IEEE754标准的浮点数存储格式

最新推荐文章于 2024-09-16 08:27:50 发布
最新推荐文章于 2024-09-16 08:27:50 发布
阅读量3.8k 收藏 5
点赞数
分类专栏： c指针 x86 arm
x86 同时被 3 个专栏收录
12 篇文章 1 订阅
订阅专栏
arm
10 篇文章 0 订阅
订阅专栏
c指针
6 篇文章 0 订阅
订阅专栏

IEEE754标准的浮点数存储格式

https://www.cnblogs.com/MikeZhang/p/IEEE754FloatEncode20180117.html

https://github.com/WebAssembly/nontrapping-float-to-int-conversions

操作系统 ： CentOS7.3.1611_x64

gcc版本 ：4.8.5

基本存储格式（从高到低） ： Sign + Exponent + Fraction

Sign ： 符号位

Exponent ： 阶码

Fraction ： 有效数字

32位浮点数存储格式解析

Sign ： 1 bit（第31个bit）

Exponent ：8 bits （第 30 至 23 共 8 个bits）

Fraction ：23 bits （第 22 至 0 共 23 个bits）

32位非0浮点数的真值为(python语法) ：

(-1) **Sign * 2 **(Exponent-127) * (1 + Fraction)

示例如下：

a = 12.5

1、求解符号位

a大于0，则 Sign 为 0 ，用二进制表示为： 0

2、求解阶码

a表示为二进制为： 1100.0

小数点需要向左移动3位，则 Exponent 为 130 （127 + 3），用二进制表示为： 10000010

3、求解有效数字

有效数字需要去掉最高位隐含的1，则有效数字的整数部分为 ： 100

将十进制的小数转换为二进制的小数的方法为将小数*2，取整数部分，则小数部分为： 1

后面补0，则a的二进制可表示为： 01000001010010000000000000000000

即 ： 0100 0001 0100 1000 0000 0000 0000 0000

用16进制表示 ： 0x41480000

4、还原真值

Sign = bin(0) = 0

Exponent = bin(10000010) = 130

Fraction = bin(0.1001) = 2 ** (-1) + 2 ** (-4) = 0.5625

真值：

(-1) **0 * 2 **(130-127) * (1 + 0.5625) = 12.5

32位浮点数二进制存储解析代码（c++）：

https://github.com/mike-zhang/cppExamples/blob/master/dataTypeOpt/IEEE754Relate/floatTest1.cpp

运行效果：

复制代码

[root@localhost floatTest1]# ./floatToBin1
sizeof(float) : 4
sizeof(int) : 4
a = 12.500000
showFloat : 0x 41 48 00 00
UFP : 0,82,480000
b : 0x41480000
showIEEE754 a = 12.500000
showIEEE754 varTmp = 0x00c00000
showIEEE754 c = 0x00400000
showIEEE754 i = 19 , a1 = 1.000000 , showIEEE754 c = 00480000 , showIEEE754 b = 0x41000000
showIEEE754 i = 18 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 17 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 16 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 15 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 14 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 13 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 12 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 11 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 10 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 9 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 8 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 7 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 6 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 5 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 4 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 3 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 2 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 i = 1 , a1 = 0.000000 , showIEEE754 b = 0x41000000
showIEEE754 : 0x41480000
[root@localhost floatTest1]#

复制代码

64位浮点数存储格式解析

Sign ： 1 bit（第31个bit）

Exponent ：11 bits （第 62 至 52 共 11 个bits）

Fraction ：52 bits （第 51 至 0 共 52 个bits）

64位非0浮点数的真值为(python语法) ：

(-1) **Sign * 2 **(Exponent-1023) * (1 + Fraction)

示例如下：

a = 12.5

1、求解符号位

a大于0，则 Sign 为 0 ，用二进制表示为： 0

2、求解阶码

a表示为二进制为： 1100.0

小数点需要向左移动3位，则 Exponent 为 1026 （1023 + 3），用二进制表示为： 10000000010

3、求解有效数字

有效数字需要去掉最高位隐含的1，则有效数字的整数部分为 ： 100

将十进制的小数转换为二进制的小数的方法为将小数*2，取整数部分，则小数部分为： 1

后面补0，则a的二进制可表示为：

0100000000101001000000000000000000000000000000000000000000000000

即 ： 0100 0000 0010 1001 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000

用16进制表示 ： 0x4029000000000000

4、还原真值

Sign = bin(0) = 0
Exponent = bin(10000000010) = 1026
Fraction = bin(0.1001) = 2 ** (-1) + 2 ** (-4) = 0.5625

真值：

(-1) **0 * 2 **(1026-1023) * (1 + 0.5625) = 12.5

64位浮点数二进制存储解析代码（c++）：

https://github.com/mike-zhang/cppExamples/blob/master/dataTypeOpt/IEEE754Relate/doubleTest1.cpp

运行效果：

复制代码

[root@localhost t1]# ./doubleToBin1
sizeof(double) : 8
sizeof(long) : 8
a = 12.500000
showDouble : 0x 40 29 00 00 00 00 00 00
UFP : 0,402,0
b : 0x0
showIEEE754 a = 12.500000
showIEEE754 logLen = 3
showIEEE754 c = 4620693217682128896(0x4020000000000000)
showIEEE754 b = 0x4020000000000000
showIEEE754 varTmp = 0x8000000000000
showIEEE754 c = 0x8000000000000
showIEEE754 i = 48 , a1 = 1.000000 , showIEEE754 c = 9000000000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 47 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 46 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 45 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 44 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 43 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 42 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 41 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 40 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 39 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 38 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 37 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 36 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 35 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 34 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 33 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 32 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 31 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 30 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 29 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 28 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 27 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 26 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 25 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 24 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 23 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 22 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 21 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 20 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 19 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 18 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 17 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 16 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 15 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 14 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 13 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 12 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 11 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 10 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 9 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 8 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 7 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 6 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 5 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 4 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 3 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 2 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 i = 1 , a1 = 0.000000 , showIEEE754 b = 0x4020000000000000
showIEEE754 : 0x4029000000000000
[root@localhost t1]#

复制代码

 

好，就这些了，希望对你有帮助。

本文github地址：

https://github.com/mike-zhang/mikeBlogEssays/blob/master/2018/20180117_IEEE754标准的浮点数存储格式.rst

欢迎补充

yanyan_happy0506
关注
专栏目录
浮点数在计算机中存储方式---IEEE754格式存储
蚂蚁辣舞的学习历程
07-12 8150
简单总结： 单精度浮点数： 1位符号位   8位阶码位   23位尾数 双精度浮点数： 1位符号位   11位阶码位   52位尾数 单精度float型存储在内存中的大小为4个字节，即32位。  x           xxxxxxxx    xxxxxxxxxxxxxxxxxxxxxxx 数符(1b)     阶码（8b）      尾数（23b）
IEEE754在浮点数中存储的规则
m0_57234892的博客
08-09 1087
IEEE754在浮点数中存储的规则 1.浮点数在IEEE754的存储格式 IEEE754标准是一种浮点数表示标准，一般分为单、双精度两种，单精度是32位的二进制数，双精度是64位的二进制数，一个浮点数的组分为以下几部分。 ①V=(-1)^S*M *2^E ②(-1)^S表示符号位，当S=0，V为正数；当S=1，V为负数。 ③M则代表1到2之间的额有效数字。 ④2^E表示指数位。 我们具体来举例说明：例如十进制的5.75，我们先将它转换为二进制为101.11，此时我们可以将其转换为1.0111×2^2，那么，
浮点数在内存中的存储详解（超详细）
最新发布
2301_80349538的博客
09-16 1496
小心！VS2022不可直接接触，否则！没这个必要，方源面色淡然一把抓住！顷刻炼化！
浮点数存储方式与运算（IEEE754标准）
weixin_45067786的博客
11-22 1215
符号（sign/s）， 阶码（exponent/exp），尾数（significant/frac） float： s 1位， exp 8位， frac 23位 --------------------4字节 double： s 1位， exp 11位， frac 52位-----------------8字节 小数转二进制方法： 乘二取整法：将小数部分乘以二， 然后取整数部分， 剩下的...
IEEE 754标准浮点数的四种格式
qq275860560的专栏
02-13 660
单精确度 双精确度 单精度扩展 双精度扩展
IEEE-754标准
热门推荐
05-24 1万+
历史 IEEE-754标准的主要起草者是来自UCB的数学教授William Kahan.。他帮助Intel设计完成了8087浮点运算单元(FPU)。由于设计的浮点标准是如此的出色，使得IEEE将此标准作为IEEE浮点格式的基础。 为了浮点数据处理对于硬件、软件或者两者的结合都能产生独立的结果，不受平台的影响，IEEE为执行浮点运算提供了一个统一标准，其规定了浮点数的表示格式、操作方式、舍入
IEEE754.rar_IEEE754_ieee754标准_labvIEW 754_labview ieee754_浮点数
07-15
这一标准对浮点数的存储格式、精度、运算规则以及异常处理等进行了明确规定，旨在确保不同系统间浮点数计算的一致性和可移植性。 **浮点数的表示** 在IEEE754中，浮点数分为两部分：符号位、指数和尾数。以32位单...
IEEE754浮点数存储.pdf
11-16
标题中的“IEEE754浮点数存储”指的是在计算机科学中用于表示和存储浮点数的国际标准，由IEEE（电气和电子工程师协会）制定。这个标准详细规定了单精度（single-precision）和双精度（double-precision）浮点数的二...
IEEE754浮点数与十六进制转换，带4字节的顺序调整
12-20
32位浮点数是IEEE 754标准中的一种，它使用32个二进制位来表示一个浮点数值，通常被称作单精度浮点数。 32位浮点数由三部分组成：符号位（1位）、指数部分（8位）和尾数部分（23位）。符号位决定数值的正负，0代表...
IEEE754浮点数存储形式
Blackoutdragon的博客
04-02 1302
IEEE754浮点数的表示形式
IEEE754 浮点数存储分析
jinlei2009
01-27 988
浮点数数据在计算机中的是按照特定的编码格式进行存储的，下面我们就以float数据-20.5来分析一下浮点数的存储格式。
IEEE754标准浮点格式
weixin_34293911的博客
09-07 3160
两种基本浮点格式：单精度和双精度。IEEE单精度格式具有24位有效数字，并总共占用32 位。IEEE双精度格式具有53位有效数字精度，并总共占用64位 两种扩展浮点格式：单精度扩展和双精度扩展。此标准并未规定扩展格式的精度和大小，但它指定了最小精度和大小。例如，IEEE 双精度扩展格式必须至少具有64位有效数字，并总共占用至少79 位 浮点运算的准确度要求：加、减、乘、除、平方根、余数、将...
IEEE754格式浮点数
qq_35892775的博客
10-08 5108
有32位浮点数（单精度）和64位浮点数（双精度） 1.32位短浮点数 S=浮点数的符号位，0表示整数，1表示负数； E=阶码，8位，采用移码表示，阶符隐含； M=尾码，23位，纯小数表示，且真值=1+M; 阶码E采用移码表示，但只偏移2^7-1.   2.64位长浮点数 S=浮点数的符号位，0表示整数，1表示负数； E=阶码，11位，采用移码表示，阶符隐含； M=尾码，...
IEEE754标准
banana16314的博客
09-23 5057
IEEE754标准（以下简称”标准“）是使用最广泛的浮点数运算标准，为许多CPU与浮点运算器所采用。该标准定义了表示浮点数的格式，如下图所示： 下面只讨论二进制浮点数的表示，分成了三个部分： 符号位、指数、尾数，它们的含义可以类比科学计数法。如： 科学计数法中：  （102.35045）10 = +1.0235045 × 102  符号位为正，指数是2，尾数是1.0
IEEE754浮点数乘法设计
09-28
在计算机科学中，IEEE754标准是用于表示浮点数的一种广泛采用的格式，旨在确保不同计算机系统间的兼容性和精确度。这个标准定义了浮点数的存储布局、表示方法以及相关的运算，包括加法、减法、乘法和除法等。本文将...
IEEE754标准浮点数格式
issta的博客
01-14 286
IEEE-754 Single-Precision Floating-Point Number （注：以下图片来自于网络搜索，如侵，告之，删！） 上图中：130 = 127 + 3 >>>>> 1000 0010
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值