jax.numpy.finfo#

class jax.numpy.finfo(dtype)[原始碼]#

浮點型別的機器極限。

bits#

型別佔用的位元數。

型別:

int

dtype#

傳回 finfo 傳回資訊的 dtype。對於複數輸入，傳回的 dtype 是其真實和複數元件的關聯 float* dtype。

型別:

dtype

eps#

1.0 與下一個大於 1.0 的最小可表示浮點數之間的差異。例如，對於 IEEE-754 標準中的 64 位元二進位浮點數，eps = 2**-52，約為 2.22e-16。

型別:

float

epsneg#

1.0 與下一個小於 1.0 的最小可表示浮點數之間的差異。例如，對於 IEEE-754 標準中的 64 位元二進位浮點數，epsneg = 2**-53，約為 1.11e-16。

型別:

float

iexp#

浮點表示法中指數部分的位元數。

型別:

int

machep#

產生 eps 的指數。

型別:

int

max#

最大的可表示數字。

型別:

適當型別的浮點數

maxexp#

基數 (2) 的最小正冪，會導致溢位。

型別:

int

min#

最小的可表示數字，通常為 -max。

型別:

適當型別的浮點數

minexp#

基數 (2) 的最負冪，與尾數中沒有前導 0 一致。

型別:

int

negep#

產生 epsneg 的指數。

型別:

int

nexp#

指數中的位元數，包括其符號和偏差。

型別:

int

nmant#

尾數中的位元數。

型別:

int

precision#

此類浮點數精確到的小數位數的近似數。

型別:

int

resolution#

此型別的近似小數解析度，即 10**-precision。

型別:

適當型別的浮點數

tiny[原始碼]#

別名為 smallest_normal，為了向後相容性而保留。

型別:

float

smallest_normal[原始碼]#

尾數中以 1 作為前導位的最小正浮點數，遵循 IEEE-754 (請參閱「注意事項」)。

型別:

float

smallest_subnormal#

尾數中以 0 作為前導位的最小正浮點數，遵循 IEEE-754。

型別:

float

參數:

dtype (float, dtype, 或 instance) – 要取得資訊的浮點或複數浮點資料型別種類。

另請參閱

iinfo

整數資料型別的等效項目。

spacing

值與最近鄰近數字之間的距離

nextafter

x1 之後朝 x2 的下一個浮點值

筆記

對於 NumPy 的開發人員：請勿在模組層級實例化此項目。這些參數的初始計算成本很高，並且會對匯入時間產生負面影響。這些物件會被快取，因此在您的函式內重複呼叫 finfo() 並不是問題。

請注意，smallest_normal 實際上並非 NumPy 浮點型別中最小的正可表示值。如同 IEEE-754 標準[1]，NumPy 浮點型別使用次正規數來填補 0 和 smallest_normal 之間的間隙。但是，次正規數的精確度可能會大幅降低[2]。

此函式也可用於複數資料型別。如果使用，則輸出將與對應的實數浮點型別相同 (例如，numpy.finfo(numpy.csingle) 與 numpy.finfo(numpy.single) 相同)。但是，輸出對於實部和虛部都是正確的。

參考文獻

範例

>>> import numpy as np
>>> np.finfo(np.float64).dtype
dtype('float64')
>>> np.finfo(np.complex64).dtype
dtype('float32')
__init__()#

方法

__init__()

屬性

smallest_normal

傳回最小正規值的值。

tiny

傳回 tiny 的值，smallest_normal 的別名。