Julia中浮点运算的速度

我发现矩阵向量积中Float32矩阵的速度比Float64矩阵快两倍。我试图将精度进一步降低到Float16，希望能获得更快的速度，但性能比Float64差得多。

目前，Julia通过转换为

Float32

然后再转换回来来执行大多数

Float16

操作。这也意味着它不能使用

BLAS

来进行矩阵运算，而是使用一般的回退。也就是说，我认为

Float16

可能会与Julia一起在GPU上生成高效的代码。

我知道现代体系结构不喜欢半个字，但这更像是一种一般性的说法。你可能想为你的问题添加更多的细节，也可能是一个小的基准。事实上，这里的问题到底是什么？您是否尝试过使用不同长度寄存器的机器？浮点乘法性能在很大程度上取决于您的硬件。现代硬件支持32位和64位浮点，但不支持16位。所以Float16将是一个软件实现。耸肩继续。应该注意的是，这是因为当前的CPU不支持Float16，所以无法在CPU上的硬件中执行Float16操作。另一方面，GPU具有本机Float16，在它们上的操作将快得多。