使用双比浮动更快？
双精度值存储更高的精度，是浮点大小的两倍，但英特尔CPU优化浮点数？
也就是说，double操作的速度与+， – ，*和/或float操作一样快或者更快。
对于64位体系结构，答案是否改变？
没有一个“英特尔CPU”，特别是在哪些操作相对于其他操作被优化的情况下，但是其中大多数在CPU级别（特别是在FPU内）是这样回答你的问题的：
是+， – ，*和/？的浮动操作一样快或者更快。
是“是” – 在CPU内部 。 然而 ，占用每个数字两倍的内存清楚地意味着高速caching上的负载更重，以及更多的内存带宽来填充和溢出来自/到RAM的高速caching行; 你关心浮点运算性能的时候就是当你做很多这样的操作的时候，所以内存和caching的考虑是至关重要的。
理查德的回答指出，还有其他的方式来执行FP操作（ SSE指令;好的旧MMX是整数），尤其适用于大量数据（“SIMD”，单指令/多数据）的简单操作每个寄存器可以包装4个单精度浮点数或2个双精度浮点数，所以这个效果会更加明显。
最后，你必须进行基准testing，但是我的预测是，对于合理的（即大的 ;-)基准testing，你会发现坚持单精度的好处（当然假设你不需要额外的比特精确！-）。
如果所有的浮点计算都是在FPU中执行的，那么不，在double计算和float计算之间没有区别，因为浮点运算实际上是在FPU堆栈中以80位精度执行的。 将FPU堆栈的条目进行四舍五入以将80位浮点格式转换为double float浮点格式或float浮点格式。 将sizeof(double)字节移动到RAM / sizeof(float)字节是唯一的速度差异。
但是，如果您有可vector化的计算，那么您可以使用SSE扩展在两次double计算的同时运行四次float计算。 因此，巧妙地使用SSE指令和XMM寄存器可以在仅使用float的计算上实现更高的吞吐量。
我只是想添加到已有的伟大的答案， __m256? 同指令多数据（ SIMD ）C ++内部函数族可以并行操作4个 double _mm256_add_pd （例如_mm256_add_pd ），也可以并行操作8个 float （例如_mm256_add_ps ）。
我不确定这是否可以转化为实际的加速，但是当使用SIMD时，每条指令处理的浮点数似乎是可能的 2倍。
在20亿次加3.3的实验中，结果是：
Summation time in s: 2.82 summed value: 6.71089e+07 // float Summation time in s: 2.78585 summed value: 6.6e+09 // double Summation time in s: 2.76812 summed value: 6.6e+09 // long double
所以double在C和C ++中更快，默认。 它在所有C和C ++库函数中更具可移植性和默认性。 阿洛斯双重比浮动显着更高的精度。
即使Stroustrupbuild议双重浮动：
“单精度，双精度和扩展精度的确切含义是由实现定义的，如果select问题需要对浮点计算有重大的理解，select正确的精度如果你没有这个理解，build议，花点时间学习，或者用双重的希望，最好的。“
也许唯一的情况，你应该使用浮动而不是双重在64位硬件与现代gcc。 因为浮动较小; double是8个字节，float是4个字节。
还有一点要考虑的是，如果你正在使用GPU（graphics卡）。 我与一个数字密集的项目合作，但我们并不需要双重优惠的秘密。 我们使用GPU卡来帮助进一步加速处理。 CUDA GPU需要一个特殊的软件包来支持双倍的处理速度，GPU上本地RAM的数量相当快，但相当稀less。 因此使用浮点数也可以使我们可以存储的数据量增加一倍
还有一点是记忆。 浮动RAM的数量是双打的一半。 如果你正在处理非常大的数据集，这可能是一个真正重要的因素。 如果使用双重意味着你必须caching到磁盘vs纯内存，你的差异将是巨大的。
所以对于我正在使用的应用程序来说，差异是非常重要的。
唯一真正有用的答案是：只有你可以告诉。 你需要为你的场景设定基准。 教学和记忆模式的细微变化可能会产生重大影响。
如果你使用FPU或者SSEtypes的硬件，它肯定是很重要的（前者的所有工作都是用80来扩展精度的，所以double会更接近，后来是32bit的，也就是float）。
更新：s / MMX / SSE /在另一个答案中指出。
浮点通常是对通用CPU的扩展。 速度因此将取决于所使用的硬件平台。 如果平台有浮点支持，如果有任何区别，我会感到惊讶。
