降低Python中的浮点精度以提高性能
我正在用Python在树莓派上工作。我使用互补滤波器来从陀螺仪获取更好的数值，但这消耗了树莓派太多的电力——大约70%。我想通过减少浮点数的精度来提高性能。现在的结果有大约12位小数，这远远超过了我的需求。有没有办法设置最大精度？单纯四舍五入数字并不能满足我的需求，因为这又是一种计算。谢谢！
编辑：我尝试使用Decimal模块，设置精度为6时，它的速度几乎比浮点数慢了6倍！有没有其他方法可以处理定点数，而不是使用Decimal（看起来它是为了更高的精度而设计的，而不是为了性能）
2 个回答
可能你理解错了。
陀螺仪的数据流动速度比较慢，所以你有足够的时间用任何合理的过滤器来处理这些数据。甚至连卡尔曼滤波器都可以用（虽然可能没必要）。你多久采样一次陀螺仪和加速度计的数据？合理的最大值是几百赫兹，不要超过这个。
加速度计和陀螺仪的互补滤波器非常轻量级，使用它几乎不会消耗太多的处理能力。它可以在慢速的8位处理器上实现，所以树莓派用它完全是绰绰有余。
根据你使用互补滤波器的方式，这个滤波器本身需要进行一些浮点运算。如果你计算反正切或类似的函数，那就需要几百次浮点运算。如果你以1 kHz的频率进行这样的计算，可能会消耗几百kFLOPS（每秒浮点运算次数）。而树莓派的浮点运算能力大约是100 MLFOPS，所以还有很大的余地。
因此，降低浮点运算的精度并不会有太大帮助，问题可能出在其他地方。如果你能多分享一些代码，或许能找到问题所在！
你可以通过numpy强制使用单精度浮点数进行计算。
不过，我会很惊讶如果单精度浮点数的计算速度比双精度快：树莓派有硬件支持浮点运算，所以我认为所有的计算都是以完整的80位精度进行的，然后在保存到内存时再四舍五入到32位或64位的结果。唯一可能的好处就是在保存这些值时，使用的内存带宽会稍微少一些。