为何调用t.item()时PyTorch浮点数出现精度异常？1.3无法准确表示

这不是PyTorch的bug，而是单精度浮点数的二进制存储特性导致的，和PyTorch本身无关：

• 十进制的1.3无法被二进制浮点数精确表示：1.3转换成二进制是无限循环的小数（类似十进制里的1/3=0.333...），而torch.FloatTensor（包括默认的torch.Tensor）使用的是32位单精度浮点数，存储位数有限，只能存储1.3的近似值，实际存储的数值就是1.2999999523162842。
• PyTorch打印张量时会自动做四舍五入处理，所以tensor([[1.3000]])是简化后的显示结果，而item()方法会直接返回张量存储的原始精确值，所以两者输出不同。
• 1.5能正常精确表示是因为它的二进制是有限位数的：1.5的二进制是1.1，可以被32位浮点数完全存储，所以不管是打印张量还是用item()获取，结果都是1.5。

你可以用以下代码验证这个特性：

# 验证Python原生float的近似性（Python float是64位双精度）
print(float(1.3))  # 输出: 1.3000000000000001

# 用双精度张量对比误差
t_double = torch.DoubleTensor([[1.3]])
print(t_double)  # 输出: tensor([[1.3000]], dtype=torch.float64)
print(t_double.item())  # 输出: 1.3000000000000001

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