如何在Jupyter中使用bfloat16（bf16）？numpy及Python版本已更新

最新版NumPy已经原生支持bfloat16类型，无需额外安装第三方库，直接在Jupyter中按以下方式操作即可：

1. 确认NumPy版本 #

先在Jupyter单元格中执行代码，确保使用的是支持bf16的NumPy版本（需1.20及以上，你提到的最新版肯定满足）：

import numpy as np
print(np.__version__)

2. 创建与使用bfloat16数组 #

直接创建bf16数组 #

# 直接指定dtype为bfloat16
bf16_array = np.array([3.14, 2.718, 1.618], dtype=np.bfloat16)
print(bf16_array)
print(bf16_array.dtype)

从其他数值类型转换 #

# 从float32转换为bf16
float32_array = np.array([10.5, -0.3], dtype=np.float32)
bf16_converted = float32_array.astype(np.bfloat16)
print(bf16_converted)

3. Jupyter环境注意事项 #

• 如果遇到np.bfloat16未定义的情况，大概率是Jupyter内核未关联到安装了最新NumPy的Python环境。此时可以在Jupyter单元格中执行：

!pip install numpy --upgrade

然后重启Jupyter内核即可。

• bf16的精度仅为float32的一半（8位有效数字 vs 23位），运算时注意精度损失问题，适合对精度要求不高但追求性能/内存节省的场景。

4. 与深度学习框架配合（可选） #

如果需要和PyTorch、TensorFlow等框架配合使用bf16，可直接进行类型转换：

PyTorch示例 #

import torch
# 从NumPy bf16数组转换为PyTorch bf16张量
torch_bf16 = torch.tensor(bf16_array, dtype=torch.bfloat16)

TensorFlow示例 #

import tensorflow as tf
# 创建TensorFlow bf16张量
tf_bf16 = tf.constant([1.0, 2.0], dtype=tf.bfloat16)

内容的提问来源于stack exchange，提问作者Nimasha Pilippange