jax.numpy.finfo#

class jax.numpy.finfo(dtype)[源代码]#

浮点类型的机器限制。

bits#

类型占用的位数。

类型:

int

dtype#

返回 finfo 返回信息的 dtype。 对于复数输入，返回的 dtype 是其真实和复数分量的相关 float* dtype。

类型:

dtype

eps#

1.0 与大于 1.0 的下一个最小可表示浮点数之间的差。 例如，对于 IEEE-754 标准中的 64 位二进制浮点数，eps = 2**-52，约为 2.22e-16。

类型:

float

epsneg#

1.0 与小于 1.0 的下一个最小可表示浮点数之间的差。 例如，对于 IEEE-754 标准中的 64 位二进制浮点数，epsneg = 2**-53，约为 1.11e-16。

类型:

float

iexp#

浮点表示形式中指数部分的位数。

类型:

int

machep#

产生 eps 的指数。

类型:

int

max#

最大可表示数字。

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:

int

min#

最小可表示数字，通常为 -max。

类型:

适当类型的浮点数

minexp#

基数 (2) 的最负幂，它与尾数中没有前导 0 的情况一致。

类型:

int

negep#

产生 epsneg 的指数。

类型:

int

nexp#

指数中的位数，包括其符号和偏差。

类型:

int

nmant#

尾数中的位数。

类型:

int

precision#

此类浮点数的精确度的十进制数字的近似数量。

类型:

int

resolution#

此类型的近似十进制分辨率，即 10**-precision。

类型:

适当类型的浮点数

tiny[源代码]#

smallest_normal 的别名，保留用于向后兼容。

类型:

float

smallest_normal[源代码]#

尾数中前导位为 1 的最小正浮点数，遵循 IEEE-754（参见注释）。

类型:

float

smallest_subnormal#

尾数中前导位为 0 的最小正浮点数，遵循 IEEE-754。

类型:

float

参数:

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

另请参阅

iinfo

整数数据类型的等效项。

spacing

值与最近的相邻数字之间的距离

nextafter

x1 之后朝向 x2 的下一个浮点值

备注

对于 NumPy 的开发人员：请勿在模块级别实例化此项。 这些参数的初始计算成本很高，并且会对导入时间产生负面影响。 这些对象会被缓存，因此在您的函数中重复调用 finfo() 不是问题。

请注意，smallest_normal 实际上不是 NumPy 浮点类型中最小的正可表示值。 正如 IEEE-754 标准 [1] 中所述，NumPy 浮点类型利用次正规数来填充 0 和 smallest_normal 之间的间隙。 但是，次正规数可能会显着降低精度 [2]。

此函数也可用用于复数数据类型。 如果使用，输出将与相应的实数浮点类型相同（例如，numpy.finfo(numpy.csingle) 与 numpy.finfo(numpy.single) 相同）。 但是，输出对于实数和虚数分量都是正确的。

参考文献

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。