000001;
bytes >>= 1;
return float32;
}
float float_from_bytes(
uint32_t sign,
uint32_t exponent,
uint32_t fraction
) {
uint32_t bytes;
bytes = 0;
bytes |= sign;
bytes <<= 8;
bytes |= exponent;
bytes <<= 23;
bytes |= fraction;
return *(float*)&bytes;
}
int float32_equal(
float f,
uint32_t sign,
uint32_t exponent,
uint32_t fraction
) {
Float32 float32;
float32 = float32_from_float(f);
return
(float32.sign == sign) &&
(float32.exponent == exponent) &&
(float32.fraction == fraction)
;
}
void float32_print(float f) {
Float32 float32 = float32_from_float(f);
printf(
"%" PRIu32 " %" PRIu32 " %" PRIu32 "\n",
float32.sign, float32.exponent, float32.fraction
);
}
int main(void) {
/* Basic examples. */
assert(float32_equal(0.5f, 0, 126, 0));
assert(float32_equal(1.0f, 0, 127, 0));
assert(float32_equal(2.0f, 0, 128, 0));
assert(isnormal(0.5f));
assert(isnormal(1.0f));
assert(isnormal(2.0f));
/* Quick review of C hex floating point literals. */
assert(0.5f == 0x1.0p-1f);
assert(1.0f == 0x1.0p0f);
assert(2.0f == 0x1.0p1f);
/* Sign bit. */
assert(float32_equal(-0.5f, 1, 126, 0));
assert(float32_equal(-1.0f, 1, 127, 0));
assert(float32_equal(-2.0f, 1, 128, 0));
assert(isnormal(-0.5f));
assert(isnormal(-1.0f));
assert(isnormal(-2.0f));
/* The special case of 0.0 and -0.0. */
assert(float32_equal( 0.0f, 0, 0, 0));
assert(float32_equal(-0.0f, 1, 0, 0));
assert(!isnormal( 0.0f));
assert(!isnormal(-0.0f));
assert(0.0f == -0.0f);
/* ANSI C defines FLT_MIN as the smallest non-subnormal number. */
assert(FLT_MIN == 0x1.0p-126f);
assert(float32_equal(FLT_MIN, 0, 1, 0));
assert(isnormal(FLT_MIN));
/* The largest subnormal number. */
float largest_subnormal = float_from_bytes(0, 0, 0x7FFFFF);
assert(largest_subnormal == 0x0.FFFFFEp-126f);
assert(largest_subnormal < FLT_MIN);
assert(!isnormal(largest_subnormal));
/* The smallest non-zero subnormal number. */
float smallest_subnormal = float_from_bytes(0, 0, 1);
assert(smallest_subnormal == 0x0.000002p-126f);
assert(0.0f < smallest_subnormal);
assert(!isnormal(smallest_subnormal));
return EXIT_SUCCESS;
}
编译并运行:
gcc -ggdb3 -O0 -std=c11 -Wall -Wextra -Wpedantic -Werror -o subnormal.out subnormal.c
./subnormal.out
C ++
除了公开所有C的API外,C ++还公开了一些额外的次规范相关功能,这些功能在C in中不那么可用<limits>
,例如:
denorm_min
:返回类型T的最小正次正规值在C ++中,整个API都是针对每种浮点类型进行模板化的,并且更好。
实作
x86_64和ARMv8直接在C代码转换为硬件的硬件上实现IEEE 754。
在某些实现中,次法线似乎没有法线快:为什么将0.1f更改为0会使性能降低10倍?在ARM手册中对此进行了提及,请参见此答案的“ ARMv8详细信息”部分。
ARMv8详细信息
《 ARM体系结构参考手册》 ARMv8 DDI 0487C.a手册A1.5.4“刷新至零”描述了一种可配置模式,在该模式中,将子法线舍入为零以提高性能:
在进行涉及非规格化数和下溢异常的计算时,可能会降低浮点处理的性能。在许多算法中,可以通过用0代替非规格化的操作数和中间结果来恢复该性能,而不会显着影响最终结果的准确性。为了进行此优化,ARM浮点实现允许将刷新到零模式用于不同的浮点格式,如下所示:
对于AArch64:
如果为
FPCR.FZ==1
,则所有指令的所有单精度和双精度输入和输出都使用“齐零”模式。如果为
FPCR.FZ16==1
,则将浮点到零模式用于浮点指令的所有半精度输入和输出,除了:-半精度和单精度数字之间的转换。-半精度和双精度数字之间的转换。数字。
A1.5.2“浮点标准和术语”表A1-3“浮点术语”确认次正规和非正规是同义词:
This manual IEEE 754-2008
------------------------- -------------
[...]
Denormal, or denormalized Subnormal
C5.2.7“ FPCR,浮点控制寄存器”描述了每当浮点操作的输入不正常时,ARMv8如何可选地引发异常或设置标志位:
FPCR.IDE,位[15]输入反常浮点异常陷阱使能。可能的值为:
0b0选择了未捕获的异常处理。如果发生浮点异常,则FPSR.IDC位设置为1。
0b1选择了陷阱异常处理。如果发生浮点异常,则PE不会更新FPSR.IDC位。陷阱处理软件可以决定是否将FPSR.IDC位设置为1。
D12.2.88“ MVFR1_EL1,AArch32媒体和VFP功能寄存器1”表明,非标准支持实际上是完全可选的,并提供了一些检测是否支持的方法:
FPFtZ,位[3:0]
刷新至零模式。指示浮点实现是否仅对“从刷新到零”操作模式提供支持。定义的值为:
0b0000未实现,或硬件仅支持“从零清除”操作模式。
0b0001硬件支持完整的非规格化数字算法。
所有其他值均保留。
在ARMv8-A中,允许的值为0b0000和0b0001。
这表明,当未实现次规范时,实现将恢复为刷新至零。
无限和NaN
好奇?我在以下位置写过一些东西:
从http://blogs.oracle.com/d/entry/subnormal_numbers:
表示相同数字的方法可能有多种,以小数为例,数字0.1可以表示为1 * 10 -1或0.1 * 10 0甚至0.01 * 10。标准规定数字始终与第一位为一个。以十进制表示,对应于1 * 10-1示例。
现在假设可以表示的最低指数是-100。因此,可以正常形式表示的最小数字是1 * 10 -100。但是,如果我们放宽首位为1的约束,那么实际上我们可以在同一空间中表示较小的数字。以小数示例为例,我们可以表示0.1 * 10 -100。这称为次正规数。具有次正规数的目的是使最小的正规数与零之间的间隙变平滑。
重要的是要认识到,次正态数表示的精度要低于正态数。实际上,它们为较小的尺寸而降低了精度。因此,使用非正规数的计算将不会具有与基于正规数的计算相同的精度。因此,对次正规数进行大量计算的应用程序可能值得研究,以查看重新缩放(即,将数字乘以某个缩放因子)是否会产生更少的次正规量,并获得更准确的结果。