jax.numpy.finfo

jax.numpy.finfo#

class jax.numpy.finfo(dtype)[源代码][源代码]#

浮点类型的机器限制。

bits#

该类型占用的位数。

类型:

整数

dtype#

返回 finfo 返回信息的 dtype。对于复数输入，返回的 dtype 是其实部和虚部相关联的 float* dtype。

类型:

dtype

eps#

1.0 和比 1.0 大的最小可表示浮点数之间的差异。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，eps = 2**-52，大约为 2.22e-16。

类型:

浮动

epsneg#

1.0 与其下一个最小的可表示小于 1.0 的浮点数之间的差异。例如，对于 IEEE-754 标准中的 64 位二进制浮点数，epsneg = 2**-53，大约为 1.11e-16。

类型:

浮动

iexp#

浮点数表示法中指数部分的位数。

类型:

整数

machep#

产生 eps 的指数。

类型:

整数

max#

最大的可表示数字。

类型:

适当类型的浮点数

maxexp#

导致溢出的基数（2）的最小正幂。

类型:

整数

min#

最小的可表示数字，通常为 -max。

类型:

适当类型的浮点数

minexp#

基数（2）的最负幂，与尾数中没有前导0一致。

类型:

整数

negep#

产生 epsneg 的指数。

类型:

整数

nexp#

指数中包括其符号和偏差的位数。

类型:

整数

nmant#

尾数中的位数。

类型:

整数

precision#

这种浮点数精确到的小数位数的大致数量。

类型:

整数

resolution#

这种类型的近似十进制分辨率，即 10**-精度。

类型:

适当类型的浮点数

tiny[源代码]#

smallest_normal 的别名，保留以实现向后兼容。

类型:

浮动

smallest_normal[源代码]#

最小的正浮点数，其尾数部分的首位为1，符合IEEE-754标准（见注释）。

类型:

浮动

smallest_subnormal#

最小的正浮点数，其尾数部分的前导位为0，符合IEEE-754标准。

类型:

浮动

参数:

dtype (float, dtype, or instance) – 关于要获取信息的浮点数或复数浮点数数据类型的种类。

参见

iinfo

整数数据类型的等价物。

spacing

一个值与其最近的相邻数之间的距离

nextafter

在 x1 向 x2 方向的下一个浮点数值

备注

对于 NumPy 的开发者：不要在模块级别实例化这个对象。这些参数的初始计算是昂贵的，并且会负面影响导入时间。这些对象是缓存的，因此在你的函数中重复调用 finfo() 是没有问题的。

注意 smallest_normal 实际上并不是 NumPy 浮点类型中最小的正可表示值。与 IEEE-754 标准 [1] 一样，NumPy 浮点类型使用次正规数来填补 0 和 smallest_normal 之间的空白。然而，次正规数可能会有显著的精度降低 [2]。

此函数同样可用于复杂数据类型。如果使用，输出将与相应的实浮点类型相同（例如，numpy.finfo(numpy.csingle) 与 numpy.finfo(numpy.single) 相同）。然而，输出对实部和虚部都为真。

引用

示例

>>> import numpy as np
>>> np.finfo(np.float64).dtype
dtype('float64')
>>> np.finfo(np.complex64).dtype
dtype('float32')
__init__()#

方法

__init__()

属性

smallest_normal

返回最小正规数的值。

tiny

返回 tiny 的值，smallest_normal 的别名。
目录