汇编学习:float与double速度问题
X86处理器包含两种类型的浮点数寄存器。第一种使用8个浮点寄存器组成浮点寄存器栈,另一种为向量寄存器(XMM,YMM),它们对于单双精度的处理是不同的。本文将讨论两种模式下的浮点数计算速度问题。
一、当我们编译32位程序时,使用的是x87指令集,即使用浮点寄存器堆栈进行浮点计算。此种情况下,单精度与双精度的处理是统一的,故计算速度上没有差异。我们可以做如下验证:
float a,b,c;
c=a*b;
汇编:
fld dword ptr [a] //将a加载到浮点栈顶,即ST(0)=a;
fmul dword ptr [b] //将栈顶元素与b相乘,结果仍存于栈顶,即ST(0)=ST(0)*b
fstp dword ptr [c] //将栈顶元素弹出并保存于c,即c=ST(0),POP();
double a,b,c;
c=a*b;
汇编:
fld qword ptr [a]
fmul qword ptr [b]
fstp qword ptr [c]
可以发现,上述两段代码的汇编代码完全相同.
因此,此种情况下,float与double的计算速度没有差异。在精度满足要求的情况下,可以使用float以便加载更多数据到cache,以提高cache命中率。
二、当编译64 位程序或打开MMX ,SSE,AVX指令集优化时,则使用向量寄存器。在此情况下,float与double的处理使用的是不同汇编指令,关于二者的计算速度,可以参考《Optimizing software in C++》中的一段话:
Single precision division, square root and mathematical functions are calculated faster than double precision when the XMM registers are used, while the speed of addition, subtraction, multiplication, etc. is still the same regardless of precision on most processors (when vector operations are not used).
意思是当使用XMM寄存器时,单精度浮点的除法、开根及一些数学函数的执行要比双精度快,但加法,减法、乘法的计算速度二者没有差异(在没有使用向量操作时)。
此处的向量操作指SIMD,即单指令多数据流。基本思想是将若干个数据加载到一个寄存器内部,一条指令可以同时处理多个数据,一个XMM(128位)可同时装载4个double或8个float,因此在使用SIMD时,一次处理的float数据量为double的两倍。
为了验证64位程序中的float和double的速度差异,下面给出测试程序:
float SqrtfloatV1(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=sqrt(A[i]);
}
return fSum;
} double SqrtdoubleV1(double *A,const int len)
{
double dSum=;
for(int i=;i<len;i++)
{
dSum+=sqrt(A[i]);
}
return dSum;
}
测试结果:
注意事项:
一、浮点数到整数(直接截断)的转换是很低效的,使用浮点堆栈(32位程序)时需要调用函数_ftol2_sse.
double a,b;
int c;
c=a*b;
汇编:
fld qword ptr [a]
fmul qword ptr [b]
call @ILT+(__ftol2_sse) (0EC10CDh) //调用函数_ftol2_sse实现浮点数到整数的转换
mov dword ptr [c],eax
使用XMM寄存器(64位程序)需要指令cvttsd2si:
double a,b;
int c;
c=a*b;
汇编:
movsd xmm0,mmword ptr [a]
mulsd xmm0,mmword ptr [b]
cvttsd2si eax,xmm0 //cvttsd2si指令实现
mov dword ptr [c],eax
下面是测试程序,对一个浮点数组求和:
float AddfloatV1(float *A,const int len)
{
int iSum=;
for (int i=;i<len;i++)
{
iSum+=A[i];//转成整数再求和
}
return (float)iSum;
} float AddfloatV2(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=A[i];
}
return fSum;
}
对于32位程序,测试结果如下:
于64位程序,测试结果如下:
可以看出不管是32位还是64位程序,将浮点数转为整数再求和都会造成效率的大大降低。
关于浮点转整数的优化的讨论,可以参考一篇博文[1].
二、使用XMM寄存器(即当编译64位程序或打开SSE2指令集时),应避免float与double混用,因为编译器需要在计算过程中进行转换。如下:
(1)float与double混用(默认的浮点常量为double)
float a,b;
a=b*1.2;
汇编
movd xmm0,dword ptr [b]
cvtps2pd xmm0,xmm0
mulsd xmm0,mmword ptr [__real@3ff3333333333333 (13F646790h)]
cvtsd2ss xmm0,xmm0
movss dword ptr [a],xmm0
(2)纯float
float a,b;
a=b*1.2f;
汇编
movss xmm0,dword ptr [b]
mulss xmm0,dword ptr [__real@3f99999a (13F84678Ch)]
movss dword ptr [a],xmm0
可以看到,(1)中多了两个指令,即cvtps2pd,cvtsd2ss,它们分别实现float转double,double转float。
下面是一段测试程序:
float MulfloatV1(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=A[i]*1.2f;
}
return fSum;
} float MulfloatV2(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=A[i]*1.2;//默认的浮点常数是double
}
return fSum;
}
测试结果:
完整的测试程序:
#include <stdio.h>
#include <time.h>
#include <stdlib.h>
#include <math.h>
#include "Timing.h"
const int BUFSIZE =;
float buf[BUFSIZE];
double buf2[BUFSIZE]; //测试64位下float与double的速度差
float SqrtfloatV1(float *A,const int len);
double SqrtdoubleV1(double *A,const int len); //测试浮点数转整数的速度
float AddfloatV1(float *A,const int len);
float AddfloatV2(float *A,const int len); //测试64位下float与double混用速度
float MulfloatV2(float *A,const int len);
float MulfloatV1(float *A,const int len); int main()
{
const int testloop=;
double interval;
srand( (unsigned)time( NULL ) );
for (int i = ; i < BUFSIZE; i++)
{ buf[i] = (float)(rand() & 0x3f);
buf2[i]= (double)(buf[i]);
}
//*****************************************************************//
//测试64位下float与double的速度差(32位无明显差异)
volatile float result1=;
startTiming();
for(unsigned int i=;i<testloop;i++)
{
result1=SqrtfloatV1(buf,BUFSIZE);
}
interval=stopTiming();
printf("SqrtfloatV1:\t%f,\t%lfms\n",result1,interval); volatile double result2=;
startTiming();
for(unsigned int i=;i<testloop;i++)
{
result2=SqrtdoubleV1(buf2,BUFSIZE);
}
interval=stopTiming();
printf("SqrtdoubleV1:\t%lf,\t%lfms\n",result2,interval);
//*****************************************************************// //*****************************************************************//
//测试浮点数转整数的速度(32为与64位均有明显差异)
volatile float result3=;
startTiming();
for(unsigned int i=;i<testloop;i++)
{
result3=AddfloatV1(buf,BUFSIZE);
}
interval=stopTiming();
printf("AddfloatV1:\t%f,\t%lfms\n",result3,interval); volatile float result4=;
startTiming();
for(unsigned int i=;i<testloop;i++)
{
result4=AddfloatV2(buf,BUFSIZE);
}
interval=stopTiming();
printf("AddfloatV2:\t%f,\t%lfms\n",result4,interval);
//*****************************************************************// //*****************************************************************//
//测试64位下float与double混用速度(32位无差异,因统一处理)
volatile float result5=;
startTiming();
for(unsigned int i=;i<testloop;i++)
{
result5=MulfloatV1(buf,BUFSIZE);
}
interval=stopTiming();
printf("MulfloatV1:\t%f,\t%lfms\n",result5,interval); volatile float result6=;
startTiming();
for(unsigned int i=;i<testloop;i++)
{
result6=MulfloatV2(buf,BUFSIZE);
}
interval=stopTiming();
printf("MulfloatV2:\t%f,\t%lfms\n",result6,interval);
//*****************************************************************//
return ;
} float SqrtfloatV1(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=sqrt(A[i]);
}
return fSum;
} double SqrtdoubleV1(double *A,const int len)
{
double dSum=;
for(int i=;i<len;i++)
{
dSum+=sqrt(A[i]);
}
return dSum;
} float AddfloatV1(float *A,const int len)
{
int iSum=;
for (int i=;i<len;i++)
{
iSum+=A[i];//转成整数再求和
}
return (float)iSum;
} float AddfloatV2(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=A[i];
}
return fSum;
} float MulfloatV1(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=A[i]*1.2f;
}
return fSum;
} float MulfloatV2(float *A,const int len)
{
float fSum=;
for (int i=;i<len;i++)
{
fSum+=A[i]*1.2;//默认的浮点常数是double
}
return fSum;
}
参考:
[1]http://blog.csdn.net/housisong/article/details/1616026
汇编学习:float与double速度问题的更多相关文章
- 从数据表字段 float 和 double 说起
今天在公司讨论项目重构的问题时,公司的 DBA 针对表中的字段大概介绍了一下 float 和 double 的存储方式.然后,我发现这个问题又回到了浮点数类型在内存中的存储方式,即 IEEE 对浮点数 ...
- 第48条:如果需要精确的答案,请避免使用float和double
float和double主要为了科学计算和工程计算而设计,执行二进制浮点运算,这是为了在广泛的数值范围上提供较为精确的快速近似计算而精心设计的.然而,它们没有提供完全精确的结果,所以不适合用于需要精确 ...
- 【转】JAVA程序中Float和Double精度丢失问题
原文网址:http://blog.sina.com.cn/s/blog_827d041701017ctm.html 问题提出:12.0f-11.9f=0.10000038,"减不尽" ...
- Effective Java 第三版——60. 需要精确的结果时避免使用float和double类型
Tips 书中的源代码地址:https://github.com/jbloch/effective-java-3e-source-code 注意,书中的有些代码里方法是基于Java 9 API中的,所 ...
- Sql的decimal、float、double类型的区别
三者的区别介绍 float:浮点型,含字节数为4,32bit,数值范围为-3.4E38~3.4E38(7个有效位) double:双精度实型,含字节数为8,64bit数值范围-1.7E308~1.7E ...
- float和double的精度
作者: jillzhang 联系方式:jillzhang@126.com 原网址:http://blog.csdn.net/wuna66320/article/details/1691734 1 范围 ...
- float和double精度问题
System.out.println(new BigDecimal(253.90).doubleValue() * 100);25390.0精度正确 System.out.println(new Bi ...
- float和double在内存中的存储方式
本文转载于:http://wenku.baidu.com/link?url=ARfMiXVHCwCZJcqfA1gfeVkMOj9RkLlR9fIexbgs9gDdV8rIS48A1_xe1y6YgX ...
- float、double的有效位数
Java中的浮点类型有两类,分别是float和double类型,其中float取_7__位有效数据,double取_15__位有效数据
随机推荐
- Linux Red hat修改主机名
步骤一:修改etc/hosts文件内容为 [root@kypt01 /]# cd etc[root@kypt01 etc]# cat hosts127.0.0.1 localhost kypt01 l ...
- 九宫格抽奖HTML+JS版
<html> <head> <meta http-equiv="Content-Type" content="text/html; char ...
- 【LeetCode】338. Counting Bits (2 solutions)
Counting Bits Given a non negative integer number num. For every numbers i in the range 0 ≤ i ≤ num ...
- img标签中的图片加载异常时显示默认的图片
备忘:
- 【C#】剪切出图片的一部分
, , , ); Bitmap bmpNew = bmpBase.Clone(rect, bmpBase.PixelFormat); // 画像をGIF形式で保存 string ...
- 使用golang 开发的 andriod应用
最近在捣鼓一个东东,就是使用golang开发andriod应用.说起来简单操作起来还挺麻烦,中间又学习了很多东西.比如ubuntu,docker,angular,ionic,jquery mobile ...
- dede教程之后台登录是自动跳出解决方法
有时也不知道什么原因,登录后台时输入全部正确点确认按钮时却会自动跳出.必须输入http://你的域名/dede/login.php才可以登录.通过尝试最终解决了问题,下面分享出来: 1.打开根目录da ...
- “HTTPS”安全在哪里?
背景 最近基于兴趣学学习了下 HTTPS 相关的知识,在此记录下学习心得. 在上网获取信息的过程中,我们接触最多的信息加密传输方式也莫过于 HTTPS 了.每当访问一个站点,浏览器的地址栏中出现绿色图 ...
- Android WebView Demo
activity_main.xml <RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android& ...
- 用户控件的设计要点 System.Windows.Forms.UserControl
用户控件的设计要点 最近的项目中有一个瀑布图(彩图)的功能,就是把空间和时间上的点量值以图的形式呈现出来,如下图: X坐标为空间,水平方向的一个像素代表一个空间单位(例如50米) Y坐标为时间,垂直方 ...