Performance X86 Broadwell上的吞吐量FMA和乘法
我怀疑上一个英特尔体系结构执行的助记符Performance X86 Broadwell上的吞吐量FMA和乘法,performance,assembly,x86,fpu,fma,Performance,Assembly,X86,Fpu,Fma,我怀疑上一个英特尔体系结构执行的助记符MUL与FMA类似，但添加了空值（在broadWell体系结构上） 具体来说，我目前正在执行四元多项式的乘积（Pi），遵循该模式 P1*P2*P3*P4 每个多项式Pi（x）=a+bX+cX^2由两个连续的FMA计算。然而，当我测量问题的吞吐量时，数字非常低。根据Agner Fog第242页的表格，aFMA和MUL的吞吐量为0.5。吞吐量的定义：是以[周期]为单位执行新的相同助记符的时间 所以我应该在FMA和MUL之间得到一个惩罚，但是我的测量是平滑的。
MULFMAP1*P2*P3*P4
FMAFMAMULFMAMULFMAMULloopvmulpsvfma…ps我怀疑上一个Intel架构会像FMA一样执行助记符MUL，但会有一个空加法（在broadWell架构上） 几乎所有必须规范化FP结果的FP操作（FP add除外）都在Broadwell的FMA单元上运行但是mul和add在Broadwell上有3个周期的延迟，而实际FMA有5个周期的延迟，因此显然FMA单元有不同的配置。MUL/FMA在吞吐量方面相同，但在Broadwell上的延迟方面不同 （与Skylake不同，Skylake丢弃了单独的add单元，mul/add与FMA具有完全相同的4c延迟/0.5c吞吐量） 在Broadwell中具有与FMA不同潜伏期的MUL是不寻常的；大多数CPU都以相同的性能运行它们，可能只是将
0.0我目前正在按照这个模式执行四元多项式的乘积（Pi）<代码>P1*P2*P3*P4 你对结果做了什么？你只做了4人一组的测试吗？你如何处理每组的结果 或者你将许多量子多项式相乘在一个巨大的乘法链中，从而创建一个MULP依赖链 这将使您在每个多项式3个周期时遇到瓶颈，每个多项式的独立计算（2x FMA）将为并行发生的mulp创建输入。在这种情况下，Broadwell是您理想的CPU，3个周期的mulps与Haswell中的5个周期和Skylake中的4个周期相比 但是，如果可以假设FP math是关联的，并且具有不同的临时结果，则可以运行2、3或4个乘法链（甚至更多），并在最后使用具有多个向量的展开循环进行合并。e、 g.
（P1*P3*P5*…）；（P2*P4*P6*…）有关使用多个累加器展开以隐藏FP延迟的更多信息，请参阅。这似乎是可能的。注意，这是一个倒数吞吐量；倒数吞吐量为0.5表示每个周期可以输入两个fma。您的问题是重复出现，您需要等待结果以开始新的op。因此，计算的是延迟，而不是操作员吞吐量，add、mult或fma的吞吐量约为4-5。您可以通过计算（P1*P2）*（P3*P4）（或在编译器上使用-fassociality math）稍微提高并行性和吞吐量。我已经有了-fassociality math，我只是想了解
MULFMA