不能在 64 位架构的 Python 中使用 128 位浮点数答案

【问题标题】：Cannot use 128bit float in Python on 64bit architecture不能在 64 位架构的 Python 中使用 128 位浮点数
【发布时间】：2015-07-01 11:37:16
【问题描述】：

我在我的 python 终端中检查了指针的大小（在 Enthought Canopy IDE 中）通过

import ctypes
print (ctypes.sizeof(ctypes.c_voidp) * 8)

我有一个 64 位架构，使用 numpy.float64 就可以了。但是我不能使用np.float128？

np.array([1,1,1],dtype=np.float128)

或

np.float128(1)

结果：

AttributeError: 'module' object has no attribute 'float128'

我正在运行以下版本：

sys.version_info(major=2, minor=7, micro=6, releaselevel='final', serial=0)

【问题讨论】：

@Matthias：除非你有一个非常不寻常的平台（例如，IBM 大型机），否则 NumPy 几乎肯定不会让你访问真正的 128 位浮点数。在某些平台上，NumPy 支持 1985 版 IEEE 754 标准中定义的 x87 80 位浮点格式，在某些那些平台上，该格式报告为float128（而在其他人报告为float96)。但是所有发生的事情是你有一个 80 位格式和 48 位（或 16 位）填充。
@PadraicCunningham np.longdouble 导致np.float64
stackoverflow.com/questions/9062562/…
@PadraicCunningham 只要我的精度比 float64 高（用于比较正交规则），确切的大小并不重要
@Matthias：那你可能不走运了。你在 Windows 上吗？ IIRC，Windows 平台将long double 定义为与double 相同的类型，因此np.longdouble 不会给您任何额外的精度。

【解决方案1】：

更新：从 cmets 看来，在 64 位系统上使用 128 位浮点数似乎毫无意义。

我在 64 位 Ubuntu 14.04 系统上使用 anaconda sys.version_info(major=2, minor=7, micro=9, releaselevel='final', serial=0)

128 位浮点数工作正常：

import numpy
a = numpy.float128(3)

这可能是分布问题。试试：

编辑：来自 cmets 的更新：

不是我的反对意见，但这篇文章并没有真正回答“为什么不 np.float128 存在于我的机器上”暗示的问题。真正的答案是这是特定于平台的：float128 存在于某些平台上，但不是其他人，在确实存在的那些平台上，它几乎当然只是 80 位 x87 扩展精度类型，填充到 128 位。 ——马克狄金森

【讨论】：

几乎可以肯定不是 128 位浮点数，至少在 IEEE 754 binary128 格式的意义上不是。它是一个 80 位浮点数，带有 48 位填充。
试试numpy.float128(1) + numpy.float128(2**-64) - numpy.float128(1)。我怀疑你会得到0.0 的答案，表明float128 类型包含的精度不超过64 位。
@CharlieParker：是的，完全可以预料。在正常的双精度下，1.0 + 2**-64 不能完全表示（没有足够的有效位），所以加法的结果是最接近的双精度浮点完全可表示，又是 1.0 .现在当然减去1.0 得到0.0。对于常规双精度，1.0 + 2**-53 - 1.0 也是如此（二进制精度为 53）。对于扩展的 x87 样式精度，使用通常的舍入到偶数，1.0 + 2**-64 - 1.0 将给出零，而 1.0 + 2**-63 - 1.0 将非零。
@CharlieParker：不是我的反对意见，但这篇文章并没有真正回答“为什么我的机器上不存在 np.float128”隐含的问题。真正的答案是这是特定于平台的：float128 存在于某些平台上，但不存在于其他平台上，而在确实存在的平台上，它几乎可以肯定只是 80 位 x87 扩展精度类型，填充到 128 位。
@CharlieParker：因为浮点意味着浮点（二进制）！移动点的能力允许以广泛的比例表示值，但不会神奇地提供额外的精度。有关更多信息，请参阅任何many floating-point 指南。这些 cmets 并不是这个讨论的真正合适的地方......

【解决方案2】：

对我来说，问题是一个 Python 模块在 Windows 中存在问题（PyOpenGL 适合那些关心的人）。 This 站点的 Python 轮子带有许多流行模块的“固定”版本，以解决 float128 问题。

注意：这个问题有一个可接受的答案。对于未来的搜索者，我的回答是，因为这个问题在 Google 搜索结果中的 module 'numpy' has no attribute 'float128' 很高。

【讨论】：