TensorFlow 计算结果略有不同

Question

由于此link 仅描述了基于学习方法的各种预测，出于好奇，我想找出 TensorFlow 计算略有不同的原因。

import tensorflow as tf
sess = tf.Session() # TensorFlow session

var1 = tf.placeholder(tf.float32) # one placeholder
var2 = tf.placeholder(tf.float32) # another one
addition_node = var1 + var2 # Variable Addition Node

array = sess.run(addition_node, {var1: [1.1, 2.2, 3.3], var2:[1,1,1]}) # Array with values
print(array)

预期输出：

[ 2.1000000   3.20000000  4.30000000]

实际输出：

[ 2.0999999   3.20000005  4.30000019]

Answer 1

这对于 32 位浮点值是正常的。那些 1.1、2,2 和 3.3 的值并不能准确地以 32 位浮点数表示。

import numpy as np
x = np.array([1.1, 2.2, 3.3], dtype=np.float32)
y = np.array([1, 1, 1], dtype=np.float32)
x+y

>>> array([ 2.0999999 ,  3.20000005,  4.30000019], dtype=float32)

如果您还没有阅读过它，您可能想在 Google 上搜索“What Every Computer Scientist Should Know About Floating-Point Arithmetic”以更好地了解其局限性。