Во время поиска какого-то многозначного материала я столкнулся с вопросом о точности округления numpy.dot():
Numpy: Разница между точками (a, b) и (a * b).sum()
Так как у меня на компьютере есть две (разные) компьютеры с процессорами Haswell, которые должны обеспечить FMA и все, я думал, что испытаю пример, данный Офионом в первом ответе, и я получил результат, несколько удивил меня:
После обновления/установки/исправления lapack/blas/atlas/numpy я получаю следующее на обеих машинах:
>>> a = np.ones(1000, dtype=np.float128)+1e-14
>>> (a*a).sum()
1000.0000000000199999
>>> np.dot(a,a)
1000.0000000000199948
>>> a = np.ones(1000, dtype=np.float64)+1e-14
>>> (a*a).sum()
1000.0000000000198
>>> np.dot(a,a)
1000.0000000000176
Таким образом, стандартное умножение + sum() более точное, чем np.dot(). timeit однако подтвердил, что версия .dot() быстрее (но не очень) для float64 и float128.
Может ли кто-нибудь объяснить это?
edit: Я случайно удалил информацию о версиях numpy: те же результаты для 1.9.0 и 1.9.3 с python 3.4.0 и 3.4.1.
