Python 将np.float64对象除以2将生成返回值'；s数据类型np.32？

当我阅读一些Tensorflow源代码时，我发现：

  if tf_dtype.is_floating:
    if spec.dtype == np.float64 and np.any(np.isinf(high - low)):
      # The min-max interval cannot be represented by the np.float64. This is a
      # problem only for np.float64, np.float32 works as expected.
      # Spec bounds are set to read only so we can't use argumented assignment.
      low = low / 2  # pylint: disable=g-no-augmented-assignment
      high = high / 2  # pylint: disable=g-no-augmented-assignment
    return rng.uniform(
        low,
        high,
        size=spec.shape,
    ).astype(spec.dtype)

我对python不是很熟悉。上面的代码看起来很有趣，这意味着

 low = low / 2  
 high = high / 2  

将使新的

低

和

高

的数据类型浮动32。但是当我在python终端中尝试这个时

>>> a = np.array([2.0], dtype=np.float64)
>>> a.dtype
dtype('float64')
>>> b = a/2
>>> b.dtype
dtype('float64')

事情并非如此。代码源在第42行。有人能解释一下吗？谢谢。不用了

这看起来像是计算np.float64数组中最小值和最大值之间的间隔问题的解决方法。tensorflow代码不返回np.float32，而是计算正确的值并使用原始类型返回

---

此外，从您的代码片段中可以看出，您在终端上运行的代码使用纯numpy，并且不会靠近tensorflow库，因此不会从tensorflow中复制任何奇怪的行为

否。要重新缩放到不同的数据类型，可以使用标准化：

zero_to_one = np.divide(old_val/np.amax(old_val)) # normalizes to 0 - 1
new_range = zero_to_one * max_val_of_new_dtype
new_range = np.array(new_range, dtype='desired dtype')