【体系结构】IEEE754浮点数标准学习与机器码表示总结

怎么上传了，排版和Typora差这么多…头疼，就这样吧…

一 IEEE754浮点数标准学习

没想到本科不喜欢、瞎学的祭祖，现在还是得重新、认真地重学一遍。“不喜欢”果然无法成为拒绝学习的理由，丢书时有多“硬气”，苦读时就有多“卑微” (￣▽￣)"…

IEEE754这块以前看课本，没看懂“表达式”，考研时直接放弃。今天捋起袖子，把这定点数和浮点数好好看一遍吧。

本篇不是小白入门，适合看完书后还有疑惑的情况下，来过一遍。

• 个人颜色标注习惯：

  红色——大重点；

  蓝色——对我重要的个人思考；

  洋红色——自我Q/A环节，问句专用.

1 前期疑惑解答

先解答个人在查找IEEE754格式时，最大的疑惑：各资料上对IEEE754的位数记录不太一致，是我哪里没理解对么？

• IEEE754文档

  没看懂。虽然记录了完整内容，但混在一起写的，关于下面表格的信息没有明显区分标注出来，直接拔线投降——不看了。

• 祭祖（计组）课本

  为什么感觉和SPEC上不一样？例如：书本上说，单精度32位，双精度64位；但网上说是24位、53位…

  • 懂了，其实是一样的，只是省略描述时的对象不同。

    细说：IEEE754文档及其他讨论的文章，在描述位数时，描述的是“尾数位的有效位数” —— ①是指尾数；②是包含、计入了规格化后省略了、未存储的那个隐含位“1”，因此在要多一位（$23bit\to 24bit$）。

• 网上的有效内容

  挺好的一个表格，我先粗糙的扣下来：

  

  • “有效位”表示——包含 “隐含位” （个位）的尾数的位数。

  • float精度(SP, single-precision)： 24 bits 有效位数（仅指尾数位）——不含符号位、指数部分.

    • 为什么书上是23位?

      实际上只存储了23位，但算上隐含位，数据的有效位就是24位。看语境。

  • double精度(DP, double-precision)： 53 bits 有效位数（仅指尾数位）——不含 符号位、指数部分.

    • 为什么书上是52位?

      同上。

  • double extended精度(EP, extended-precision 我编的)： 64 bits

    注意 EP精度是没有隐含位的，所以只有SP和DP的有效位是比尾数位数多1位的。

2 IEEE754 个人整理

2.1 基本概念

计算机里存数据，有两种存法：定点数 和 浮点数。

• 二者特点

  定点格式表示的范围有限，但硬件要求简单；浮点格式表示的范围大，但硬件要求复杂。

• 定点格式，即把小数点给固定了

  小数点固定的位置理论上可以自定义，但一般用来表示纯整数（认为小数部分为0，i.e. $x\in Z$）或纯小数（认为整数部分为0，i.e. $x\in (-1,1)$）.

  所以，定点格式可以表示“定点整数”和“定点小数”。

  默认定点数指纯整数，如C语言里的 int型.

• 浮点格式，说白了就是用科学计数法表示浮点数

  将科学计数法的三个部分抠出来分别保存：符号位、尾数位、指数位。

  这个尾数部分，就是科学技术法后的浮点数部分，计算机中用“定点小数”的形式来存。

  如，十进制中的 52431.66，用科学计数法表示是 $5.243166\times 10^4$，则 $5.243166$ 就是尾数部分，指数部分是 $4$；当然，你也可以表示成 $52.43166\times 10^3$，则 $52.43166$ 就是尾数部分，指数部分是 $3$；（后文都默认用二进制进行叙述）

  C语言里的double、float都是浮点格式。

  下文再细说。

• 思考点

  定点数里的“小数”概念和浮点数概念，我总觉得有点像，如何区分？

  确实挺像的。

  “小数” 概念指的是 真值$|x|<1$的“数”，即只有小数点右边部分；

  “定点小数” 概念指的是，用定点格式存“小数”；

  “浮点数” 概念，是生活中的浮点数，如1.2325、5.1169等，既有小数点左边也有小数点右边，而在计算机中用“浮点格式”拆成三个部分（如上所说）进行存储，其中的尾数部分，采用了“定点小数”的格式进行存储。

  总结，所以是套娃的概念——“浮点格式”包含了“定点数“的知识点。

• 什么是规格化？

  见目录的【一 2.4】

2.2 IEEE754浮点基本格式

2.2.1 前言

浮点格式，“浮点”就体现在“小数点对存储数而言可以动态调整”。

IEEE格式中，规格化后的浮点数$x$的表示方式如下：

$x=(-1{)}^S\times (1.M)\times 2^{E-127},e=E-常数c$

其中，$S$是符号、$M$是尾数（不存隐含位）、$e$是指数、$E$是阶码（即偏移后的指数）、常数$c$叫指数偏移值；

在存储使用时，$S$用$0|1$表示、$M$用原码表示（不含隐含位）、$E$统一用移码表示（移码的表示规则很简单，表现出来和偏移的效果一样~）.

• 下文表格中，默认“指数”一词表示的是“指数位”的值，即 阶码$E$的值.

2.2.2 IEEE754格式与参数

这里罗列出我总结的IEEE浮点数格式的主要参数方便查阅：

SP就是float；DP就是double；EP是x86下的双精度扩展格式。

待会儿会再细说一下这个EP，我对其是知之甚少。

整理了两个表：

1. 图[1] IEE754浮点数常用三个类型-位宽记录
   

2. 图[2] IEE754浮点数常用三个类型-范围与常用参数
   
   表格内有趣的一点是，表示非规格化数时，取的$E$值是 $1-bias$ 而不是 $0-bias$，是为什么呢？

   这是为了使非规格化数与规格化数表示的两个范围, 能 平滑的过渡 ，以假设的8位浮点格式为例：

   （来源于blog —— 详解浮点数的规格化表示 —— CSDN HelloAaric ）
   
   如图所示，非规格化数的$E$选用 $1-bias$而不是$0-bias$可使得非规格化数与规格化数表示的范围能更加平滑！

2.2.3 细谈EP精度

EP是x86下的双精度扩展格式，它的格式和前面俩SP、DP有点不同——没有隐含位1，而是用显式的1来存。

在x86体系结构中，EP类型的值是连续存储在 十个 相连地址的 8 位字节中，其格式是这样的：

其取数范围见上图，已贴过。

2.3 IEEE754的特殊值、异常、以及舍入问题

2.3.1 特殊值

• 非数 NaN (Not a Number)

  IEEE754的浮点数，会预留出几个表示形式，供系统用来作为signal而不是数——NaN.

  触发条件：$(!0{)}^{max}$，符号位是被忽略的。

  • 若尾数最高位为 0，则为SNAN (Signaling NAN)
  • 若尾数最高位为 1，则为QNAN (Quiet NAN)，表示无效异常：如src是Inf或NaNs且VE=0.

2.3.2 异常

• 异常处理【处理过程略，可见西电的《浮点倒数方根》paper】

  • 无效异常 (Invalid)

    src是NaN、平方根倒数中src是负数、$\frac{\infty }{\infty }$、$\frac{0}{0}$、$\infty \cdot 0$、$\infty -\infty$.

  • 除零异常 (Division by Zero)

    $\frac{!0}{0}$、平方根倒数中src是0.

  • 上溢异常 (Overflow)

    中间结果的指数超出最大范围。

  • 下溢异常 (Underflow)

    中间结果是一个"tiny"，若是使能信号为0，那么说明它还在传输中损失了精度！

  • 不精确异常 (Inexact)

    可能①：舍入前后的中间结果，在精度和指数的值出现不同；（计算机二进制存储浮点数的常见情况~）

    可能②：上溢或下溢的使能为1，但结果的位数与中间结果的尾数不同；

    可能③：上溢的使能为0，但出现上溢的舍入结果。

2.3.3 舍入

• 中间结果与“无限精度、无限范围”的理解

  IEEE754要求，在计算出结果之前，会先存储一个“无限精度、无限范围”的中间结果，经过舍入以后，才会得到最终结果。

  我一度很疑惑这“无限精度、无限范围”的概念：意思是真的是”无限位数、无限精度“吗？。

  网上冲浪这么久，我个人的理解是：

  不是，就是一个比最终结果相对更加精确的意思而已…(￣▽￣)"

• 舍入模式

  $Z2<Z<Z1$，其中$Z$是中间结果值、$Z2$与$Z1$是对$Z$舍入后的四舍五入的两种情况。

  共有四种舍入模式：

• 舍入的状态位

  • 概括

    一些“舍入实现”的硬件设计上，可能会设置一些状态位来为“舍入算法”服务。这些状态位的设立目的是什么呢？来，我一起顺手把它看掉。
    fraction就是尾数的小数部分. S是符号位，C是进位，L是尾数的隐藏位. 比较不好理解的是后面三个bit位。
    在IEEE754中，在对浮点数中间结果进行无限精度计算后，在舍入时，需要存储三个bit 信息：G (guard bit), R (round bit), X (stick bit).

  • 如何理解 G、R、X 这些位的作用呢？

    它们的作用是，舍入采用round to nearest策略时，方便进行舍入的评判：

    若有个中间结果的二进制尾数fraction部分在规格化后是：$x=xxx.xxxabcdef$，而最终结果需要保留到3位小数。那么根据定义，$G=a,R=b$，而$X$的值是这么来的：若$c,d,e,f$中有任何1个"1"，那么$X=1$，若$c=0,d=0,e=0,f=0\to X=0$.

    • G和R是中间结果有效位后面的两位bit值，X是剩余位是否有"1"的状态证明flag。

    由于round to nearest策略的规则是：若余数小于LSB (最低有效位，the least significant bit) 的一半就舍弃、等于LSB的一半就让LSB保持odd、大于LSB的一半就进位 —— 可得到：若$G=0$，则舍弃；若$G=1$且$R=X=0$则保持odd；若$G=1$而$R=1|X=1$则进位。

    那么很神奇的是，不论中间结果超出有效位需要被舍弃掉的位数有多长，有了$G,R,X$三位flag（缺一不可）就足以实现round to nearest策略了、而不需要存储其他bit或进行其他冗杂的舍入判断了！

    对于更细致的理解 $G,R,X$ 在round off时的工作原理，可以见此篇文章，非常具体直观。

    function of Guard bit

• 舍入的误差描述—— $ulp$ 的概念

  在网上看到一本书的截图，大概这个意思：浮点数的精度，通常可以用近似值与实际值的LSB 的所在位数来表示，这个数叫做 末位单位或最低精度，简称 ulp (unit in the last place or unit of least precision).

  根据这篇博客：ulp(unit in the last place)是什么意思 —— lubxx CSDN

  IEEE754中$1ulp$的值，就是在当前浮点数$x$所处的数轴中，系统能精确表示的相邻浮点数的差（当前位置IEEE754所能表达的最小精度）！根据不同的round off规则（round to 0 或者是round to nearest等四种），其误差计算的方式是：abs( x - 近似存的那个数)/ulp = 多少个ulp.

  在没有发生上溢、下溢等异常情况下，IEEE754也可以保证浮点运算的精度控制在 $\frac{1}{2}ulp$ 的范围内（书上说的）。

2.4 规格化和IEEE754标准的规格化

这个概念之前一直没搞懂。

一个很重要的概念：

① 规格化$\ne$IEEE标准的规格化！
② 规格化的概念是对于小数的，整数没有规格化！

• 规格化

  normalized number 规格化数；subnormal number 未规格化的数.

  “是否规格化”不是主观自定义的，是确定的。就是说，“未规格化”的MSB一定是在小数点右边.

  设，有纯小数 $x$的二进制是这样的：$[x{]}_{?}=x_n.x_{n-1}\cdots x_0$，其中**$x_n$是符号位，中间那个 $\cdot$ 是小数点，右边都是小数部分，没有隐含位**.

  规格化：规定尾数的最高数位必须是1. 注： 指是真值 的最高数位，且 不算符号位！

  • 左规：尾数 左移（小数点 右移），阶码 减1；

  • 右规：**尾数 ** 右移（小数点 左移），阶码 加1；（溢出时要处理）

    反应不够快，可以这么想象画面：尾数后面很多个是一队的蛋，在尺子上左右移动，而小数点是一个木桩，小数点右边有一个计数器（阶码）在随着蛋的进出加减变化，流出减少、流入增加。

  因此，不同机器码规格化后效果不同：

  • 原码

    （正数负数是对称的，好理解。）

    正数为：$0.1XX\cdots X$.

    • 故其最大值为$0.11\cdots 1$；最小值为$0.10\cdots 0$.

      对应真值$1-2^{-n}\ge x\ge 2^{-1}$.

    负数为：$1.1XX\cdots X$.

    • 故其最大值为$1.10\cdots 0$；最小值为$1.11\cdots 1$.

      对应真值$-(2^{-1})\ge x\ge -(1-2^{-n})$.

  • 补码

    （ 正数和原码一样、没变；负数看的是真值的最高数位得是1，而不是机器码的最高位为1，所以补码的最高有效位就变成0了！另一方面，补码是原码负数部分的取反，因此补码表示的范围多1，故真值范围变化了）

    正数为：$0.1XX\cdots X$.

    • 故其最大值为$0.11\cdots 1$；最小值为$0.10\cdots 0$.

      对应真值$1-2^{-n}\ge x\ge 2^{-1}$.

    负数为：$1.0XX\cdots X$.

    • 故其最大值为$1.01\cdots 1$；最小值为$1.00\cdots 0$.

      对应真值$-(2^{-1}+2^n)\ge x\ge -(1)$.

• IEEE754标准的规格化

  IEEE754由于已经把最高有效位的那个“1”直接隐含掉了！所以根本不需要考虑 “尾数、阶码是不是要出现这个、那个的$.01111$还是什么$.111$还是什么$.1000$” 的破情况了！

  好家伙，原来是这样！

  呜呜呜… 感动，终于分清楚了…

2.5 IEEE754的精度问题讨论

之前有印象，但没有例子，不够具体，于是搜了确认了一下。

IEEE754下表示的浮点数范围是变大了（和定点数比），但位数就这么多，表示的“数的个数”是有限的，那肯定导致范围内的有些数是表示不了的。

可以详细参考这篇博客，写的不错也很细：

IEEE754标准: 三, 为什么说32位浮点数的精度是"7位有效数" —— 知乎 小姬

我概括、抽取下其中的重点内容：

IEEE754格式中，由于有指数位，所以尾数的变化相同次数后，指数就会$+1$，但随着指数的增加，这个精度也是会随着指数的增加而变得粗糙——例如，最开始尾数从$00\cdots 0$（全0）变化到$11\cdots 1$（全1），指数是从$2^{-126}$上升为$2^{-125}$；到后来，尾数变化的次数是相同的（位数就这么多），指数是从$2^{126}$上升为$2^{127}$，能表示的数值的精度间隔直接从小数点后变成整数了！

因此，IEEE754就是因此有很多数值是没法存储的，而且这个精度的间隔是在随着指数的增加而越变越大。若把IEEE754所表示的浮点数想象成一个表盘的话, 那表盘上的蓝点不是均匀分布的, 而是越来间隔越大, 越来越稀疏。

• 跟着这个blog，我在C语言里也做了实验，如下：
  

  这个程序反应了32位IEEE754浮点数（C里的float型），是无法存储8388608.5这个数值的！

  而以前在ACM里，常使用的浮点数比较的语句：

  if( a-b< 1e-6 ) printf(...equal...);

  这个 1e-6 就是来源于此。这个数值就是32位下的IEEE754 规格化范围内的浮点数的最小精度间隔！其精确值大概是：$1.19209e-7$，小于这个数，float类型就100%区分不出来啦~(￣▽￣)"…

二 顺便复习四种机器码

以前对机器码的学习，最无法理解的是对应的“表示公式”在说啥？现在重新捋顺了。

其次，以前更偏向感性的学习（知道概念，但做题慢）；但对于机器码，我目前的认为最好还是理性的去学习，更能长时间并深入地掌握它的定义。

• 基础概念

  书上会提出“真值”和“机器码”的两个概念，还是得认真理解它们的定义。

  “真值”——在数学上计算时，表示的十进制的值。

  “机器码/数”——在存储时，的存储数据形式。

  如：$[x{]}_{原}$是机器码，$x$是真值。

  具体一点理解：$[-3{]}_{原}=111$，$-3$是数学上的值，是真值；$111$（含符号位）是机器码（此处是原码）。

  • 首先，以下是后文中机器码的$x$的格式：

    $x_n{x}_{n-1}\cdots x_2{x}_1{x}_0$，其中 $x_n$是符号位，$x_i$表示后面有$i$个0.

1 原码

这个公式以前就没看懂什么意思，其实表达的是 数值计算过程——把有符号的二进制数转换 按 数学上的数值计算 ，最后 转换成无符号原码表示的意思！

• 便于理解的例子——以负数部分为例

  单单一个$x$，是把真值当成“含符号位”的二进制数的数学上的值。

  $2^n$ 表示，把符号位看成无符号数的 $2^n$.

  $x$ 表示真值，$|x|$ 表示 $x$ 在数学上的绝对值。

  举一个具体的例子：$[-9{]}_{原}=11001$ （含符号位）

  $x$本身是个数值：$x=-9=-1001B$；

  则其原码是$[x{]}_{原}=11001$ (含符号位).

  则$|x|$就是 $x$ 的绝对值，$i.e.|x|=$ 9;

  因此，按照上面的公式，可以得到：

  $$\begin{gathered} [x{]}_{原}=2^n-x=16+|-9|=16+9=25=11001B(无符号位) \\ =11001B（有符号位）=[-9{]}_{原} \end{gathered}$$

  这样一来，就能看懂这种公式的写法了！(￣▽￣)"

2 反码

正数的反码等于整数的原码；负数的反码等于原码各位取反、符号位不变。

3 补码

正数的反码等于整数的原码；负数的补码等于反码+1、符号位不变。

有了上面的解释，我直接就贴出补码的公式了。

这里多个注意点：此处的$|x|$也是表示 $x$ 的绝对值.

• 便于理解的例子——以负数部分为例

  举一个具体的例子：$[-9{]}_{补}=10111$ （含符号位）

  $x$本身是个数值：$x=-9=-1001B$；

  则其原码是$[x{]}_{原}=11001$ (含符号位).

  则$|x|$就是 $x$ 的绝对值，$i.e.|x|=$ 9;

  因此，按照上面的公式，可以得到：

  $$\begin{gathered} [x{]}_{原}=2^{n+1}+(-9)=32+(-9)=23=10111B(无符号位) \\ =10111B（有符号位）=[-9{]}_{补} \end{gathered}$$

  这样一来，就能看懂这种公式的写法了！(￣▽￣)"

• 若已知补码，如何得到其 真值 呢？

  $x=-2^n{x}_n+\sum _{i=0}^{n-1}{2}_i{x}_i$

  通用的公式：正数、负数都能用。因为负数时已经在反码阶段将各位（除符号位）全取反了，因此此真值计算公式就不需要进行正数、负数的分类讨论了！

• 如何由原码求补码？

  正数不变；负数，保留最后一个1，然后再往高位并将这些位统统取反。 符号位不变！

  （不管转反码、还是转补码，符号位都不会变）

• 补码的优点是什么？

  不管是正数还是负数，都可以实现：

  $[x{]}_{补}\pm [y{]}_{补}=[z{]}_{补}$

  但是别的码表示，要分类讨论正负数。

4 移码

不管是正数还是负数，仅将 补码 的 符号位，统统取反。

$[x{]}_{移}=2^n+x$

通用的公式：正数、负数都能用

因为IEEE的阶码$E$必须用移码，且由于这个形式和计算偏移的形式很像（将符号位对应为$2^n$的偏移值），所以书里都说IEEE的阶码$E$是偏移计算 (￣▽￣)"…

所以其实移码、IEEE的阶码$E$的概念中，其实是有符号位的，但我习惯按照偏移的概念去理解，就以为没有符号位了…(￣▽￣)"…