Pytorch复制numpy浮点数的不精确值

【问题标题】：Pytorch copying inexact value of numpy floating point numberPytorch复制numpy浮点数的不精确值
【发布时间】：2019-10-10 19:17:13
【问题描述】：

我正在将浮点数（或 numpy 数组）转换为 Pytorch 张量，它似乎将不精确的值复制到张量。错误出现在第 8 位有效数字及之后。这对我的工作很重要（没有双关语），因为我处理的是对初始条件的微小变化非常敏感的混沌动力学。

我已经在使用 torch.set_printoptions(precision=16) 打印 16 个有效数字。

np_x = state
print(np_x)
x = torch.tensor(np_x,requires_grad=True,dtype=torch.float32)
print(x.data[0])

输出是：

0.7575408585008059
tensor(0.7575408816337585)

了解问题所在或如何解决会很有帮助？

【问题讨论】：

标签： numpy pytorch

【解决方案1】：

因为您使用的是float32 dtype。如果将这两个数字转换为二进制，您会发现它们实际上是相同的。严格来说，这两个数字在 float32 格式中的最准确表示是相同的。

0.7575408585008059
Most accurate representation = 7.57540881633758544921875E-1

0.7575408816337585
Most accurate representation = 7.57540881633758544921875E-1

Binary: 00111111 01000001 11101110 00110011

【讨论】：

谢谢！只是想知道您是如何获得“最准确的表示”的？另外，如果它们基本上是相同的数字，为什么它们打印的不同？
@AnshulChoudhary 有很多在线转换工具，您可以看看。对于第二个问题，由于二进制编码不能代表所有可能的数字，所以其中一些只能在一些舍入误差下进行近似。