什麼是 IEEE 754 浮點數轉換器?
這個工具能將 32 位元的 16 進位值解碼成它在 IEEE 754 單精度標準下所代表的實數——也就是 C、Java 以及大多數現代硬體中 float 型別所採用的格式。只要輸入八個 16 進位數字,計算機就會把它拆成構成浮點數的三個欄位:1 個符號位(sign)、8 個指數位(exponent)與 23 個尾數位(mantissa/fraction),再重新組合成一個十進位數值。
使用方式
以 16 進位輸入這個 32 位元值(例如 40490FDB)。前面的「0x」可加可不加,非 16 進位的字元會自動忽略。若輸入不足 8 位,系統會在左側補零。結果會顯示十進位數值,並列出解碼後的符號位、儲存指數、去偏指數與尾數,方便你自行對照驗證整個位元配置。
公式說明
對於正規化數值(normal number),其值為 $$\text{Value} = (-1)^{s} \times \left(1 + \frac{m}{2^{23}}\right) \times 2^{(e - 127)}$$ 其中 127 是單精度的指數偏移量(bias)。「1 +」代表正規化二進位數固定隱含的前導位元。當儲存指數 \(e\) 為 0 時,該數屬於非正規數(subnormal):隱含的前導 1 會消失,指數則固定為 -126。當 \(e\) 為 255 時,數值代表無限大(尾數為 0)或非數值 NaN。
實例演算
以 40490FDB 為例。換成二進位後,符號位為 0(正數),指數欄位為 10000000 = 128,因此去偏指數為 \(128 - 127 = 1\)。尾數位的值為 4788187,相當於分數 \(4788187/8388608 \approx 0.5707964\)。最終數值為 $$(1 + 0.5707964) \times 2^{1} \approx 3.14159274$$ 也就是圓周率 π 在單精度下最接近的近似值。
特殊值與常見的 IEEE 754 單精度值
以下是你最常遇到的 IEEE 754 binary32(單精度)位元型樣。32 個位元分為 1 個符號位元、8 個指數位元(偏移值 127)與 23 個小數位元。符號、指數與尾數欄位顯示解碼後的各欄位。
| 十六進位 | 符號 | 指數(偏移後) | 尾數(小數欄位) | 意義 |
|---|---|---|---|---|
| 00000000 | 0 | 0 | 0 | +0 |
| 80000000 | 1 | 0 | 0 | -0(與 +0 比較相等) |
| 3F800000 | 0 | 127 | 0 | 1.0 |
| BF800000 | 1 | 127 | 0 | -1.0 |
| 40000000 | 0 | 128 | 0 | 2.0 |
| 3F000000 | 0 | 126 | 0 | 0.5 |
| 40490FDB | 0 | 128 | 0x490FDB (4788187) | ≈ 3.14159274(最接近 π 的浮點數) |
| 7F800000 | 0 | 255 | 0 | +無窮大 |
| FF800000 | 1 | 255 | 0 | -無窮大 |
| 7FC00000 | 0 | 255 | 0x400000(最高小數位元設為 1) | 安靜型 NaN |
| 00000001 | 0 | 0 | 1 | 最小正次正規數,2-149 ≈ 1.4013e-45 |
| 00800000 | 0 | 1 | 0 | 最小正正規數,2-126 ≈ 1.1755e-38 |
| 7F7FFFFF | 0 | 254 | 0x7FFFFF (8388607) | 最大有限值 ≈ 3.4028235e38 |
範例解碼 40490FDB:指數欄位為 128,因此比例為 \(2^{128-127} = 2\)。尾數給出 \(1 + \frac{4788187}{8388608} \approx 1.5707964\)。乘積為 \(1.5707964 \times 2 \approx 3.1415927\)。
浮點數術語詞彙表
- 符號位元
- 第 31 位元。0 代表正數,1 代表負數。它也適用於零、無窮大與 NaN,因此 -0 確實存在。
- 偏移指數
- 原始的 8 位元指數欄位(位元 30–23),以 0 到 255 的無號數儲存。
- 未偏移指數
- 真正的二的冪次,等於偏移指數減 127。對於正規數,範圍為 -126 到 +127。
- 指數偏移(127)
- 從儲存指數中減去的常數。它讓此欄位能表示負的冪次,而不需要獨立的符號位元。
- 尾數/有效數/小數
- 儲存的 23 個小數位元(位元 22–0)。「Fraction」指的是儲存的欄位。「Significand」或「mantissa」通常指包含隱含前導位元在內的完整值,共提供 24 位元精度。
- 隱含前導位元
- 對於正規數,二進位小數點前的前導 1 是假設的,不會被儲存。有效數為 \(1 + m/2^{23}\)。
- 正規數
- 指數欄位為 1–254。它們具有隱含前導 1,並具備完整的 24 位元精度。
- 次正規(非正規)數
- 指數欄位為 0 且小數部分不為零。前導位元為 0,指數固定為 -126,因此值為 \(m/2^{23} \times 2^{-126}\)。它們以降低的精度填補零附近的空隙。
- 無窮大
- 指數欄位為 255 且小數部分為零。它由溢位,或非零數除以零產生,並帶有符號。
- NaN(非數字)
- 指數欄位為 255 且小數部分不為零。安靜型 NaN(最高小數位元設為 1,例如 7FC00000)會在運算中靜默傳遞。發信號 NaN(最高小數位元為 0、小數部分不為零,例如 7F800001)在使用時應引發無效運算例外。
- 機器 epsilon
- 1.0 與下一個較大浮點數之間的間距:\(2^{-23} \approx 1.19 \times 10^{-7}\)。
- ULP(最末位單位)
- 給定量級下兩個相鄰浮點數之間的間距。指數每增加一,它就加倍,因此較大數值的絕對精度會降低。
解讀解碼結果
指數欄位範圍
- 0:值為零(小數部分為 0)或次正規數(小數部分不為零)。
- 1–254:正規數,\((-1)^s \times \left(1 + \frac{m}{2^{23}}\right) \times 2^{e-127}\)。
- 255:無窮大(小數部分為 0)或 NaN(小數部分不為零)。
精度
單精度浮點數有 24 個有效位元,約可保存 6 到 9 位有效十進位數字。最多 6 位的十進位數字經過浮點數來回轉換後可以保持不變。需要 9 位數字才能唯一識別一個浮點數。超過此範圍後,末尾數字已無實際意義。
為什麼小數可能與你輸入的不同
轉換器顯示位元中實際儲存的精確值。大多數十進位小數(例如 0.1)沒有有限的二進位展開,因此會被捨入到最接近的浮點數。輸入 0.1 會得到 0x3DCCCCCD。解碼如下:
$$e = 123,\quad m = 5033165,\quad \text{值} = \left(1 + \frac{5033165}{8388608}\right) \times 2^{123-127} \approx 1.6000000238 \times 0.0625 \approx 0.100000001490116$$
略高於 0.1 的部分是捨入誤差,並非轉換錯誤。
端序與記憶體傾印
此處輸入的十六進位值是邏輯上的 32 位元字組,符號位元為最高有效位元。在記憶體中,位元組順序取決於平台。小端序系統(x86、多數 ARM 配置)會將 3F800000(1.0)儲存為位元組 00 00 80 3F。大端序系統與多數網路協定則儲存為 3F 80 00 00。如果傾印結果令人意外,請先反轉位元組順序再輸入。
常見問題
為什麼結果不是我預期的那個確切數字?單精度僅有約 7 位十進位有效位數,所以許多十進位數值都會四捨五入到最接近、可被表示的浮點數。
那雙精度(64 位元)呢?本工具處理的是 32 位元單精度。雙精度(double)使用 11 個指數位、52 個尾數位,偏移量則為 1023。
7FC00000 會得到什麼?那是一個 NaN(指數全為 1、尾數不為 0),並非有限數值。