IEEE标准中32位、64位浮点数的取值范围

最新推荐文章于 2024-09-27 11:29:07 发布

信道者

最新推荐文章于 2024-09-27 11:29:07 发布

阅读量5.3w

点赞数 27

分类专栏：笔记文章标签： float double IEEE

本文链接：https://blog.csdn.net/chr1991/article/details/85109652

版权

笔记专栏收录该内容

51 篇文章 4 订阅

订阅专栏

IEEE标准中用 $V=(-1)^s\times M\times 2^E$ 来表示一个浮点数，其中

决定正负号，是尾数，是阶数。

32位

在32位浮点数中，符号位占1位，尾数占23位，阶数占8位。在正常情况下，阶数不包括全零和全一的情况，偏置常数是127，因此它的取值范围是-126-127。尾数值等于1+尾数23位表示的小数。于是

对于正浮点数

$\begin{aligned} 1.0\times 2^{-126}\approx 1.1755\times 10^{-38}\le FloatNum \le (2-2^{-23})\times 2^{127}\approx 3.4028\times 10^{38}\end{aligned}$

32位浮点数大于 $3.4\times 10^{38}$ 时，上溢出。当浮点数小于 $1.2\times 10^{-38}$ 时，也可以溢出。

对于零

$float\ number = 0$

对于负浮点数

$\begin{aligned} -(2-2^{-23})\times 2^{127}\approx -3.4028\times 10^{38}\le FloatNum \le -1.0\times 2^{-126}\approx -1.1755\times 10^{-38}\end{aligned}$

32位浮点数小于 $-3.4\times 10^{38}$ 时，下溢出。正常的32位浮点数可以表示绝对值最小为 $1.2\times 10^{-38}$ ，有效数位约7~8位。这对于神经网络、PageRank算法的计算已经足够了。纳米是 $10^{-9}$ 米，微米是 $10^{-6}$ 米。

64位

在64位浮点数中，符号位占1位，尾数占52位，阶数占11位。在正常情况下，阶数不包括全零和全一的情况，偏置常数是1023，因此它的取值范围是-1022 - 1023，尾数值等于1+尾数52位表示的小数。同理，

对于正浮点数

$\begin{aligned} 1.0\times 2^{-1022}\approx2.2251\times 10^{-308}& \leq FloatNum \leq (2-2^{-52}) \times 2^{1023} \approx1.7977\times10^{308} \end{aligned}$

对于零和32位类似。

对于负浮点数

$\begin{aligned}-(2-2^{-52})\times 2^{1023}\approx -1.7977 \times 10^{308} \le FloatNum\le-1.0\times 2^{-1022}\approx -2.2250 \times 10^{-308}\end{aligned}$

64位浮点数可以表示的绝对值，最大为 $1.8\times 10^{308}$ ，最小为 $2.2\times 10^{-308}$ ，有效数位约15位。普朗克常数约为 $6.6\times 10^{-34}J\cdot s$ ，电子的电荷约为 $1.6\times 10^{-19}C$ ，阿佛加德罗常数约为 $6.02\times 10^{22}$ 。双精度浮点数的表示范围远远大于日常生活中的需要。