为什么numpy将非常小的数字视为零？

Question

我正在执行优化任务。在两个维度上考虑“领域基准函数”。

import numpy as np
x = y = 0
X = np.array([x, y])
cost = np.sum(X**2)
print(cost) # zero

函数的成本为零，其中x和y为零。但是请考虑以下示例：

import numpy as np
X = np.array([-6.5333928195191023e-163,  2.7628829205465545e-163])
Y = X**2 # [0, 0]
cost = np.sum(Y) # zero
print(cost) # zero

成本不应该为零，而应该为零。反正有解决此问题的方法吗？

Answer 1

正常的浮点精度会将您的数字截断为零。如果您真的想使用很小的值，可以执行以下操作：

X = np.array([-6.5333928195191023e-163,  2.7628829205465545e-163], dtype=np.longdouble)
Y = X**2 # [0, 0]
cost = np.sum(Y) # zero
print(cost) # zero
>> 5.0318743766791623303e-325