用Python实现机器精密跨平台

我正在进行数值模拟，由于机器精度问题，在不同的平台上得到了不同的结果。举一个简单的例子（我不认为实际上失败了，但可以）：

将numpy导入为np
np.random.seed（seed=42）
VAL=np.rand.rand（int（1e5））
阈值=0.5
有效值=np，其中（有效值>阈值）

---

尽管我已经为随机数生成器设定了种子，但由于机器精度的不同，可能会有非常接近阈值的值在一个系统上的计算结果高于阈值，而不是在另一个系统上。有没有标准的方法来处理这个问题？

一种解决方案是强制对取整整数进行比较。我可以上新课

类整数（对象）：
定义初始值（自我、无效、刻度=1e5）：
self.initial=无效
self.value=np.round（无效*刻度）。aType（整数）
self.scale=scale
定义（自身、其他）：
返回self.value>other.value
定义（自身、其他）：
返回self.value

然后我可以做比较

good_vals = np.where(int_rounded(vals) > int_rounded(threshold))

---

这似乎迫使跨平台的结果相同，但我怀疑有一些故障模式我没有遇到。

如果依赖于系统相关的默认值，则使用显式数据类型？在两个系统上都设置为float64，因此我想我需要定义一个新的类似float的数据类型来强制相同的计算。对不起，你是什么意思？我不明白你的前提是如何得出结论的。它们已经是相同的数据类型了。我不认为显式设置数据类型会改变行为？除非有一种我不知道的数据类型，它强制跨平台使用相同的精度。你确定这只是数值精度吗？随机不保证是可复制的（参见）顺便问一下，你们的两个平台是什么？Linux/win/mac？您是否也更改了python版本？一个明显的问题是，如果您比较的浮点值远远大于int的最大值。因此，可能需要更多的检查，但由于这是可行的，而且没有人提出更好的方案，我接受了。