在 Numpy 中对每个操作的浮点精度进行基准测试

大佬教程收集整理的这篇文章主要介绍了在 Numpy 中对每个操作的浮点精度进行基准测试，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决在 Numpy 中对每个操作的浮点精度进行基准测试？

开发过程中遇到在 Numpy 中对每个操作的浮点精度进行基准测试的问题如何解决？下面主要结合日常开发的经验，给出你关于在 Numpy 中对每个操作的浮点精度进行基准测试的解决方法建议，希望对你解决在 Numpy 中对每个操作的浮点精度进行基准测试有所启发或帮助；

我想对 Numpy 中 64 位浮点数和 32 位浮点数之间的误差进行基准测试，以进行加法和乘法。不幸的是，在搜索相关关键字时，我无法准确找到我想要的内容。

我的直觉是，每次算术运算时，误差都会传播和累积。

因此，我们的想法是在操作次数上绘制每个操作的错误。对于大量操作，我希望错误收敛到一些非零常数。相反，乘法误差收敛到零，求和误差似乎是随机的。

import numpy as np
from matplotlib import pyplot as plt

size = 9999

test_64 = np.random.rand((sizE))
test_32 = test_64.astype(np.float32).astype(np.float64)

out     = np.empty((size,2))

for i in range(sizE):

    # summation error
    sum_64  = np.sum(test_64[:i])
    sum_32  = np.sum(test_32[:i])
    sum_er  = np.abs((sum_32) - sum_64) / (i+1)
    sum_er  = np.log(sum_er)

    # multiplication error
    mul_64  = np.prod(test_64[:i])
    mul_32  = np.prod(test_32[:i])
    mul_er  = np.abs((mul_32) - mul_64) / (i+1)
    mul_er  = np.log(mul_er)

    out[i,0] = sum_er
    out[i,1] = mul_er

x = np.linspace(1,size,sizE)

fig,axs = plt.subplots(2)
axs[0].plot(x,out[:,0])
axs[1].plot(x,1])

我是在错误的轨道上还是这实际上是错误的行为方式？为什么每次乘法的误差会随着每次乘法而减少？

如果我不使用内置的 Numpy 函数而是迭代数组，这会不会有不同的表现？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

大佬总结

以上是大佬教程为你收集整理的在 Numpy 中对每个操作的浮点精度进行基准测试全部内容，希望文章能够帮你解决在 Numpy 中对每个操作的浮点精度进行基准测试所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。