IEEE 754 Manipulation de bits Erreur d'arrondi

Question

Sans utiliser les distributions ou les fonctionnalités des bibliothèques, je dois convertir un nombre entier en un nombre flottant avec manipulation de bits. Voici le code sur lequel je travaille actuellement. Il est basé sur le code que j'ai trouvé dans Cast Integer to Float using Bit Manipulation breaks on some integers in C. Le problème que j'ai rencontré concerne les normes d'arrondi dans IEEE 754. Plus précisément mon code arrondit vers 0, mais il devrait arrondir vers des nombres pairs. Quels changements dois-je faire?

unsigned inttofloat(int x) { 
    int bias = 127; 
    int man; 
    int exp = bias + 31; //8-bit exp 
    int count = 0; 
    int tmin = 1 << 31; 
    int manpattern = 0x7FFFFF; 

    int sign = 0; 

    if (x == 0){ 
     return 0; 
    } 
    else if (x == tmin){ 
     return 0xcf << 24; 
    } 

    if (x < 0) { 
     sign = tmin; 
     x = ~x + 1; // makes x negative so that we can accurately represent it later on. 
    } 

    while((x & tmin) == 0){ 
     exp--; 
     x <<= 1; 
     count++; 
    } 

    exp <<= 23; 
    man = (x >> 8) & manpattern; 

    return (sign | exp | man); 
} 

Answer 1

Pour ronde vers le plus proche - liens à même, remplacer (x >> 8) avec:

unsigned u = x; // avoid any potential signed shifting issues 
unsigned lease_significant_bit = (u >> 8) & 1; 
unsigned round_bit = (u >> 7) & 1; // Most significant bit shifted out 
unsigned sticky_bit_flag = !!(u & 0x7F); // All other bits shifts out 

// OP's shifted answer. 
u = (u >> 8): 

// round away if more than half-way or 
// if at half-way and number is odd 
u += (round_bit & sticky_bit_flag) | (round_bit & lease_significant_bit); 

Laissez pour OP simplifier

---

Notez que u += 1 peut se propager sur toute la à travers et nécessitent une augmentation de l'exposant.