Performance 浮点运算（FLOPs）的定义是什么
我试图用SIMD（在ARM CPU上）优化我的代码，并想知道它的算术强度（flops/byte，AI）和flops 为了计算AI和FLOPS，我必须计算浮点运算（FLOPS）的数量。 然而，我找不到任何关于失败的精确定义。Performance 浮点运算（FLOPs）的定义是什么,performance,benchmarking,simd,hpc,flops,Performance,Benchmarking,Simd,Hpc,Flops,我试图用SIMD（在ARM CPU上）优化我的代码，并想知道它的算术强度（flops/byte，AI）和flops 为了计算AI和FLOPS，我必须计算浮点运算（FLOPS）的数量。 然而，我找不到任何关于失败的精确定义。 当然，mul、add、sub、div显然是失败的，但是移动操作、随机操作（例如\um\u shuffle\u ps）、设置操作（例如\u mm\u set1\u ps）、转换操作（例如\u mm\u cvtps\u pi32）等呢？ 它们是处理浮点值的操作。我应该把它们算作失
当然，
muladdsubdiv\um\u shuffle\u ps\u mm\u set1\u ps\u mm\u cvtps\u pi32它们是处理浮点值的操作。我应该把它们算作失败吗？如果没有，原因是什么？
英特尔VTune和Nvidia的
nvprof这个问题主要是关于数学上复杂的运算。
我还想知道处理以浮点值或向量作为输入的“非数学”运算的标准方法。浮点值上的洗牌/混合不被视为触发器。它们只是在不单纯的“垂直”问题上使用SIMD的开销，或者在混合中无分支地进行分支的问题上使用SIMD的开销 FP和/或/XOR都不是。您可以尝试使用
和ps\u mm\u和\u psFMA通常计为两个浮点运算（mul和add），即使它是一条与SIMD FP add或mul具有相同（或类似）性能的指令。原始
FLOP/s- 其SIMD向量宽度（每个向量8个
元素）float - 每个时钟的SIMD FMA次数（2）
- 每个FMA的次触发器（2）
- 倍时钟速度（在最大化两个FMA单元的同时，可维持的最大单芯涡轮；长期取决于冷却，短期取决于功率限制）
vandpsvfma132ps如果您有许多其他开销占用前端带宽或造成其他瓶颈，则无法实现峰值浮点运算（每秒浮点运算，或浮点/秒）。这个指标只是你在直线上运行时所能做的原始数学量，而不是任何具体的实际问题 尽管人们会认为，如果理论上的峰值失败率远远高于手工调优的matmul或Mandelbrot所能达到的水平，即使对于编译时常量问题大小，这也是愚蠢的。e、 g.如果前端不能跟上任何商店以及FMA的步伐。e、 如果Haswell有四个FMA执行单元，那么它只能在每个指令都是FMA的情况下维持最大的FLOPs。内存源操作数可以对负载进行微融合，但在不影响吞吐量的情况下，将没有存储空间 英特尔甚至没有3个FMA单元的原因是，大多数实际代码难以饱和2个FMA单元，尤其是只有2个加载端口和1个存储端口。它们几乎浪费了所有的时间，256位FMA单元需要很多晶体管
（Ice Lake将管道的发布/重命名阶段扩展至5 uops/时钟，但也将SIMD执行单元扩展至512位，使用AVX-512，而不是添加第三个256位FMA单元。它具有2/时钟负载和2/时钟存储，尽管对于32字节或更窄的存储，该存储吞吐量仅适用于L1d缓存，而不是64字节。）当谈到优化时，通常只测量代码热点上的触发器，例如，卷积中浮点乘法和累加运算的数量。这主要是因为其他操作可能无关紧要或不可替代，因此无法用于任何类型的优化 例如，A4.13中矢量浮点指令下的所有指令都属于浮点操作，作为FPU指令的触发器/周期，在处理器中通常是常量 不仅是ARM，而且许多微处理器都有一个专用的浮点单元，所以当你测量触发器时，你就是在测量这个单元的速度。通过这个和触发器/周期，您可以或多或少地计算理论峰值性能 但是，浮点运算是要谨慎对待的，因为它们只能用于大致估计代码的速度，因为它们没有考虑处理器运行时的其他条件。这就是为什么在大多数情况下，只计算热点（通常是算术运算）的失败次数就足够了
话虽如此，触发器可以作为两段复杂代码的比较指标，但并不能说明代码本身。
muladdsubdivpssd*，+，-，/