C# 需要为性能使用浮点，但需要双精度计算

MonoGame是微软XNA的开源版本。它是构建跨平台游戏的框架

它有许多数学类型，如向量和四元数

我对他们使用双人和浮动的方式有点困惑

到目前为止，我收集了以下信息：

• 浮动可能比双倍更有效
• 双精度比浮点精度高

以下是一种让我困惑的方法：

/// <summary>
/// Transforms a single Vector2, or the vector normal (x, y, 0, 0), by a specified Quaternion rotation.
/// </summary>
/// <param name="value">The vector to rotate.</param><param name="rotation">The Quaternion rotation to apply.</param>
public static Vector2 Transform(Vector2 value, Quaternion rotation)
{
  float num1 = rotation.X + rotation.X;
  float num2 = rotation.Y + rotation.Y;
  float num3 = rotation.Z + rotation.Z;
  float num4 = rotation.W * num3;
  float num5 = rotation.X * num1;
  float num6 = rotation.X * num2;
  float num7 = rotation.Y * num2;
  float num8 = rotation.Z * num3;
  float num9 = (float) ((double) value.X * (1.0 - (double) num7 - (double) num8) + (double) value.Y * ((double) num6 - (double) num4));
  float num10 = (float) ((double) value.X * ((double) num6 + (double) num4) + (double) value.Y * (1.0 - (double) num5 - (double) num8));
  Vector2 vector2;
  vector2.X = num9;
  vector2.Y = num10;
  return vector2;
}

//
///通过指定的四元数旋转变换单个向量2或向量法线（x、y、0、0）。
/// 
///要旋转的向量。要应用的四元数旋转。
公共静态矢量2变换（矢量2值，四元数旋转）
{
float num1=旋转.X+旋转.X；
float num2=旋转.Y+旋转.Y；
float num3=旋转.Z+旋转.Z；
浮动num4=旋转。W*num3；
浮点num5=旋转.X*num1；
浮动num6=旋转.X*num2；
浮动num7=旋转。Y*num2；
浮动num8=旋转。Z*num3；
float num9=（float）（（double）value.X*（1.0-（double）num7-（double）num8）+（double）value.Y*（（double）num6-（double）num4））；
浮点num10=（浮点）（（双精度）值.X*（（双精度）num6+（双精度）num4）+（双精度）值.Y*（1.0-（双精度）num5-（双精度）num8））；
向量2向量2；
向量2.X=num9；
向量2.Y=num10；
返回向量2；
}

---

为什么不在整个过程中使用浮点数的两倍（例如，内联num1..num8作为num9和num10的双表达式）？

这里的关键点是，一系列计算都是在

double

中进行的，而没有将中间结果四舍五入到

float

。考虑到

float

输入，这可能会导致最终的

float

结果更接近于无限精确算法产生的结果

32位和64位浮点算法之间的性能差异很小。存储32位和存储64位之间存在很大的空间差异

将存储每个值的字节数减半可能会在性能上产生很大的差异。它有效地将每个缓存的大小和每个数据传输路径的带宽增加了一倍

浮动可能比双倍更有效

这曾经是真的。你必须回到几十年前，那时图形算法最初被设计出来，必须在硬件上运行，而硬件在加速浮点运算方面不是很好。要么是因为它根本没有，而且必须在软件中进行模拟，从而自动提高单精度。或者是因为它运行在专门构建的图形终端上，这种终端有一个定制的图形处理器，无法处理比单精度浮点更好的任何东西。直到16年前，第一款奔腾（Pentium）问世，FPU才被保证能在板上运行。对于程序员来说，奔腾的软件运行在一台有FPU的机器上，这需要几年的时间

当然，所有已知的图形算法都设计为使用单一精度。让它们重新编写为使用双精度需要极大的勇气。因为这将不可避免地引入错误，这样的算法不会像单精度算法那样运行。浮点数学不是精确的数学。只要结果不同就足以生成bug报告，单精度版本将被作为规范标准，因为这是每个人都在使用的。程序员除了推荐“不要使用它”之外，完全没有办法让用户满意

---

所以图形代码不使用它。

可能相关：。。。一句话：在大多数情况下并没有真正的性能差异。为什么你认为double比float慢？在大多数现代硬件中，这几乎是一样的。但在某些情况下，混合浮点数和倍点数会导致额外的循环在两个浮点数之间转换types@LưuVĩnhPhúc“最现代的硬件”是否包括所有主流ARM和x86衍生产品（所有主流机器人、iPhone、XBox 360/XBox One、PS4等）？我不知道。@nhgrif：对中间值使用更高的精度可以减少结果的误差。例如，（float）double_value*10000和（float）（double_value*10000）可能不同。使用double进行的行计算越多，精度越高。我明白，我的主要问题是为什么不在整个行中使用两个float（例如，内联num1..num8作为num9和num10的双表达式）? 我个人会对方法中的所有内容使用double，并且在返回结果之前只强制转换为float。为什么不这样做呢？我可能会按照你描述的方式来做，但使用double的决定可能是基于对特定计算的分析。这取决于典型的输入数字，而不仅仅是计算。如果你不想仅仅依靠他们的智慧，你可以收集大量的函数输入。使用当前代码、所有浮点、所有双精度和任何库类型，对每组输入执行计算，这些库类型允许您执行精确的加法、减法和乘法。各种浮点组合与无限精确计算的结果最接近的浮点有多近？不知道这有什么关系。编写自己的图形原语的程序员倾向于处理永远无法完成的项目。SIMD呢？它不是更有效地处理浮动吗？请参阅此答案中的评论：（C#将很快获得Microsoft的官方SIMD支持）。您是否意识到您忘记提及缓存和RAM访问速度？此外，大多数GPU进行单精度计算比双精度计算快得多。