有没有可以使用libc中的函数fma的情况？
我遇到这个页面 ，发现有一个奇怪的浮动乘法加法函数fmaf和fmaf 。 它说结果是这样的：
(x * y) + z #fma(x,y,z)
并且值是无限精度并且对结果格式进行一次舍入 。
然而，AFAICT我以前从未见过这样的三元手术。 所以我想知道这个function的cumstom用法是什么。
融合乘加指令的重要方面是中间结果的（虚拟）无限精度。 这有助于提高性能，但不是因为两个操作在单个指令中编码 – 它有助于提高性能，因为中间结果的几乎无限精度有时很重要，而且当使用普通乘法和加法时，恢复非常昂贵精确度正是程序员追求的目标。
示例：将a * b与1.0进行比较
假设一个算法确定两个双精度数a和b的乘积相对于非零常数的位置是至关重要的（我们将使用1.0 ）。 数字a和b都具有二进制数字的完整有效数字。 如果你a*b计算为double ，结果可能是1.0 ，但这并不能告诉你实际的数学乘积是否略低于1.0并且向上舍入到恰好为1.0，或略高于1.0并向下舍入。 没有FMA，您的选择是：
-
将
a*b计算为四精度数。 四精度没有在硬件中实现，但有软件仿真库。 在四精度中，产品的数学结果是完全可表示的，然后您可以将其与1.0进行比较。 -
在向上舍入模式和向下向下模式下以双精度计算
a*b。 如果两个结果均为1.0，则表示a*b恰好为1.0。 如果RU（a * b）大于1.0，则表示数学乘积大于1.0，如果RD（a * b）小于1.0，则表示数学乘积小于1.0。 在大多数处理器上，这种方法意味着更改舍入模式三次，每次更改都很昂贵（它涉及刷新CPU管道）。
使用FMA指令，可以计算fma(a, b, -1.0)并将结果与0.0进行比较。 由于浮点数在零附近更密集，并且由于中间乘积在计算中没有舍入，我们可以确定fma(a, b, -1.0) > 0表示a和b的数学乘积大于1 ， 等等。
示例：Veltkamp / Dekker乘法
双倍格式是数字的有效表示，是两个双精度浮点数的总和。 它几乎与四精度一样精确，但利用现有的双精度硬件。
考虑以下函数， Mul12(a, b) ，它采用两个双精度数字a和b并将它们的乘积计算为双重数字。 由于Veltkamp和Dekker，算法仅使用双精度加法和乘法（ 参考 ）来计算此函数。 它需要6次乘法（一次是每个Split()加上算法主体中的四个），还有很多补充。
如果FMA指令可用，则Mul12可以实现为两个操作，一个乘法和一个FMA。
high = a * b; /* double-precision approximation of the real product */ low = fma(a, b, -high); /* remainder of the real product */ /* now the real product of a and b is available as the sum of high and low */
更多例子
FMA用于其精度的示例，而不仅仅是作为乘法和加法的指令，是平方根和除法的计算。 根据IEEE 754标准，这些操作必须正确舍入（到数学结果的最接近的浮点数）。 当硬件FMA指令可用时，可以有效地实现这两个操作。 这个方面通常由编译链隐藏，但IA-64指令集（Itanium）没有划分指令。 相反，可以通过涉及FMA的一系列指令（通常由编译器生成）来获得正确舍入的除法。
它通常用作优化。 大多数浮点单元都有一个fma指令，因此可以在一条指令中执行计算，而不是两条或更多条指令。 因此，对于性能关键的浮点代码，它是一个有用的函数。