為什么 np.exp(x) 不等于 np.exp(1)**x？
例如：
np.exp(400)
>>>5.221469689764144e 173
np.exp(1)**400
>>>5.221469689764033e 173
np.exp(400)-np.exp(1)**400
>>>1.1093513018771065e 160
uj5u.com熱心網友回復：
這是提高這種差異的 numpy 的優化。
實際上，您必須了解數學中的歐拉數是如何計算的：
e = (1/n)**n n == inf。
我認為 numpy 會按特定順序停止：
您在此處的numpy exp 檔案中對歐拉數的計算方式不是很清楚。
由于該階數不等于無窮大，因此兩次計算中的差異很小。
實際上，該值np.exp(400)是使用以下方法計算的：(1 400/n)**n
>>> (1 400/n)**n
5.221642085428121e 173
>>> numpy.exp(400)
5.221469689764144e 173
在這里，您擁有n = 1000000000000的非常小，并且在 10e-5 時提高了這種差異。
事實上，歐拉數沒有確切的值。就像Pi，你只能有一個近似值。
uj5u.com熱心網友回復：
這看起來像是一個舍入問題。在第一種情況下，它在內部使用非常精確的值e，而在第二種情況下，您得到的值不太精確，當乘以 400 倍時，精度問題變得更加明顯。
使用 Windows 計算器時的實際結果是5.2214696897641439505887630066496e 173，因此您可以看到第一個結果很好，而第二個結果則不然。
5.2214696897641439505887630066496e 173 // calculator
5.221469689764144e 173 // exp(400)
5.221469689764033e 173 // exp(1)**400
從您的結果開始，它看起來使用了 15 位精度的值。
2.7182818284590452353602874713527 // e
2.7182818284590450909589085441968 // 400th root of the 2nd result
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/391875.html
上一篇：如何根據另一個陣列的間隔獲取一個numpy陣列的排名？
下一篇：更改跟蹤行為Numpy