Python 3.x 为什么numpy将真正小的数字视为零？

我正在做一个优化任务。考虑“球面基准函数”的两个维度：

函数的代价为零，其中x和y为零。然而，考虑这个例子：

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

---

成本不应该是零，但它是零。是否有办法解决此问题？

普通浮点精度将把数字截断为零。如果您真的想使用这么小的值，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

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