数字错误在计算机程序中常见，特别是在高性能计算和深度学习应用中。高性能计算应用使用双精度浮点数减少错误，而神经网络应用使用单精度浮点数。然而，神经网络在训练时若没有提高对数字错误的鲁棒性，部署时可能受到影响。

IEEE754单精度浮点数采用Z=(-1)^s×M×2^E的形式表示，其中符号位s、有效数M和指数E分别用二进制表示。有效数M为23位，指数E为8位移码。通过示例3125.97的转换，展示了浮点数的规约形式和非规约形式的表示范围及其有效数。规约形式的实际指数范围为[-126,127]，非规约形式用于表示接近0的数。