[转载] python numpy np.finfo()函数 eps

参考链接： Python中的numpy.log2

用法 

finfo函数是根据括号中的类型来获得信息，获得符合这个类型的数型 

例1： 

import numpy as np

a=np.array([[1],[2],[-1],[0]])

b=np.maximum(a,np.finfo(np.float32).eps)

print(b)    

 

结果： 

[[1.0000000e+00]

 [2.0000000e+00]

 [1.1920929e-07]

 [1.1920929e-07]]

 

例2： 

ious = np.maximum(1.0 * inter_area / union_area, np.finfo(np.float32).eps)

 

eps是取非负的最小值。当计算的IOU为0或为负（但从代码上来看不太可能为负），使用np.finfo(np.float32).eps来替换 

doc 

finfo(dtype)

 

Machine limits for floating point types. 浮点类型的机器限制。

 

Attributes 属性

----------

eps : floating point number of the appropriate type

    The smallest representable number such that ``1.0 + eps != 1.0``.

    适当类型的浮点数

    最小的可表示数字，例如``1.0 + eps！= 1.0''。

    

epsneg : floating point number of the appropriate type

    The smallest representable number such that ``1.0 - epsneg != 1.0``.

    适当类型的浮点数

     最小的可表示数字，例如``1.0-epsneg！= 1.0''。

 

iexp : int

    The number of bits in the exponent portion of the floating point

    representation.

    浮点表示形式的指数部分中的位数。

    

machar : MachAr

    The object which calculated these parameters and holds more detailed

    information.

    计算这些参数并保存更多详细信息的对象。

    

machep : int

    The exponent that yields ``eps``.

    产生``eps''的指数。

    

max : floating point number of the appropriate type

    The largest representable number.

    适当类型的浮点数

     可表示的最大数字。

 

maxexp : int

    The smallest positive power of the base (2) that causes overflow.

    导致溢出的基极（2）的最小正功率。

    

min : floating point number of the appropriate type

    The smallest representable number, typically ``-max``.

    适当类型的浮点数

     最小的可表示数字，通常是“ -max”。

 

minexp : int

    The most negative power of the base (2) consistent with there being

    no leading 0s in the mantissa.

    基数（2）的最大负幂与尾数中没有前导0一致。

    

negep : int

    The exponent that yields ``epsneg``.

    产生``epsneg''的指数。

    

nexp : int

    The number of bits in the exponent including its sign and bias.

    指数中的位数，包括其符号和偏差。

    

nmant : int

    The number of bits in the mantissa.

    尾数的位数。

    

precision : int

    The approximate number of decimal digits to which this kind of float

    is precise.

    这种浮点数精确到的近似十进制数字。

    

resolution : floating point number of the appropriate type

    The approximate decimal resolution of this type, i.e.

    ``10**-precision``.

    适当类型的浮点数

     此类型的近似十进制分辨率，即``10 **-precision''。

 

tiny : floating point number of the appropriate type

    The smallest-magnitude usable number.

    适当类型的浮点数

     最小幅度的可用数字。

 

Parameters

----------

dtype : floating point type, dtype, or instance

    The kind of floating point data type to get information about.

    浮点类型，dtype或实例

     获取有关信息的浮点数据类型的种类。

 

See Also

--------

numpy.lib.machar.MachAr :

    The implementation of the tests that produce this information.

iinfo :

    The equivalent for integer data types.

 

Notes

-----

For developers of numpy: do not instantiate this at the module level. The

initial calculation of these parameters is expensive and negatively impacts

import times. These objects are cached, so calling ``finfo()`` repeatedly

inside your functions is not a problem.

对于numpy的开发人员：不要在模块级别实例化它。 

这些参数的初始计算非常昂贵，并且会对导入时间产生负面影响。 

这些对象被缓存，因此在函数内重复调用finfo（）不会有问题。

 

示例 

>>> from numpy import *

>>> f = finfo(float)                                           # the numbers given are machine dependent 

                                                               # 给出的数字取决于机器

                                                               

>>> f.nmant, f.nexp                                            # nr of bits in the mantissa and in the exponent

                                                               # 尾数和指数中的位nr

(52, 11)

>>> f.machep                                                   # most negative n so that 1.0 + 2**n != 1.0

-52

>>> f.eps                                                      # floating point precision: 2**machep

array(2.2204460492503131e-16)

>>> f.precision                                                # nr of precise decimal digits: int(-log10(eps))

15

>>> f.resolution                                               # 10**(-precision)

array(1.0000000000000001e-15)

>>> f.negep                                                    # most negative n so that 1.0 - 2**n != 1.0

-53

>>> f.epsneg                                                   # floating point precision: 2**negep

array(1.1102230246251565e-16)

>>> f.minexp                                                   # most negative n so that 2**n gives normal numbers

-1022

>>> f.tiny                                                     # smallest usuable floating point nr: 2**minexp

array(2.2250738585072014e-308)

>>> f.maxexp                                                   # smallest positive n so that 2**n causes overflow

1024

>>> f.min, f.max                                               # the most negative and most positive usuable floating number

(-1.7976931348623157e+308, array(1.7976931348623157e+308))

 

参考文章1：https://scipy.github.io/old-wiki/pages/Numpy_Example_List_With_Doc.html#finfo.28.29 

参考文章2：Numpy : 关于np.finfo函数 

参考文章3：Numpy 中文用户指南 3.1 数据类型 

 参考文章4：Python第三方库——Numpy