如果我有一个numpy dtype,我该如何自动将其转换为最接近的python数据类型？例如,
numpy.float32 -> "python float"
numpy.float64 -> "python float"
numpy.uint32 -> "python int"
numpy.int16 -> "python int"
我可以尝试提出所有这些情况的映射,但是numpy是否提供了一些自动方式将其dtypes转换为最接近的可能的本机python类型？这种映射不一定是详尽无遗的,但它应该转换具有close python模拟的常见dtypes.我认为这已经发生在numpy的某个地方了.
当我将float64数字转换为数字时,float32我得到一个奇怪的结果:
In [22]: np.float32(20140131.0)
Out[22]: 20140132.0
为什么会这样？
我正在对合成数据进行实验（例如拟合正弦曲线），我在 pytorch 中遇到了非常小的错误。一如约2.00e-7。我正在阅读有关机器精度的信息，它似乎非常接近机器精度。我怎么知道这是否会导致问题（或者它是否已经存在，例如我无法区分不同的错误，因为它们是“机器零”）。
错误：
p = np.array([2.3078539778125768e-07,
1.9997889411762922e-07,
2.729681222011256e-07,
3.2532371115080884e-07])
m = np.array([3.309504692539563e-07,
4.1058904888091606e-06,
6.8326703386053605e-06,
7.4616147721799645e-06])
让我感到困惑的是，我尝试将我认为的数字添加到较小的数字中，以便它没有返回任何差异，但它确实返回了一个差异（即我尝试a+eps = a使用eps = smaller than machine precision）：
import torch
x1 = torch.tensor(1e-6)
x2 = torch.tensor(1e-7)
x3 = torch.tensor(1e-8)
x4 = torch.tensor(1e-9)
eps = torch.tensor(1e-11)
print(x1.dtype)
print(x1)
print(x1+eps)
print(x2)
print(x2+eps)
print(x3)
print(x3+eps)
print(x4)
print(x4+eps)
输出：
torch.float32
tensor(1.0000e-06)
tensor(1.0000e-06)
tensor(1.0000e-07)
tensor(1.0001e-07)
tensor(1.0000e-08)
tensor(1.0010e-08)
tensor(1.0000e-09)
tensor(1.0100e-09)
我希望一切都为零，但事实并非如此。有人可以向我解释发生了什么吗？如果我的损失接近，1e-7我应该使用double而不是float? 谷歌搜索似乎 single 是 float afaik 的精度。
如果我想使用双打，什么是缺点/优点 …
继续从Python float和numpy float32之间的差异开始：
import numpy as np
a = 58682.7578125
print(type(a), a)
float_32 = np.float32(a)
print(type(float_32), float_32)
print(float_32 == a)
印刷品：
<class 'float'> 58682.7578125
<class 'numpy.float32'> 58682.8
True
我完全理解，比较浮点数是否相等不是一个好主意，但还是不应该为False（我们在谈论的是第一个十进制数字的差异，而不是0.000000001）？是否依赖系统？是否在某处记录了这种行为？
编辑：好吧，这是第三位小数：
print(repr(float_32), repr(a))
# 58682.758 58682.7578125
但是我可以相信repr吗？那些如何最终存储在内部？
EDIT2：人们坚持以更高的精度打印float_32会给我它的表示形式。但是，正如我已经根据nympy的文档评论的那样：
％格式运算符要求将其参数转换为标准python类型
和：
print(repr(float(float_32)))
版画
58682.7578125
@MarkDickinson 在这里给出了一个有趣的见解，显然repr应该是忠实的（然后他说这是不忠实的np.float32）。
因此，让我重申如下问题：
float_32afloat和之间进行比较时，上/下转换的确切规则是什么np.float32？我猜想它会将float_32转换为float，尽管@WillemVanOnsem 在评论中建议相反我的python版本：
在Win32上的Python 3.5.2（v3.5.2：4def2a2901a5，Jun 25 2016，22:18:55）[MSC v.1900 64位（AMD64）]
我意识到 np.islcose() 函数可用于安全地检查浮点数是否相等。不过，目前让我感到困惑的是，使用标准 <= 运算符会得到不同的结果。例如：
add_to = 0.05
value64 = np.float64(0.3) + add_to*4
value32 = np.float32(0.3) + add_to*4
threshold = 0.5
print('is close?')
print(np.isclose(value64, threshold))
print(np.isclose(value32, threshold))
print('is less than or equals to?')
print(value64 <= threshold)
print(value32 <= threshold)
给我
is close?
True
True
is less than or equals to?
True
False
有没有人对此有明智的解决方法？我认为一种选择可能是为 numpy 浮点重载 python 比较运算符，并且（在该函数中）将两个浮点数四舍五入到小数点后第 8 位。但这是在速度有些重要的情况下，感觉有点麻烦。
在此先感谢您的帮助！