何时使用Float

Question

多年前，我学会了浮子精度问题的难点，所以我放弃使用它们。但是，我仍然使用浮点运算代码，这让我感到畏缩，因为我知道有些计算会不准确。

那么，何时适合使用浮动？

修改 作为信息，我不认为我遇到过一个数字准确性不重要的程序。但我有兴趣听一些例子。

Answer 1

简短回答：当您确切知道自己在做什么以及为什么这样做时，您只需要使用 float 。

据我所知，很长的回答：浮动（而不是双打）在3D API之外不再使用了。浮动和双打在现代CPU上具有相同的性能特征，双打更大，这就是全部。如果有疑问，请使用double。

哦，是的，当然，使用十进制进行财务计算。

Answer 2

在一般情况下，所有浮点计算都是不准确的，浮点数比双精度浮点数多。如果您想了解更多信息，请阅读 What Every Computer Scientist Should Know About Floating-Point Arithmetic

至于何时使用浮动 - 当精度不如保存记忆时，它们经常被使用。例如，视频游戏中的简单粒子模拟。

Answer 3

首先，如果要精确表示十进制值，请不要使用浮点数或双精度数 - 使用整数类型（int，long等）或十进制（这只是一个带缩放因子的整数类型）。浮点数和双精度数在内部转换为基数2中的指数表示，并且在基数10中以指数表示精确表示的数字通常不能精确表示。 （例如，数字10仅代表浮动或双打）。

其次，就精确度而言，这取决于您的需求。我不同意你的观点，即从来没有计算精度无关紧要。您通常有一个特定的需求，您的最终结果准确地说，3位数。如果您的输入仅具有有限的精度，那么寻找最高精度是没有意义的 - 例如，您称重约5g面粉，并且您的秤仅具有0.5g的精度。也就是说，中间计算通常会从更高的精度中受益，但如果经常加速则比高精度更重要。

第三，当在一个循环中执行一系列计算时，你需要知道在处理任何不精确的计算时你在做什么 - 你会产生四舍五入的错误，而某些算法可能无法得到任何答案。精度。详细了解这些问题可能需要数学分析课程。这不取决于您是否为计算选择浮点数或双精度数。

对于浮点计算，我通常使用双精度，因为它们比浮点数更通用且更快。但是，浮点数较小，如果您需要存储大量浮点数，则可以选择防止由于缓存未命中而导致的性能问题。

据我所知，浮点处理在硬件中支持双精度但不支持浮点数，因此使用浮点数会导致转换为双精度。但是，当你传递一个浮点数时，一些例程会在迭代计算一个值时停止，因为这意味着你只需要大约8位精度而大约16位双精度。

Answer 4

在许多情况下，您可能希望使用float。然而，我不明白的是你可以使用的东西。如果您的意思是使用double代替float，那么，在大多数情况下，您希望这样做。但是，double也会出现精确问题。只要准确性很重要，您就应该使用decimal。

float和double在许多应用程序中非常有用。 decimal是一种昂贵的数据类型，其范围（它可以表示的最大数量的大小）小于double。计算机通常对这些数据类型具有特殊的硬件级别支持。它们在科学计算中被大量使用。基本上，它们是您要使用的主要小数数据类型。但是，在货币计算中，精度非常重要，decimal是可行的方法。

Answer 5

我能想到的最常见的原因是节省空间。并不是说这通常值得担心，但在某些情况下这很重要。 float占用的内存是double的一半，因此在同一空间中可以获得两倍的内存。例如，我有一个数组的数组太大而不适合RAM作为双精度但适合作为数组浮点数。

Answer 6

实际上有一件事情仍然是常见的使用浮动aka 32位“单精度”：图形应用和打印。

另一个原因是带有GPU的图形卡。数据类型越小，速度越快 操作，因为必须运输较少的比特。整数数据类型存在问题 具有高动态范围图像：眼睛能够在光度范围内发挥作用 1：10 ^ 13并且识别ca. 4000级。因此，虽然整数数据类型可以存储它们无法存储背景亮度的级别数，而浮点数没有问题。事实上，IEEE 754R允许一个新的“半精度”浮点数，具有16位和10位 尾数会失去一些精确度，但会提高速度。 OpenGL和DirectX，例如广泛使用浮动。 眼睛非常宽容，所以没有问题。

所有其他建立在图形上的媒体都是继承花车作为方便的措施。 尾数具有24位，因此允许2 ^ 24 = 16,700百万个连续步骤。 如果您的打印机分辨率为2000 dpi，则仍可以打印213x213 m 床单。绰绰有余。

Answer 7

使用float获取性能和大小。如果可以管理精度损失。

虽然现代处理器确实需要相同的时间来处理单精度和双精度操作，但如果使用带有SIMD的浮点数（MMX / SSE /），有时可以两次吞吐量等x86）说明。

SSE寄存器为128位宽，可以容纳 4个浮点数或 2个双倍。因此，如果使用正确，与双精度相比，您可以使用浮点数执行两倍的操作。

在处理非常大的数据集时，尺寸减小（4个字节而不是8个）变得很重要（并且由于缓存等原因，尺寸减小通常也会提高性能）