numpy.float128 的内部精度是多少？

问题描述：

内部映射到什么精度numpy.float128？是__float128长双精度吗？还是完全不同的东西？

如果有人知道的话，可能会出现一个后续问题：在 C 中将 a 转换__float128为 (16 字节) 长双精度数是否安全，而只是精度有所损失？（这是为了与操作长双精度数的 C 库交互）。

编辑：回应评论，平台是“Linux-3.0.0-14-generic-x86_64-with-Ubuntu-11.10-oneiric”。现在，如果numpy.float128精度随平台不同而变化，那对我来说也是有用的知识！

需要明确的是，我感兴趣的是精度，而不是元素的大小。

解决方案 1：

numpy.longdouble指的是 C 编译器调用的任何类型long double。目前，这是numpy 支持的唯一扩展精度浮点类型。

在 x86-32 和 x86-64 上，这是一个80 位浮点类型。在更奇特的系统上，它可能是其他类型（据我所知，在 Sparc 上它实际上是 128 位 IEEE 浮点数，而在 PPC 上它是双精度浮点数）。（它也可能取决于您使用的操作系统和编译器——例如，Windows 上的 MSVC 根本不支持任何类型的扩展精度。）

Numpy 还将导出一些名称，如numpy.float96或numpy.float128。导出哪个名称取决于您的平台/编译器，但无论您得到什么，它总是引用与 相同的基础类型longdouble。此外，这些名称非常容易引起误解。它们并不表示 96 位或 128 位 IEEE 浮点格式。相反，它们表示基础类型使用的对齐位数long double。例如在 x86-32 上，long double是 80 位，但会填充到 96 位以保持 32 位对齐，numpy 称之为float96。在 x86-64 上，long double再次是相同的 80 位类型，但现在它被填充到 128 位以保持 64 位对齐，numpy 称之为float128。没有额外的精度，只有额外的填充。

建议：忽略float96/float128名称，只使用numpy.longdouble。或者更好的是，除非您有真正令人信服的理由，否则最好坚持使用双打。它们会更快、更便携等。

解决方案 2：

强烈建议使用它longdouble来代替 float128，因为 ATM 相当混乱float64。Python 将在初始化期间将其转换为。

在 numpy 中，它可以是 double 或 long double。它在您的平台中定义npy_common.h并取决于您的平台。我不知道您是否可以将其开箱即用地包含在您的源代码中。

如果您不需要算法的这一部分的性能，那么更安全的方法是将其导出为字符串并strold在之后使用。

解决方案 3：

来自numpy 文档的 TLDR ：

np.longdouble填充为系统默认值；np.float96并且np.float128提供给需要特定填充的用户。尽管名称不同，np.float96并且np.float128仅提供与一样的精度np.longdouble，即在大多数 x86 机器上为 80 位，在标准 Windows 版本中为 64 位。