小编Urs*_*Urs的帖子

比较几台不同机器上的浮点计算结果,它们始终产生不同的结果.这是一个重现行为的简化示例:

import numpy as np
from numpy.random import randn as rand

M = 1024
N = 2048
np.random.seed(0)

a = rand(M,N).astype(dtype=np.float32)
w = rand(N,M).astype(dtype=np.float32)

b = np.dot(a, w)
for i in range(10):
    b = b + np.dot(b, a)[:, :1024]
    np.divide(b, 100., out=b)

print b[0,:3]

不同的机器会产生不同的结果

• [-2.85753540e-05 -5.94204867e-05 -2.62337649e-04]
• [-2.85751412e-05 -5.94208468e-05 -2.62336689e-04]
• [-2.85754559e-05 -5.94202756e-05 -2.62337562e-04]

但我也可以得到相同的结果,例如在同一年份的两台MacBook上运行.这种情况发生在具有相同版本的Python和numpy的机器上,但不一定与相同的BLAS库链接(例如,加速Mac上的框架,Ubuntu上的OpenBLAS).但是,不同的数值库是否应该符合相同的IEEE浮点标准并给出完全相同的结果？