Floating point 减少训练数据中小数的nr

我使用Tensorflow支持的Keras来训练我的模型，我对训练数据中小数的nr有一个问题。 减少训练数据中小数的nr是否会影响输出？我的原始数据有15个小数，我想把它减少到8，因为数据用8个小数很好地表示。你对此有什么经验

+-------------------+---------------------+
|     Original      | round to 8 decimals |
+-------------------+---------------------+
| 0.675477266311645 |   0.675477270000000 |
| 0.670092999935150 |   0.670093000000000 |
| 0.660303473472595 |   0.660303470000000 |
| 0.698482632637023 |   0.698482630000000 |
| 0.747430264949798 |   0.747430260000000 |
| 0.734703838825225 |   0.734703840000000 |
| 0.783161997795104 |   0.783162000000000 |
| 0.760156631469726 |   0.760156630000000 |
| 0.760156631469726 |   0.760156630000000 |
| 0.763582944869995 |   0.763582940000000 |
| 0.766519844532012 |   0.766519840000000 |
| 0.766519844532012 |   0.766519840000000 |
| 0.747919738292694 |   0.747919740000000 |
+-------------------+---------------------+

---

你已经回答了你的问题。如果您知道您的数据以8位小数很好地表示，则可以在不损失准确性的情况下删除其余的数据。最终，它将不会有太大的问题，因为内部的地方将被使用无论如何。仅仅因为您在输入中保留了一些位置，并不意味着模型中变量的精度也会下降。它们仍然（大概）是32位浮点数。

为什么不自己试试呢？我认为你的产出不会受到太大的影响，但不尝试就很难知道。