python中float运算中碰到的问题

为什么在做迭代的过程中上面这个计算比下面快很多啊

ri = 0.5 * np.exp(-(2 * m * pay)/(alpha**np.floor(t/K)*T0))
ri = np.exp(-(2 * m * pay)/(alpha**np.floor(t/K)*T0))

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/768748
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：python: float64与float32转换、压缩比较与转换偏差
• 除此之外, 这篇博客: float32和float64的本质区别(类型对深度学习影响以及python的使用)中的 它会影响深度学习计算效率? 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  float64占用的内存是float32的两倍，是float16的4倍；比如对于CIFAR10数据集，如果采用float64来表示，需要60000*32*32*3*8/1024**3=1.4G，光把数据集调入内存就需要1.4G；如果采用float32，只需要0.7G，如果采用float16，只需要0.35G左右；占用内存的多少，会对系统运行效率有严重影响；（因此数据集文件都是采用uint8来存在数据，保持文件最小）

• 您还可以看一下 黄勇老师的Python从入门到实战 基础入门视频教程（讲解超细致）课程中的 转换为float类型小节, 巩固相关知识点
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^