FLOPS真正的FLOP

我来自这个主题： FLOPS英特尔核心并用C（内部产品）测试它

当我开始编写简单的测试脚本时，我想到了一些问题。

1. 为何浮点？ 我们必须考虑的浮点数有多重要？ 为什么不是一个简单的int？

2. 如果我想测量FLOPS，那么就说我正在做两个向量的内积。 这两个向量必须是float []吗？ 如果我使用int []，测量结果会有什么不同？

3. 我不熟悉英特尔架构。 假设我有以下操作：

   float a = 3.14159; float b = 3.14158; for(int i = 0; i < 100; ++i) { a + b; } 

   这有多少“浮点运算”？

4. 我有点困惑，因为我研究了简化的32位MIPS架构。 对于每个指令，有32位，如操作数1为5位，操作数2为5位等。因此对于intel架构（特别是前一个线程的相同架构），我被告知寄存器可以保持128位。 对于SINGLE PRECISION浮点，每个浮点数为32位，这对于馈送到处理器的每条指令是否意味着，它可能需要4个浮点数？ 我们还不必考虑操作数和指令其他部分涉及的位吗？ 我们怎样才能将4个浮点数提供给cpu而没有任何特定含义呢？

我不知道我的方法是否有点理解。 如果没有，我应该关注什么“高度”的视角？

Answer 1

1.）浮点运算只表示比固定宽度整数更广泛的数学运算。 此外，大量数字或科学应用程序（通常是实际测试CPU的纯计算能力的应用程序）可能比任何事情更依赖于浮点运算。

2.）他们必须都是浮动的。 CPU不会添加一个整数和一个浮点数，一个或另一个将被隐式转换（很可能整数将被转换为浮点数），所以它仍然只是浮点运算。

3.）这将是100个浮点运算，以及100个整数运算，以及一些（100？）控制流/分支/比较运算。 通常也有加载和存储，但你似乎没有存储值:)

4.）我不确定如何从这个开始，你似乎对材料有一个普遍的看法，但你已经混淆了一些细节。 是的，可以将单个指令划分为类似于以下的部分：

 |OP CODE | Operand 1 | Operand 2 | (among many, many others) 

但是，操作数1和操作数2不必包含要添加的实际值。 它们可以只包含要添加的寄存器。 例如，参加此SSE指令：

 mulps %%xmm3, %%xmm1 

它告诉执行单元将寄存器xmm3的内容与xmm1的内容相乘，并将结果存储在xmm3中。 由于寄存器保持128位值，我正在对128位值进行操作，这与指令的大小无关。 不幸的是，由于它是一个CISC架构，x86没有与MIPS类似的指令细分。 x86指令可以包含1到16（！）个字节之间的任何值。

至于你的问题，我认为这是非常有趣的事情，它可以帮助你建立关于数学密集型程序的速度的直觉，以及让你了解优化时要达到的上限。 我永远不会尝试直接将其与程序的实际运行时间相关联，因为太多其他因素会影响实际的最终性能。

Answer 2

1. 浮点和整数运算在芯片上使用不同的流水线，因此它们以不同的速度运行（在简单/足够的架构上，可能根本没有本机浮点支持，使得浮点运算非常慢）。 因此，如果您尝试使用浮点数学来估计实际性能，则需要知道这些操作的速度有多快。

2. 是的，您必须使用浮点数据。 见＃1。

3. FLOP通常被定义为特定操作混合的平均值，旨在表示您想要建模的现实世界问题。 对于循环，您只需将每个加法计为1个操作，总共进行100次操作。 但是 ：这不代表大多数现实世界的工作，您可能必须采取措施阻止编译器优化所有工作。

4. 矢量化或SIMD（单指令多数据）可以做到这一点。 目前使用的SIMD系统示例包括AltiVec（在PowerPC系列芯片上）和在Intel x86上兼容的MMX / SSE / …. 芯片的这种改进应该因为做更多的工作而受到赞誉，所以即使只有25个获取和工作周期，你上面的微不足道的循环仍然算作100次操作。 编译器需要非常智能，或者从程序员那里获得提示以使用SIMD单元（但是现在大多数前端编译器非常聪明）。

Answer 3

每秒浮点运算。

http://www.webopedia.com/TERM/F/FLOPS.html

您的示例是100个浮点运算（将两个浮点数加在一起是一个浮点运算）。 分配浮点数可能会也可能不会计算。

这个术语显然不是一个精确的测量，因为很明显双精度浮点运算需要比单精度浮点运算更长的时间，并且乘法和除法比加法和减法需要更长的时间。 正如维基百科的文章certificate的那样，最终有更好的方法来衡量绩效。

Answer 4

1）因为许多真实世界的应用程序运行很多浮点数，例如所有基于矢量的应用程序（游戏，CAD等）几乎完全依赖于浮点运算。

2）FLOPS用于浮点运算。

3）100。流控制使用整数运算

4）该架构最适合ALU。 浮点表示可以使用96-128位。

Answer 5

浮点运算是某些计算问题的限制因素。 如果你的问题不是其中之一，你可以放心地忽略翻牌圈。

英特尔架构从简单的80位浮点指令开始，可以加载或存储到具有舍入的64位存储器位置。 后来他们添加了SSE指令，这些指令使用128位寄存器，并且可以使用单个指令执行多个浮点运算。

Answer 6

哎呀，简化的MIPS。 通常，这对于入门课程来说很好。 我要承担一本hennesy / patterson书？

阅读针对Intel方法的Pentium架构（586）的MMX指令。 或者，更一般地，研究SIMD架构，也称为矢量处理器架构。 它们首先被Cray超级计算机推广（尽管我认为有一些先行者）。 对于现代SIMD方法，请参阅NVIDIA生产的CUDA方法或市场上的不同DSP处理器。

Answer 7

1. 浮点速度对于科学计算和计算机图形学而言非常重要。
2. 根据定义，没有。 您正在测试整数性能。
3. 302，见下文。
4. x86和x64与MIPS非常不同。 MIPS是一种RISC（精简指令集计算机）架构，与英特尔和AMD产品的CISC（复杂指令集计算机）架构相比，它的指令非常少。 对于指令解码，x86使用可变宽度指令，因此指令长度从1到16个字节（包括前缀，可能更大）

128位的事情是关于处理器中浮动的内部表示。 它在内部使用真正的位浮点数来尝试避免舍入错误，然后在将数字放回内存时截断它们。

 fld A //st=[A] fld B //st=[B, A] Loop: fld st(1) //st=[A, B, A] fadd st(1) //st=[A + B, B, A] fstp memory //st=[B, A] 

Answer 8

1. 浮点数学有很多东西比整数数学要好得多。 大多数大学计算机科学课程都有一门名为“数值分析”的课程。

2. 向量元素必须是float，double或long double。 内积计算将比元素整数慢。

3. 这将是100个浮点数增加。 （也就是说，除非编译器意识到结果没有做任何事情并且优化了整个事情。）

4. 计算机使用各种内部格式来表示浮点数。 在您提到的示例中，CPU会在对数字执行操作之前将32位浮点数转换为其内部128位格式。

除了使用其他提到的答案之外，人们称之为“量子”的人现在使用浮点数学来进行融资。 一个名叫David E. Shaw的家伙于1988年开始将浮点数学运用于华尔街建模，截至2009年9月30日，价值25亿美元，在福布斯400位富豪榜上排名第123位。

所以值得学习浮点数学！

Answer 9

1）浮点很重要，因为有时我们想要表示非常大或非常小的数字，而整数并不是那么好。 阅读IEEE-754标准，但尾数就像整数部分，我们交换一些位作为指数，这样就可以表示更大范围的数字。

2）如果两个向量是整数，则不会测量FLOPS。 如果一个向量是int而另一个是float，那么你将进行大量的int-> float转换，我们应该认为这样的转换是FLOP。

3/4）英特尔架构上的浮点运算非常具有异国情调。 它实际上是一个基于堆栈的单操作数指令集（通常）。 例如，在您的示例中，您将使用一条带有操作码的指令，该操作码将内存操作数加载到FPU堆栈的顶部，然后您将使用带有操作码的另一条指令，该操作码将内存操作数添加到FPU堆栈的顶部，最后是另一条带有操作码的指令，该操作码将FPU堆栈的顶部弹出到内存操作数。

这个网站列出了很多操作。

http://www.website.masmforum.com/tutorials/fptute/appen1.htm

我确定英特尔会在某处发布实际的操作码，如果你真的那么感兴趣的话。