一倍的速度比漂浮在C#?

StackOverflow https://stackoverflow.com/questions/158889

题

我正在写一个应用程序，它读大阵列的浮筒和执行一些简单的操作。我用漂浮，因为我认为它会比快一倍，但后做了一些研究我们发现，有一些混淆有关这一主题。任何人都可以详细阐述这个吗？

有帮助吗？

解决方案

简短的回答是，"使用任何精确是必需为可接受的结果。"

你一个保证是，上执行的操作浮点的数据是完成至少最高的精密部件的表达。所以乘两个 漂浮's完成至少与精密的 漂浮, 和乘 漂浮 和一个 双 会做至少双倍的精确度。该标准指出，"[浮点]操作可以更高的精度于结果类型的操作。"

鉴于JIT。净试图离开你的浮点运作的精确要求，我们可以看看文件从英特尔对于加快我们的行动。在英特尔的平台您的漂浮点运算可以做一个中间精度为80位，并向下转换为精密的要求。

从英特尔的指南C++浮点运算1 (抱歉只有死树)，他们提及：

  • 用单一精准类型(例如，浮)除非额外的精确度获得通过双重或长期的双重需要。更加精确类型的增加存储器的尺寸和带宽的需求。...
  • 避免的混合数据的类型的运算的表情

最后一点是重要的，因为 你可以慢自己下不必要的转换，从浮动和双, ，其结果在JIT会的代码，其中要求x87投离其80位中间格式之间的作业!

1.是的，它说，C++，但是C#标准加上知识的CLR让我们知道的信息C++应适用在这个实例。

其他提示

我刚刚阅读了“Microsoft .NET Framework-Application Development Foundation 2nd”。对于MCTS考试70-536，第4页（第1章）有一个注释：

  

注意使用内置类型优化性能
  运行时优化了32位整数类型（Int32和UInt32）的性能，因此将这些类型用于计数器和其他经常访问的整数变量。对于浮点运算，Double是最有效的类型，因为这些操作是由硬件优化的。

由Tony Northrup撰写。我不知道他是否是一个权威，但我希望.NET考试的官方书籍应该有一些权重。这当然不是一个保证。我只是想把它添加到这个讨论中。

几周前，我描述了一个类似的问题。最重要的是，对于x86硬件，浮点数与双打的性能没有显着差异，除非你成为内存绑定，或者你开始遇到缓存问题。在这种情况下，花车通常具有优势，因为它们更小。

当前的英特尔CPU在80位宽的寄存器中执行所有浮点运算，因此实际的计算速度不应在浮点数和双精度数之间变化。

如果加载＆amp;商店运营是瓶颈，然后花车会更快，因为它们更小。如果你在加载和存储之间进行了大量的计算，它应该大致相等。

其他人提到避免浮动和放大之间的转换double，以及使用这两种类型的操作数的计算。这是一个很好的建议，如果你使用任何返回双精度的数学库函数（例如），那么将所有内容保持为双精度将会更快。

我正在编写一个光线跟踪器，并为我的Color类替换浮点数加倍，这给了我5％的加速。用双打替换向量浮动的速度再快5％！非常酷:)）

这是Core i7 920

使用387 FPU算法，浮点只比某些长时间的迭代操作（如pow，log等）快两倍（并且只有当编译器正确设置FPU控制字时才会这样）。

使用压缩SSE算法，但它会产生很大的不同。

Matthijs，

你错了。在现代处理器中，32位比16位效率更高......也许不是内存方面的，但在有效性方面，32位是可行的方法。

你真的应该将你的教授更新为更新的“最新”。 ;）

无论如何，要回答这个问题; float和double具有完全相同的性能，至少在我的Intel i7 870上（如理论上）。

以下是我的测量结果：

（我做了一个“算法”，我重复了10,000,000次，然后重复了300次，然后我做了一个平均值。）

double
-----------------------------
1 core  = 990 ms
4 cores = 340 ms
6 cores = 282 ms
8 cores = 250 ms

float
-----------------------------
1 core  = 992 ms
4 cores = 340 ms
6 cores = 282 ms
8 cores = 250 ms

这表明花车的速度略快于双打： http://www.herongyang.com /cs_b/performance.html

通常，只要您对性能进行比较，就应该考虑任何特殊情况，例如使用一种类型需要额外的转换或数据按摩吗？这些加起来并且可以相信这样的通用基准。

在32位系统上浮动应该更快，但是要对代码进行分析以确保您正在优化正确的事情。

我一直认为无论是浮点还是双倍，处理器都经过优化或相同。在我的密集计算中搜索优化（从矩阵中获取大量内容，比较两个值），我发现浮点数的运行速度提高了大约13％。

这令我感到惊讶，但我想这是由于我的问题的本质。我不会在操作的核心中执行float和double之间的转换，我的计算主要是添加，乘法和减法。

这是在我的i7 920上，运行64位操作系统。

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top