Firebase事务精度损失
有人知道为什么。
共有1个答案
这是浮点表示的一个众所周知的属性。
出现这个问题是因为，在本例中，0.02不能精确地表示为浮点数。它可以精确地用十进制(2x10^-1)表示，但在二进制中，它有一个反复出现的“1001”(1.1001100110011001...x2^-3)。
你所看到的类似于用小数表示1/3为0.333。你希望从1的3倍减去1/3会留下0，但从1的3倍减去0.333会留下0.001。
-
问题陈述： 编写一个方法whatTime，它采用int，seconds，表示从某一天午夜开始的秒数，并返回一个格式为“：”的字符串。此处，表示自午夜以来的完整小时数，表示自上一完整小时结束以来的完整分钟数，以及自上一完整分钟结束以来的秒数。和中的每一个都应该是整数，没有额外的前导0。因此，如果秒为0，则应返回“0:0:0”，而如果秒为3661，则应返回“1:1:1” 我的算法： 以下是我的算法对输
-
问题内容： 我有一个关于精度损失的问题 我的任务是将数字打印为字符串 例如0.2 * 7 = 1.4000000000000001; 0.0000014 / 10 = 1.3999999999999998E-7 如何解决这个问题？ UPD ：主要问题是 字符串 输出格式。我不担心丢失约0.00000001的值。现在，我将其解析为String.format（“％f”，value），但我认为这不是一个
-
问题内容： 我的代码是 编译时出现以下错误 但是，当我使用它代替它成功编译时，那么我的问题是，当所有3个变量（即a，b和c）都是字节数据类型时，为什么需要强制转换？ 问题答案： ，此处的运算符将返回，这就是您需要使用强制转换的原因。
-
我需要解析一个给定的类型（例如：长整型），它用科学记数法表示。例子： 我知道给定字符串的类型，但我不能使用strtoll，因为数字是用科学符号表示的。我所做的是使用strtod转换它，对int64_t进行错误检查，并将其转换回int64_t。ErrCheckInt和ErrCheck Double对整型和浮点型进行错误检查（溢出、下溢等），并将数字强制转换为任何类型。 问题是，当我用双精度解析int
-
我有一个只有完全连接/密集层的深度网络，形状为128-256-512-1024-1024所有层使用激活，没有，最后一层使用激活。 在第20次训练后，验证/测试损失开始逆转并上升，但测试精度也在继续提高。这怎么说得通？如果显示了新的数据，测试的准确性是否准确，或者是否存在某种假阳性？ 我这样编译模型：
-
我的团队正在Tensorflow中训练一个CNN对损坏/可接受部件进行二进制分类。我们通过修改cifar10示例代码来创建我们的代码。在我以前的神经网络经验中，我总是训练到损失非常接近于0（远低于1）。然而，我们现在在训练期间（在一个单独的GPU上）用一个验证集来评估我们的模型，看起来精度在大约6.7K步数后停止增长，而损失在超过40K步数后仍在稳步下降。这是因为过装吗？一旦损失非常接近于零，我们