关于IEEE754浮点数类型

Missper~

已于 2023-08-14 16:55:06 修改

阅读量200

点赞数 1

分类专栏：计算机组成原理文章标签：数据结构 c++ java

于 2023-08-11 20:23:24 首次发布

本文链接：https://blog.csdn.net/weixin_45790919/article/details/132238842

版权

计算机组成原理专栏收录该内容

1 篇文章 0 订阅

订阅专栏

关于IEEE754浮点数类型

不管是Java或C中的Double浮点数, 还是Java或C中的Float浮点数, 甚至那些弱类型语言中的浮点数, 如Python或Javascript中的浮点数, 都遵循这个标准, 实际上这是计算机底层的存储方式与编程语言无关.

接下来我们将会分析十进制浮点数是如何变成二进制存储在内存中的, 以及为什么浮点数有误差不精确, 后续有时间的话再更新一下自制高精度浮点数类型

简介

在六、七十年代，各家计算机公司的各个型号的计算机，有着千差万别的浮点数表示，却没有一个业界通用的标准。这给数据交换、计算机协同工作造成了极大不便。IEEE的浮点数专业小组于七十年代末期开始酝酿浮点数的标准。在1980年，英特尔公司就推出了单片的8087浮点数协处理器，其浮点数表示法及定义的运算具有足够的合理性、先进性，被IEEE采用作为浮点数的标准，于1985年发布。而在此前，这一标准的内容已在八十年代初期被各计算机公司广泛采用，成了事实上的业界工业标准。加州大学伯克利分校的数值计算与计算机科学教授威廉·卡韩被誉为“浮点数之父”。

自20世纪80年代以来, 许多CPU与浮点运算器都是根据IEEE 754实现的。这个标准定义了表示浮点数的格式的二进制表示形式, 包含符号，指数和尾数（小数部分）如下图所示。Infinity，-Infinity和NaN（不是数字）具有特定的位表示形式。

IEEE754规定了两种浮点数:

类型	特性
1. IEEE短实型：32位	符号1位，指数8位，尾数23位。也称为单精度。(Float)
2. IEEE Long Real：64位	符号1位，指数11位，尾数52位。也称为双精度。(Double)

IEEE 754浮点数的三个域

IEEE 754浮点数的三个域

一个浮点数 (Value) 的表示其实可以这样表示：

Value = sign × 2^exponent × fraction

也就是说, 浮点数的实际值 , 等于符号位(sign bit)乘以指数偏移值(exponent bias)再乘以分(小)数值(fraction)。

下面会依次介绍这三个部分的概念, 用途.

下文没有特殊说明的话, 所有例子都采用Float单精度浮点数. 它与Double基本一致, 但总体域长度较长不利于理解.

32位单精度浮点数的结构
img-c0tzaZIv-1691753438271

sign(符号位)

符号位: 占据最高位(第31位)这一位, 用于表示这个浮点数是正数还是负数, 为0表示正数, 为1表示负数.

举例: 对于十进制数20.5, 存储在内存中时, 符号位应为0, 因为这是个正数

exponent(指数位)

指数位占据第30位到第23位这8位. 在这里存储的指数实际上是做偏移后的指数(biased exponent)

在这里只需要知道这是用于表示以2位底的指数. 8位二进制可以表示256种状态, IEEE754规定, 指数位用于表示[-127, 128]范围内的指数.

一般来说最高位可以直接表示为符号位, 即0000 0001=1, 1000 0001=-1, 但在这里没有采用这种方式, 而是其他方式, 根据观察: 符号位正相反, 符号位为1时是正数, 也可以理解为人为在256个状态中划定了127作为0

Exponent(指数)	DEC(十进制数)	BIN(二进制数)
2^-127	0	0000 0000
2^-1	126	0111 1110
2^0	127	0111 1111
2^1	128	1000 0000
2^128	255	1111 1111

当指数为[-127,-1]时浮点数的value在(-1,1)区间

为了更方便计算以及理解, 可以采用下面的方式进行计算偏移后指数:

浮点型的指数位都有一个固定的偏移量(bias), 用于使 指数 + 这个偏移量 = 一个非负整数.

规定: 在32位单精度类型中, 这个偏移量是127. 在64位双精度类型中, 偏移量是1023. 所以, 这里的偏移量是127

⭐ 即, 如果你运算后得到的指数是 -127, 那么偏移后, 在指数位中就需要表示为: -127 + 127(偏移量) = 0

如果你运算后得到的指数是 -10, 那么偏移后, 在指数位中需要表示为: -10 + 127(偏移量) = 117

看, 有了偏移量, 对于十进制来说, 指数位中始终都是一个非负整数.

fraction(尾数位)

尾数位: 占据剩余的22位到0位这23位. 用于存储尾数.

尾数中存储的本质上是二进制的小数部分

Value = sign × 2^exponent × fraction

尾数的区间为: [0, 8388608]

实例

十进制浮点数以32位单精度浮点数(Float)存在内存中的方式

举个例子: 十进制20.5, 如何以二进制存储到内存

大致分为如下几步:

1. 进行进制转换.
2. 二进制数转换为以2为底的指数形式
3. 对尾数进行处理

进行进制转换

一般的计算器都不支持带小数的二进制转换, 包括win10自带的计算器也不行

可以看到小数点已经被禁用了. 在这里我们首先学习一下手动进行带小数的二进制转换, 稍后用一个专门的网站来验证正确性.

因为整数位和小数位的转换方式略有差异, 所以需要把 20.5 分成整数位和小数位分别转换成二进制, 然后再将他们合并在一起.

整数位20转换成2进制: 直接用20/2然后取余数那一套, 口诀: “除2取余,逆序排列”, 详细过程如下:

算式	商	余数
20/2	10	0
10/2	5	0
5/2	2	1
2/2	1	0
1/2	0	1

很容易就得出 20D=10100B , 为方便区分不同进制, 我们规定其中的D为10进制后缀, B为二进制后缀.

小数位转为二进制: 口诀: “乘2取整, 顺序排列”, 详细过程如下:

算式	积	整
0.5*2	1.0	1

等于0.1B

再来一个: 0.625

算式	积	整
0.625*2	1.25	1
0.25*2	0.5	0
0.5*2	1.0	1

等于0.101B

根据上面的计算我们得出20.5D=10100.1B

二进制数转换为以2为底的指数形式

用二进制数表示十进制浮点数时, 表示为尾数*指数的形式, 并把尾数的小数点放在第一位和第二位之间, 然后保证第一位数非0, 这个处理过程叫做规范化(normalized)

二进制10100.1 = 1.01001 * 2^4

我们再来看看规范化之后的这个数: 1.01001 * 2^4

其中1.01001是尾数, 而4就是偏移前的指数(unbiased exponent), 上文讲过, 32位单精度浮点数的偏移量(bias)为127, 所以这里加上偏移量之后, 得到的偏移后指数(biased exponent)就是 4 + 127 = 131, 131转换为二进制就是1000 0011, 这8位二进制就是32位浮点数中实际存储的数值.

对尾数进行处理

为了更进一步的节省内存, 需要对尾数做一些特殊的处理.

隐藏高位1

经过观察发现, 尾数部分的最高位始终为1. 比如这里的 1. 01001, 这是因为前面说过, 规范化之后, 尾数中的小数点会位于左起第一位和第二位之间. 且第一位是个非0数. 而二进制中, 每一位可取值只有0或1, 如果第一位非0, 则第一位只能为1. 所以在存储尾数时, 可以省略前面的 1和小数点. 只记录尾数中小数点之后的部分, 这样就节约了一位内存. 所以这里只需记录剩余的尾数部分: 01001

所以, 以后再提到尾数, 如无特殊说明, 指的其实是隐藏了整数部分1. 之后, 剩下的小数部分

低位补0

尾数不足23位时需要在低位补零, 补齐23位.

之所以在低位补0, 是因为尾数中存储的本质上是二进制的小数部分, 所以如果想要在不影响原数值的情况下, 填满23位, 就需要在低位补零.

比如, 要把二进制数1.01在不改变原值的情况下填满八位内存, 写出来就应该是: 1.010 0000, 即需要在低位补0

同理, 本例中因为尾数部分存储的实际上是省略了整数部分 1. 之后, 剩余的小数部分, 所以这里补0时也需要在低位补0:

原尾数是: 01001(不到23位)

补零之后是: 0100 1000 0000 0000 000 (补至23位)