Python 为什么numpy.convalve没有表现出联想性？

我知道离散卷积应该是关联的。如果我有一些数组，x，那么x*（x*（x*x））应该等于（x*x）*（x*x）。但在某些情况下，这种情况不会发生

下面是使用四个示例来练习该公式的代码：

[1,1]#有效
[-542982385998425]#有效
[-95.3720828588315，52.6296402253613]#工程
[-94.25133703348938，90.419992675677854]#破损

将numpy导入为np
def main（）：
int_ok=np.array（[1,1]，dtype=np.int）
int_较大=np.array(
[-542982385998425]，dtype=np.int
)
float_ok=np.array(
[-95.3720828588315，52.6296402253613]，数据类型=np.float
)
float_break=np.array(
[-94.25133703348938，90.419992675677854]，dtype=np.float
)
固定装置=[int_正常，int_较大，float_正常，float_损坏]
对于夹具中的夹具：
参考=np.convolve(
固定装置
卷积(
固定装置
卷积(
固定装置
固定装置
)
)
)
tmp=np.卷积（夹具，夹具）
测试=np.卷积（tmp，tmp）
打印（'输入'，夹具）
打印（'参考输出'，参考）
打印（'输出'，测试）
all_equal=all（参考==测试）
打印（“全部相等”，全部相等）
如果不是所有人都平等：
打印（'错误'，np.abs（参考-测试））
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

我假设这是由于某种数值不稳定性造成的，但我不太清楚到底发生了什么

有人有什么想法吗

谢谢。

受Mark Dickinson这一评论的启发，我重新编写了我的原始代码，因此我不再假设结果完全相同，而是使用numpy.allclose

以下是修改后的代码：

将numpy导入为np
def main（）：
int_ok=np.array（[1,1]，dtype=np.int）
int_较大=np.array(
[-542982385998425]，dtype=np.int
)
float_ok=np.array(
[-95.3720828588315，52.6296402253613]，数据类型=np.float
)
float_break=np.array(
[-94.25133703348938，90.419992675677854]，dtype=np.float
)
固定装置=[int_正常，int_较大，float_正常，float_损坏]
对于夹具中的夹具：
参考=np.convolve(
固定装置
卷积(
固定装置
卷积(
固定装置
固定装置
)
)
)
tmp=np.卷积（夹具，夹具）
测试=np.卷积（tmp，tmp）
如果np.ALLCOSE（参考、测试）：
打印（“正常”，固定装置）
其他：
打印（“失败”，夹具）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

---

numpy.allclose

正在返回

True

，因此我认为这是我将得到的最佳解决方案。

即使是普通加法（或乘法）也与二进制浮点无关。我不认为有任何理由期望像卷积这样更复杂的东西是完全关联的。@MarkDickinson的可能重复这是一个关于浮点不关联的好观点，但我希望结果至少是接近的，即使不精确。这就是为什么我有第二张支票。我原以为差异很大，但在给numpy.allclose打电话询问结果后，结果还是真的。所以我猜他们在数字上没有明显的不同，他们不只是很接近；他们非常接近。至少在我的机器上，在您失败的情况下，

参考

从

测试

中出来，在五个条目中的三个条目中，最后一位（ulp）正好有一个单位，而在其他两个条目中正好相等。换句话说，所有条目的相对误差都大于2e-16。考虑到浮点的精度有限，在这里你真的不能再要求更好的了。卷积是关联的，所以你就不能使用

functools.reduce（np.convolve，*inputs）

？