半精度浮点数取5bit指数位

最新推荐文章于 2025-06-18 11:27:37 发布
最新推荐文章于 2025-06-18 11:27:37 发布
阅读量2.2k 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 工作中的问题
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xqn2017/article/details/77881605
本文介绍了半精度浮点数的表示方式，即16bit中1位符号位，5位指数a，10位尾数b，并给出公式Value = (符号位)(1+b/1024)*(2^(a-16))。通过简化处理，专注于指数位的程序实现，可以使用pyinstaller将其打包成exe。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

半精度浮点是指用16bit表示一个浮点数，最高1bit为符号位，中间5bit为指数a，低10bit为尾数b

Value = (符号位)(1+b/1024)*(2^(a-16))

程序很简单，用pyinstaller -F getExp.py压缩成getExp.exe(见另一篇博客py文件打包成exe)可以用

由于只取指数位，程序简单处理了符号位和尾数位

最低0.47元/天 解锁文章

200万优质内容无限畅学
半精度浮点数 是一种被计算机使用的二进制浮点数据类型。半精度浮点数使用2个字节（16位）来存储。
weixin_40191861的博客
09-29 537
IEEE 754 标准指定了一个binary16Sign bit（符号位）： 1 bitExponent width（指数位宽）： 5 bitsSignificand precision（尾数精度）： 11 bits （有10位被显式存储）按如下顺序排列：除非指数位全是0，否则就会假定隐藏的起始位是1。因此只有10位尾数在内存中被显示出来，而总精度是11位。据IEEE 754的说法，虽然尾数只有10位，但是尾数精度是11位的(log10(211) ≈ 3.311 十进制数).
深度学习与浮点数精度问题探究
星辰火之梦
01-14 953
符号位（Sign bit）：1位，用来表示数的正负。0表示正数，1表示负数。指数部分（Exponent）：11位，允许表示一个更宽范围的指数值。指数采用偏置（Bias）表示法，对于双精度浮点数，偏置值为1023。尾数部分（Mantissa 或 Fraction）：52位，加上隐含的前导1，实际上可以提供53位的有效数字精度。−1sign×2×1mantissa−1sign×2×1mantissasign是符号位，0或1；exponent是指数部分的实际二进制值；
半精度浮点数（fp16，Half-precision floating-point）
热门推荐
mc18740458059的博客
09-05 6万+
今天看NVIDIA的帕斯卡架构介绍时，看到了fp16浮点数格式，以前没见过，想弄清楚他的格式和表示范围，几经查找，终于搞懂了。主要参考：fp16-wiki          如图，一个fp16数据占据两个字节，其中1位符号位，5位指数位，10位有效精度。 符号位：0：代表正数；                  1：代表负数。 指数位：与15的偏差。            max_e
指数位的本质：用于控制数值的“数量级”（2 的多少次方）
最新发布
陈开心的博客
06-18 879
FP32、FP16和BF16浮点数格式中，指数位的最大值受到偏移编码和特殊值保留的限制。FP32和BF16使用8位指数，最大指数位值为254（11111110），对应真实指数127；FP16使用5位指数，最大指数位值30（11110），对应真实指数15。由于IEEE 754标准保留全1指数位（如FP32的255）表示特殊值（Inf/NaN），实际可用指数范围减少。浮点数最大值由接近1.999的尾数（全1）乘以2的最大指数次方计算得出，如FP32约为3.4e38。尾数全1时，23位小数位累加得到1.99999
半精度浮点数 是一种被计算机使用的二进制浮点数据类型。半精度浮点数使用2个字节（16位）来存储
weixin_40191861的博客
09-01 283
IEEE 754 标准指定了一个binary16Sign bit（符号位）： 1 bitExponent width（指数位宽）： 5 bitsSignificand precision（尾数精度）： 11 bits （有10位被显式存储）按如下顺序排列：除非指数位全是0，否则就会假定隐藏的起始位是1。因此只有10位尾数在内存中被显示出来，而总精度是11位。据IEEE 754的说法，虽然尾数只有10位，但是尾数精度是11位的(log10(211) ≈ 3.311 十进制数).
半精度浮点数详解
Miracle_cx的博客
04-22 2万+
IEEE754-2008包含一种“半精度”格式，只有16位宽。故它又被称之为binary16，这种类型的浮点数只适合用于存储那些对精度要求不高的数字，不适合用于进行计算。与单精度浮点数相比，它的优点是只需要一半的存储空间和带宽，但是缺点是精度较低。 半精度的格式与单精度的格式类似，最左边的一位仍是符号位，指数有5位宽且以余-16（excess-16）的形式存储，尾数有10位宽，但具有隐含1。 ...
half:半精度16位浮​​点
05-18
一半 该软件包提供了与IEEE 754兼容的功能，可以与半精度16位浮​​点数进行相互转换。 它可以正确处理NaN，无穷大和次正规数。 ＃＃＃目的 该软件包主要用于OpenGL。 通过将顶点或纹理指定为16位浮点数，可以节省视频内存，缩短缓冲区上载时间并加快绘制速度。 除OpenGL外，16位浮点数还用于许多图像格式，例如OpenEXR，以实现高动态范围和深色。 ###限制16位浮点数的范围和精度远小于32位浮点数。 它们可以表示正数值和负数值，小至0.000062，大至65504.0，精度约为3个十进制数字。 例如，将pi舍入为3.140625。 ### Credit转换函数基于Paul“ Phernost” Tessier的Stack Overflow帖子： ://stackoverflow.com/questions/1659440/32-bit-to-16-bit-floa
单精度浮点数和双精度浮点数存储
vincent_vang的博客
10-14 1069
简要对IEEE 754中 单精度浮点数和双精度浮点数存储进行一些分析和解释，欢迎大家来补充纠正
C语言实现单精度与半精度浮点数转换优化
1. 半精度浮点数的数据结构定义，可能使用了位域（bit-fields）来明确地表示半精度浮点数的各个组成部分，例如符号位、指数位和尾数位。 2. 单精度转半精度的转换函数，它可能包括对输入的单精度数进行位级操作，将...
IEEE754二进制单精度浮点数
m0_61174350的博客
10-14 1715
记录IEEE754二进制32/64位浮点数组成
半精度（FP16），单精度（FP32），双精度（FP64）
是抹茶味的啊的博客
07-27 4万+
在单精度32位格式中，1位用于指示数字为正数还是负数。指数保留了8位，这是因为它为二进制，将2进到高位。其余23位用于表示组成该数字的数字，称为有效数字。 而在双精度下，指数保留11位，有效位数为52位，从而极大地扩展了它可以表示的数字范围和大小。半精度则是表示范围更小，其指数只有5位，有效位数只有10位。 半精度的格式与单精度的格式类似，最左边的一位仍是符号位，指数有5位宽且以余-16（excess-16）的形式存储，尾数有10位宽，但具有隐含1。 如图所示，sign为符号位，0表...
半精度浮点格式数据运算程序
03-28
浮点数格式，有exponent和mantissa，使用C语言实现浮点格式数据加减乘除程序。 不要全部照抄，老师或助教一看代码就会发现的，hhhh 最好可以优化一下
单精度浮点(32bit float)与半精度浮点(16bit)的理解及开根号求倒数算法
Hugoo_Hu 雨夜星空
02-23 1万+
最近在搞DSP，所以不可避免地会遇到浮点数，包括半精度浮点(16bit) 和单精度浮点(32bit)。 1、根据wiki百科介绍，IEEE 754规范中规定的32bit float point的格式为：（以下引用wiki百科https://en.wikipedia.org/wiki/Single-precision_floating-point_format） Sign bit: 1
深度学习的半精度浮点数的运用
深度学习领域优质创作者，优快云博客专家
01-10 1514
从我们前面学习到的各种点积运算、填充扩大、池化缩减、甚至图片的旋转，增亮等等操作，实际上可以发现即便图片有一些“噪声”，对于输出的结果其实影响是非常小的，也就是说神经网络的健壮性就显得实数的精度没有很大的意义
FPGA学习笔记(2):半精度浮点数乘法器和半精度浮点数加法器的Verilog实现
qq_19655649的博客
08-11 7801
Verilog实现半精度浮点数的加法器与乘法器
半精度浮点数在计算机中的表示方式
萧戈的专栏
02-29 1679
半精度浮点数（Half-precision floating-point）是一种计算机数学中使用的浮点数表示方法。在IEEE 754-2008标准中，半精度浮点数被定义为使用16位（即2字节）来表示。这种16位的表示方式在存储空间有限或处理速度要求较高的场景下非常有用，但其表达的数值范围和精度相比于单精度（32位）和双精度（64位）浮点数要小得多。其中，�S是符号位，�E是指数部分（考虑偏移），�M是尾数部分，表示为1加上二进制小数。
双精度，单精度和半精度
程序员深度学习
11-17 4万+
浮点数是计算机上最常用的数据类型之一，有些语言甚至数值只有浮点型（Perl，Lua同学别跑，说的就是你）。 常用的浮点数有双精度和单精度。除此之外，还有一种叫半精度的东东。 双精度64位，单精度32位，半精度自然是16位了。 半精度是英伟达在2002年搞出来的，双精度和单精度是为了计算，而半精度更多是为了降低数据传输和存储成本。 很多场景对于精度要求也没那么高，例如分布式深
verilog实现IEEE754单精度/半精度浮点数加减运算
m0_51266242的博客
10-07 4906
IEEE754标准半精度浮点数运算原理及verilog实现
浮点数单精度32b与半精度16b转换C语言IEEE 754
happy_baymax的博客
05-27 7788
IEEE 754-标准二进制算术浮点数 （1） 单精度(32位)浮点数的结构： 名称 长度 比特位置 符号位 Sign （S） : 1bit （b31） 指数部分Exponent （E） : 8bit （b30-b23） 尾数部分Mantissa （M） : 23bit （b22-b0） 其中的指数部分（E）采用的偏置码（bias
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值