了解FMA指令的性能
我想了解如何最大限度地减少我可以在我的CPU上获得的操作数量。 我正在做一个简单的矩阵乘法程序，我有一个Skylake处理器。 我正在查看维基百科页面上关于这个体系结构的拖放信息，并且我正在理解它的缺乏。
根据我的理解，FMA指令允许3路FP输入正确吗？ 并允许混合它们之间的相加和相乘。 但是当我只添加两个浮动块时会发生什么？ 它是否仅仅乘以一？ 我可以在1个周期中添加3个花车，还是将其拆分？ 我看到skylake，单精度输入有32个FLOP /周期，但是“ 两个8宽FMA指令 ”的含义是什么？
预先感谢您的解释
FMA在单次操作中计算±a * b±c，并有一个舍入误差。 这就是它所做的，没有别的。 计算a + b + c不能使用FMA指令完成; 你需要两个相关的ADD操作。
根据编译器的不同，您可能必须将编译器选项设置为允许使用FMA指令，因为它们不会给出与乘法和结果相同的结果。 在某些情况下，您可能需要重新安排代码，例如ab + cd + e将计算为x = ab; y = FMA（c，d，x），z = y + e但是e + ab + c * d将被计算为x = FMA（a，b，e）。 z = FMA（c，d，x）。 FFT的基本操作计算可以使用八个浮点运算来执行，并且可以使用四个FMA和两个其他操作重写为十个运算。
“两个8宽FMA指令”意味着它可以执行带有两个256位向量寄存器的FMA指令，每个寄存器包含8个浮点数，其中两个在同一个周期内。
链接地址: http://www.djcxy.com/p/85661.html