比C＃中的浮动更快吗？
我正在写一个应用程序读取大型浮点数组，并执行一些简单的操作。 我使用花车，因为我认为它会比双打快，但经过一些研究后，我发现这个话题有些混乱。 任何人都可以详细说明这一点？
简短的答案是“使用任何精度来达到可接受的结果”。
您的一个保证是在浮点数据上执行的操作至less在expression式的最高精度成员中完成。 所以乘以两个浮点数至less是浮点数的精度，乘以一个浮点数和一个double将至less用双精度来完成。 该标准规定：“[浮点]操作可以以比操作的结果types更高的精度执行”。
鉴于.NET的JIT试图以所要求的精度离开您的浮点运算，我们可以看一下英特尔的文档，以加速我们的运营。 在英特尔平台上，您可以以80位的中间精度完成浮点运算，并将其转换为所需的精度。
从英特尔指南到C ++浮点运算1 （对不起只有死树），他们提到：
- 除非需要通过double或long double获得的额外精度，否则使用单精度types（例如float）。 更高的精度types会增加内存大小和带宽要求。 …
- 避免混合的数据types算术expression式
最后一点很重要，因为你可以减慢不必要的转换到/从float和double ，这导致JIT'd代码要求x87在操作之间从80位中间格式转换掉！
1.是的，它表示C ++，但是C＃标准加上CLR的知识让我们知道C ++的信息应该适用于这种情况。
几周前我提出了一个类似的问题。 底线是对于x86硬件来说，除非你变成内存绑定，否则浮动性能与双打性能没有显着差异，或者你开始遇到caching问题。 在这种情况下，花车通常会有优势，因为它们更小。
目前的英特尔CPU在80位宽的寄存器中执行所有的浮点操作，所以计算的实际速度不应该在浮点数和浮点数之间变化。
我刚刚阅读MCTS 70-536考试的“Microsoft .NET Framework-Application Development Foundation 2nd”，第4页（第1章）有一个注释：
注意使用内置types优化性能
运行时优化了32位整数types（Int32和UInt32）的性能，因此将这些types用于计数器和其他频繁访问的整型variables。 对于浮点操作，Double是最有效的types，因为这些操作是由硬件优化的。
这是Tony Northrup写的。 我不知道他是不是一个权威人士，但我希望.NET考试的官方书籍应该有一定的权重。 这当然不是一个保守派。 我只是想我会把它添加到这个讨论。
如果加载和存储操作是瓶颈，那么漂浮会更快，因为它们更小。 如果你在加载和存储之间进行大量的计算，它应该大致相等。
其他人提到避免float和double之间的转换，以及使用两种types操作数的计算。 这是很好的build议，如果你使用任何返回双精度的math库函数（例如），那么保持所有的双打将会更快。
我正在写一个射线跟踪器，并且用彩色class级的双打replace浮点数给我提高了5％。 用双打replacevector浮点数又快了5％！ 很酷:)
这是与Core i7 920
使用387 FPUalgorithm，对于某些长时间的迭代操作，如pow，log等（只有在编译器正确设置FPU控制字时），float才会快于double。
随着SSEalgorithm的打包，它会有很大的不同。
Matthijs，
你错了。 在现代处理器中，32位的处理效率远高于16位处理器…也许不是内存方式，但效率是32位的。
你真的应该把你的教授更新为更“更新”的东西。 ;）
无论如何，要回答这个问题; 浮动和双重有完全相同的性能，至less在我的英特尔i7 870（理论上）。
这是我的测量：
（我做了一个“algorithm”，我重复了1000万次，然后重复了300次，而且我做了一个平均值）。
double ----------------------------- 1 core = 990 ms 4 cores = 340 ms 6 cores = 282 ms 8 cores = 250 ms float ----------------------------- 1 core = 992 ms 4 cores = 340 ms 6 cores = 282 ms 8 cores = 250 ms 这表明浮动比双打稍微快一些： http ： //www.herongyang.com/cs_b/performance.html
一般来说，无论何时您对性能进行比较，您都应该考虑到任何特殊情况，比如使用一种types是否需要额外的转换或数据按摩？ 这些加起来，可以认为这样的通用基准。
在32位系统上，浮点数应该更快，但是对代码进行剖析以确保优化是正确的。
我一直认为无论是浮点还是双精度，处理器都是优化的或相同的。 在我的密集型计算中search优化（从matrix中获取大量数据，比较两个值），我发现浮点运算速度提高了13％左右。
这令我感到惊讶，但我想这是由于我的问题的性质。 我不会在操作的核心部分执行float和double操作，而我的计算主要是加法，乘法和减法。
这是我的i7 920，运行一个64位操作系统。
