计算机的浮点数表示法（IEEE 754）

这篇文章与一道题有关：

/*
 * floatScale2 - Return bit-level equivalent of expression 2*f for
 *   floating point argument f.
 *   Both the argument and result are passed as unsigned int's, but
 *   they are to be interpreted as the bit-level representation of
 *   single-precision floating point values.
 *   When argument is NaN, return argument
 *   Legal ops: Any integer/unsigned operations incl. ||, &&. also if, while
 *   Max ops: 30
 *   Rating: 4
 */
unsigned floatScale2(unsigned uf) {
	return 2;
}

题目来自于CMU15-213/lab/datalab。

浮点数的表示方法

在上面的题目中没有使用float作为类型传参，而是使用的unsigned，该类型和float一样，都是32字节的，现在我们将重心放回float的表示中：

• 符号位：1bit
• 指数部分：8bit
• 尾数部分：23bit

对于double，其实原理也是一样的：

看完了上面这个描述，想必心中会有很多的疑问，接下来慢慢说。

格式化数

在浮点数的存储中，数字通常是格式化的，什么是格式化的呢？格式化的有什么要求呢？

1. 符号位（s）：跟先前的一样，0表示正数，而1表示负数。
2. 指数部分（exp）：该部分使用移码进行表示。在格式化数中，指数部分不能全为1，它拥有一个计算公式：
   $$E=Exp-Bias$$
   其中，Exp就是相对应的十进制表示，而Bias也有一个计算公式：
   $$Bias=2^{k-1}-1$$
   这个k，就是在该浮点数中，exp部分有多少个bit表示。Bias的作用就是将浮点数的表示区间进行一个划分，使其在正数和负数区域都有相同的表示范围。
3. 尾数部分（frac，M）：该部分表示浮点数的有效数字部分，它默认会有一个隐含的1（前导1，这个前导1是二进制而不是十进制！），也就是说，这部分实际上是1.xxxxxxx

至此，我们就能够给出浮点数的计算公式：
$$val=(-1{)}^s\times M\times 2^E$$
来个例子：

非格式化数

对于非格式化数，它的区别就是在exp（指数部分）上：先前提到，在格式化数中，指数部分不能全为1，而在非格式化数中，它全为0，因此，在浮点数计算公式中，E的计算也改变了：
$$E=1-Bias$$
下面这张PPT说的很清楚：

上面提到了，在浮点数表示法中，存在“-0”和“+0”，但是，实际上它们在计算时被认为是相等的。
在格式化数中，会有个隐含的前导1，而非格式化数中没有这个。

特殊值

在这种情况下，exp不全为1的条件被打破，并且变为了exp全为1：

PPT中也说的很全了：

• exp=111…1，frac=000…0，表达无穷大、溢出
• exp=111…1，frac≠000…0，表示1非数（NaN）