我们需要通过在 C/C++ 中实现特定算法来解决的大多数科学计算问题都需要远低于双精度的精度。例如1e-6
,1e-7
精度涵盖99%
ODE 求解器或数值积分的情况。即使在我们确实需要更高精度的极少数情况下,通常数值方法本身在我们梦想达到接近双精度的精度之前都会失败。示例:由于舍入误差,即使在求解标准的 nostiff 常微分方程时,我们也不能期望简单的 Runge-Kutta 方法具有 1e-16 的精度。在这种情况下,双精度要求类似于要求对错误答案有更好的近似。
然后,在大多数情况下,激进的浮点优化似乎是双赢的局面,因为它使您的代码更快(快得多!),并且不会影响特定问题的目标准确性。也就是说,要确保特定的实现/代码对 fp 优化保持稳定似乎非常困难。经典(并且有些令人不安)的例子:GSL,GNU 科学库,不仅是市场上的标准数值库,而且它是一个写得很好的库(我无法想象自己做得更好)。然而,GSL 对 fp 优化并不稳定。实际上,例如,如果您使用 intel 编译器编译 GSL,则其内部测试将失败,除非您打开-fp-model strict
关闭 fp 优化的标志。
因此,我的问题是:是否有编写针对激进浮点优化稳定的代码的一般准则。这些指南是否特定于语言(编译器)。如果是这样,什么是 C/C++ (gcc/icc) 最佳实践?
注 1:这个问题不是问 gcc/icc 中的 fp 优化标志是什么。
注意 2:这个问题不是询问 C/C++ 优化的一般准则(比如不要对经常调用的小函数使用虚函数)。
注意 3:这个问题不是询问大多数标准 fp 优化的列表(如 x/x -> 1)。
注 4:我坚信这不是类似于经典的“最酷的服务器名称”的主观/题外话问题。如果您不同意(因为我没有提供具体的示例/代码/问题),请将其标记为社区 wiki。我对答案比获得一些状态点更感兴趣(不是它们不重要 - 你明白了!)。