Format titik terapung berketepatan dua kali

Format titik terapung berketepatan dua ialah format data komputer yang membenarkan perwakilan nombor nyata dengan ketepatan tertentu, atau bilangan digit bererti. Akronim "DPFP" bermaksud titik terapung berketepatan ganda. Format ini biasanya digunakan dalam aplikasi saintifik dan kejuruteraan di mana banyak tempat perpuluhan ketepatan diperlukan dan, berbanding dengan format titik terapung ketepatan tunggal, menawarkan lebih banyak bit ketepatan (54 bit).

Perwakilan ketepatan dua nombor nyata terdiri daripada tiga bahagian: tanda (s), eksponen (e), dan mantissa (m). Tanda (s) menunjukkan sama ada nombor nyata adalah negatif (s=1) atau positif (s=0). Eksponen (e) ialah nombor binari yang menunjukkan kuasa yang nombor asas 2 mesti dinaikkan atau dibahagikan untuk mendapatkan nombor yang dikehendaki. Akhir sekali, mantissa (m) ialah pecahan binari yang mewakili digit nombor nyata di sebelah kanan titik perpuluhan.

Untuk menyimpan nilai ketepatan dua kali dalam ingatan komputer, 64 bit diperuntukkan sebagai 8 bait. Ini mengikuti format khusus yang dikenali sebagai standard IEEE 754 untuk nombor titik terapung, yang digunakan untuk memastikan keserasian merentas seni bina yang berbeza. Bit pertama memori 8-bait digunakan untuk mewakili bit tanda (s). 11 bit seterusnya mewakili eksponen (e) dan baki 52 bit mewakili mantissa (m).

Sejak 2018, format titik terapung berketepatan dua digunakan dalam unit pemprosesan grafik (GPU) sebagai cara untuk mencapai lebih ketepatan dan prestasi yang lebih baik dalam aplikasi saintifik dan kejuruteraan, dan dalam pengkomputeran tujuan umum pada unit pemprosesan grafik (GPGPU). Selain itu, operasi titik terapung berketepatan dua boleh dilakukan pada CPU moden serta GPU, mengambil kesempatan daripada keselarian — teknik yang membolehkan pengiraan serentak beberapa bahagian masalah — untuk mempercepatkan proses.

Dengan pembangunan rangkaian neural pembelajaran mendalam berskala besar, penggunaan apungan berketepatan dua dalam seni bina GPU telah menjadi semakin penting, kerana ia membolehkan penangkapan dan simulasi butiran yang lebih halus dalam imej, klip bunyi dan jenis data lain.