确定给定的浮点数arg是否正常,即既不是零,也不是正常,无穷大,也不是NaN。
数字为零,无限或NaN很清楚它意味着什么。但它也说低于正常。什么时候是一个数字次正常?
在IEEE754标准中,浮点数表示为二进制科学符号,x = M×2e。这里M是尾数,e是指数。在数学上,你总是可以选择指数,使得1≤M<2。*但是,由于在计算机表示中指数只能有一个有限范围,所以有些数字大于零,但小于1.0×2emin。这些数字是次正规或非正规数。
实际上,尾数存储时没有前导1,因为除了正常数(和零)之外总是有前导1。因此,解释是如果指数是非最小的,则存在隐含的前导1,并且如果指数是最小的,则不存在,并且该数字是次正规的。
*)更一般地,对于任何base-B科学记数法,1≤M<B。
IEEE 754基础知识
首先让我们回顾一下IEEE 754号码的基本知识。
我们将专注于单精度(32位),但所有内容都可以立即推广到其他精度。
格式为:
或者如果你喜欢图片:
标志很简单:0表示正面,1表示负数,故事结束。
指数是8位长,因此它的范围是0到255。
指数被称为有偏差,因为它具有-127
的偏移量,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
领先的比特惯例
在设计IEEE 754时,工程师注意到除了0.0
之外的所有数字都有一个二进制的1
作为第一个数字
Ef。:
25.0 == (binary) 11001 == 1.1001 * 2^4
0.625 == (binary) 0.101 == 1.01 * 2^-1
两者都以令人烦恼的1.
部分开始。
因此,让这个数字几乎每个数字都占用一个精度位是浪费的。
出于这个原因,他们创造了“领先位惯例”:
总是假设数字以一个开头
但那么如何处理0.0
?好吧,他们决定创建一个例外:
0.0
所以字节00 00 00 00
也代表0.0
,看起来不错。
如果我们只考虑这些规则,那么可以表示的最小非零数字将是:
由于领先的位惯例,它在十六进制分数中看起来像这样:
1.000002 * 2 ^ (-127)
其中.000002
是22个零,最后是1
。
我们不能采取fraction = 0
,否则这个数字将是0.0
。
但是那些同样具有敏锐艺术感的工程师认为:那不是那么难看吗?我们从直接的0.0
跳到一个甚至不是2的适当力量的东西?我们难道不能以某种方式代表更小的数字吗?
次正规数
工程师们摸了一会儿,像往常一样回来了另一个好主意。如果我们创建新规则怎么办:
如果指数为0,则:
- 前导位变为0
- 指数固定为-126(不是-127,好像我们没有这个例外)
这些数字称为次正规数(或同义词的非正规数)。
这条规则立即暗示了这样的数字:
是0.0
,这是一种优雅,因为它意味着一个较少的规则来跟踪。
所以根据我们的定义,0.0
实际上是一个次正规数!
有了这个新规则,最小的非次正规数是:
代表:
1.0 * 2 ^ (-126)
然后,最大的次正规数是:
等于:
0.FFFFFE * 2 ^ (-126)
其中.FFFFFE
再次位于点右侧23位。
这非常接近最小的非次正规数,这听起来很健全。
最小的非零次正规数是:
等于:
0.000002 * 2 ^ (-126)
这也看起来非常接近0.0
!
无法找到任何合理的方式来表示小于此数字的数字,工程师们很高兴,并回到在线观看猫图片,或者他们在70年代所做的任何事情。
如您所见,次正规数在精度和表示长度之间进行权衡。
作为最极端的例子,最小的非零次正规:
0.000002 * 2 ^ (-126)
基本上具有单个位而不是32位的精度。例如,如果我们将它除以2:
0.000002 * 2 ^ (-126) / 2
我们确实达到了0.0
!
可视化
对我们学到的东西有一个几何直觉总是一个好主意,所以这里有。
如果我们在每条给定指数的一条线上绘制IEEE 754浮点数,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
从中我们可以看出每个指数:
*
表示)现在,让我们把它一直带到指数0。
没有次正规,它会假设看起来像:
+---+---+-------+---------------+-------------------------------+
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subnormals,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
通过比较这两个图,我们看到:
0
到[2^-127, 2^-126)
,指数[0, 2^-126)
范围的长度加倍
低于正常范围的浮动之间的空间与[0, 2^-126)
相同。[2^-127, 2^-126)
的范围是没有次正规的点数的一半。
这些点中有一半用于填补范围的另一半。[0, 2^-127)
有一些带有低于正常的点,但没有没有。
[0, 2^-127)
缺乏积分并不是很优雅,也是次正常存在的主要原因![2^-128, 2^-127)
的范围是[2^-127, 2^-126)
-[2^-129, 2^-128)
的一半,比[2^-128, 2^-127)
高一半
等等
这就是我们所说的次正规是尺寸和精度之间的权衡。Runnable C的例子
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机中,C float
代表单精度IEEE 754浮点数。
对于我的Ubuntu 18.04 amd64联想P51笔记本电脑来说尤其如此。
根据该假设,所有断言都传递以下程序:
subnormal.c
#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之外,C ++还公开了一些额外的与subnormal相关的功能,这些功能在<limits>
中的C中并不常见,例如:
denorm_min
:返回T类型的最小正次正规值在C ++中,孔API是针对每个浮点类型进行模板化的,并且更好。
实现
x86_64和ARMv8直接在硬件上实现IEEE 754,C代码转换为硬件。
在某些实现中,次正规似乎比正常情况快:Why does changing 0.1f to 0 slow down performance by 10x?这在ARM手册中提到,请参阅本答案的“ARMv8详细信息”部分。
ARMv8详细信息
ARM Architecture Reference Manual ARMv8 DDI 0487C.a manual A1.5.4“Flush-to-zero”描述了一种可配置模式,其中subnormals舍入为零以提高性能:
在进行涉及非规范化数字和下溢异常的计算时,可以降低浮点处理的性能。在许多算法中,通过用零替换非规范化操作数和中间结果,可以恢复此性能,而不会显着影响最终结果的准确性。为了实现此优化,ARM浮点实现允许将Flush-to-zero模式用于不同的浮点格式,如下所示:
- 对于AArch64: 如果
FPCR.FZ==1
,则Flush-to-Zero模式用于所有指令的所有单精度和双精度输入和输出。 如果FPCR.FZ16==1
,则Flush-to-Zero模式用于浮点指令的所有半精度输入和输出,除了: - 半精度和单精度数之间的转换.-半精度和双精度之间的转换精确数字。
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”描述了当浮点运算的输入是低于正常时,ARMv8如何可选择引发异常或设置标志位:
FPCR.IDE,bit [15]输入非正常浮点异常陷阱使能。可能的值是:
- 0b0选中未处理的异常处理。如果发生浮点异常,则FPSR.IDC位设置为1。
- 0b1选中的陷阱异常处理。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特征寄存器1”表明非正规支持实际上是完全可选的,并提供一点来检测是否有支持:
FPFtZ,位[3:0]
刷新到零模式。指示浮点实现是否仅为Flush-to-Zero操作模式提供支持。定义的值是:
- 0b0000未实现,或硬件仅支持“刷新到零”操作模式。
- 0b0001硬件支持完全非规范化数字运算。
保留所有其他值。
在ARMv8-A中,允许的值为0b0000和0b0001。
这表明,当未实现次正规时,实现只会恢复为清零。
无限和NaN
好奇?我写了一些东西:
来自What is difference between quiet NaN and signaling NaN?:
有可能有多种表示相同数字的方式,使用小数作为示例,数字0.1可以表示为1 * 10-1或0.1 * 100或甚至0.01 * 10.标准规定数字始终存储在第一位作为一个。在十进制中,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,可以用正常形式表示的最小数字是1 * 10-100。但是,如果我们放宽前导位为1的约束,那么我们实际上可以在同一空间中表示较小的数字。以十进制为例,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平滑最小正常数和零之间的差距。
认识到正常数字的精度低于正常数字是非常重要的。事实上,他们以较小的尺寸交易精度较低。因此,使用次正规数的计算与正常数的计算不具有相同的精度。因此,对次正规数进行重要计算的应用程序可能值得研究,以确定重新缩放(即将数字乘以某个比例因子)将产生更少的次正规性和更准确的结果。