Performance 用小整数常量实现浮点乘法的最快方法

假设您正试图将一个浮点数

k

乘以一个小整数常量

n

（根据第3.8.1节“指令带宽”，我指的是

-20，用于单精度浮点操作数、加法、乘法和“MAD”（乘法-加法）在基于GCN的GPU上，每个周期的吞吐量都为5。对于24位整数也是如此。只有当您移动到32位整数时，乘法的成本才会高得多（1/周期）。整数到浮点的转换以及反之亦然也相对较慢（1/周期），除非您有双精度浮点模型（主要是英伟达的FirePro/Radeon Pro系列或Quadro/Tesla）双打的速度非常慢（这实际上取决于体系结构，因为有些具有从整数到浮点的快速转换，而有些则没有。如果可能的话，最好将n存储为浮点类型。当前普通处理器上的浮点乘法速度相同或接近于此。处理器用于乘法的单元可能比用于加法的单元少，因此您可以et more将每单位时间内完成的操作相加。否则，优化的空间很小。如果您的值没有溢出的风险，那么对于2、4、8和16的乘法，您只需将指数分别增加1、2、3和4。然后将中间结果相加（即X*10与X*2+X*8相同）。但是1）这需要了解FP值的内部表示，2）我不确定（还没有尝试）这是否比简单的X*10.0快。@phuclv我在问题中说整数到浮点的转换不计入运行时（因为我在编译时知道所有相关的整数）。