単純な減算はTensorflowで間違った値を与えます

簡単に言うと、5.2には終了バイナリ表現がないという理由があります。したがって、1/310進数でどのように見えるかを知っている場合は、の同じ状況を想像してみてください5.2。次の点を常に覚えておいてください。

10進数は、最も単純な分数形式で記述された10進数に、の累乗である分母がある場合にのみ、終了する2進数表現を持ち2ます。

あなたが考える場合5.2、それはある52/10か26/5、と5の力ではありません2。現在、float32（倍精度演算）では、それを表すのに32ビットしかありません。したがって、もちろん、それはそれと非常に近い5.2が完全に同じではない数を表すことになります。

したがって、減算の計算に関するTensorFlowは、わずかな違いをもたらします。

ただし、数値を変換するとtf.float64、表現はまだ正確ではありませんが、エラーが消えるのがわかります。これはPrintあなたの人生をよりシンプルにする機能の真の努力です。全景を表示しているわけではありません。これは、64-bit算術演算では、真の値と内部的に表される値の差が32-bit算術演算よりもはるかに小さいためです。したがって、Print関数はゼロの連続ストリームを認識し、それを切り捨てます。

しかし、あなたがそのようなものを使うならば、あなたは次のようなPrint('%.60f'% <YOUR RESULT>)ものを見るでしょう

with tf.Session() as sess:
    ...:     for i in range(10):
    ...:         c = sess.run(a - e)
    ...:     
2018-09-09 18:50:42.209402: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1471] Adding visible gpu devices: 0
2018-09-09 18:50:42.209464: I tensorflow/core/common_runtime/gpu/gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-09-09 18:50:42.209475: I tensorflow/core/common_runtime/gpu/gpu_device.cc:958]      0 
2018-09-09 18:50:42.209484: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   N 
2018-09-09 18:50:42.209635: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1084] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 10397 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1080 Ti, pci bus id: 0000:02:00.0, compute capability: 6.1)


for item in c:
    ...:     print('%.60f' % item)
    ...:     
1.780000000000000248689957516035065054893493652343750000000000
0.780000000000000248689957516035065054893493652343750000000000
1.780000000000000248689957516035065054893493652343750000000000
-1.219999999999999751310042483964934945106506347656250000000000
-0.219999999999999751310042483964934945106506347656250000000000
-1.219999999999999751310042483964934945106506347656250000000000