floating-point 相关问题

我有一些代码可以解析浮点数，如果可以将数字转换为无符号而不丢失精度，则返回无符号整数： #包括 #包括我有一些代码可以解析浮点数并返回一个无符号整数（如果该数字可以转换为无符号而不丢失精度）： #include <charconv> #include <string_view> #include <stdint.h> uint64_t read_uint(std::string_view num) { double d; auto r = std::from_chars(num.data(), num.data() + num.size(), d); if (r.ec == std::errc() && r.ptr == num.data() + num.size()) { uint64_t u = (uint64_t)d; if (d == u + 0.0) // conversion back to a double produced identical value return u; } return ~0ull; // error, return -1 } 期望是： assert(read_uint("1.0") == 1); assert(read_uint("1.0654553e+07") == 10654553); assert(read_uint("1.1") == ~0ull); // error assert(read_uint("-123") == ~0ull); // error 但是，当以 avx/avx2/avx512 为目标并使用 -fast-math 时，此代码在 x64/x86 优化构建上惨遭失败。具体来说，解析负数失败： assert(read_uint("-123") == ~0llu); 它不是返回 -1，而是实际返回 -123（转换为 uint64_t）。失败的原因是因为转换回 double 来验证结果是否相同会产生不同的结果： uint64_t u = (uint64_t)d; if (d == u + 0.0) // u + 0.0 produces different result return u; 顺便说一句，当瞄准avx512时，投射也会产生不同的价值： uint64_t u = (uint64_t)d; // u might not be exact when targeting avx512 显然，这段代码充满了错误和陷阱，我有一些问题：有什么问题，有UB吗？（忽略像底层 uint64_t 这样明显的东西可能无法用双精度表示）为什么uint64_t u = (uint64_t)d用fast-math和avx512产生不同的结果？为什么u + 0.0用fast-math和avxN产生不同的结果？这里正确的方法应该是什么？是否有编译时标志来识别代码中此类可能的情况？注意，对于 MS 编译器，我没有看到上述任何问题。无论优化、浮点模型或目标架构如何，值始终准确/相同。顺便说明一下，这并不是产品中使用的确切代码，而是其中的一些摘录。它解析由 Polygon.io json API 返回的数字。也许，他们不小心使用 python 转储了数字，我见过一些情况，其中值是“1.0”、“1.0654553e+07”等，而不是普通整数。到目前为止，作为一个简单的解决方法，我将转换为 uint64_t 更改为： uint64_t u = (uint64_t)fabs(d); 最小示例：https://godbolt.org/z/cKzrK6ven（如果从 clang cmdline 输出中删除 -O2 将会改变）是的，您的代码有未定义的行为。 N4928 转换 fpint p1 浮点类型的纯右值可以转换为整数类型的纯右值。转换截断；即小数部分被丢弃。如果无法表示截断值，则行为未定义在目的地类型中。截断值为-123，无法在目标类型中表示uint64_t（它只能表示非负值），因此这是未定义的行为。请注意，无论您使用 C 风格转换 (uint64_t)d 还是 static_cast<uint64_t>(d)，这都适用。确实，将值为 -123 的 integer 类型的值转换为 uint64_t 会产生明确定义的结果（即 2^64 - 123 = 18446744073709551493）。但这不适用于转换浮点类型的值。

c++ floating-point rounding polygon.io

回答 1 投票 0

floating-point 相关问题

最新问题