python-如何避免多列的numpy-array的精度不那么精确

我一直认为numpy uses是一种pairwise-summation,它也确保float32的高精度操作：

import numpy as np
N=17*10**6  # float32-precision no longer enough to hold the whole sum
print(np.ones((N,1),dtype=np.float32).sum(axis=0))
# [17000000.], kind of expected

但是,如果矩阵有多个列,则看起来好像使用了不同的算法：

print(np.ones((N,2),dtype=np.float32).sum(axis=0))
# [16777216. 16777216.] the error is just to big
print(np.ones((2*N,2),dtype=np.float32).sum(axis=0))
# [16777216. 16777216.] error is bigger

大概求和只是天真地将所有值求和.指示是16777216.f 1.0f = 16777216.f,例如：

one = np.array([1.], np.float32)
print(np.array([16777215.], np.float32)+one)  # 16777216.
print(np.array([16777216.], np.float32)+one)  # 16777216. as well

为什么numpy不对多列使用逐对求和,并且可以强制numpy对多列也使用成对求和？

我的numpy版本是1.14.2,如果有作用的话.

解决方法:

我没有真正的解释,但似乎与内存布局有关.使用fortran顺序而不是默认的C顺序,我得到了所需的输出.

>>> np.ones((N,2),dtype=np.float32, order='C').sum(axis=0)
array([16777216., 16777216.], dtype=float32)

>>> np.ones((N,2),dtype=np.float32, order='F').sum(axis=0)
array([17000000., 17000000.], dtype=float32)

标签：floating-accuracy,ieee-754,python,numpy
来源： https://codeday.me/bug/20191024/1922727.html