假设在某些 C 或 C++ 代码中，我有一个名为的函数T fma( T a, T b, T c )，它执行 1 次乘法和 1 次加法，如下所示( a * b ) + c；我应该如何优化多个mul 和添加步骤？
例如，我的算法需要用 3 或 4 个 fma 操作链接并汇总在一起来实现，我如何编写这是一种有效的方法，我应该特别注意语法或语义的哪一部分？
我还想要一些关于关键部分的提示：避免更改 CPU 的舍入模式以避免刷新 cpu 管道。但我很确定，仅使用+多个调用之间的操作fma不应该改变这一点，我说“非常确定”，因为我没有太多 CPU 来测试这个，我只是遵循一些合乎逻辑的步骤.
我的算法类似于多个 fma 调用的总数
fma ( triplet 1 ) + fma ( triplet 2 ) + fma ( triplet 3 )
最近，在 Build 2014 中，Eric Brumer 就该主题进行了非常精彩的演讲（请参阅此处）。谈话的底线是
在任何地方使用 Fused Multiply Accumulate（又名 FMA）会损害性能。
在 Intel CPU 中，一条 FMA 指令需要 5 个周期。相反，进行乘法（5 个周期）和加法（3 个周期）需要 8 个周期。使用 FMA，您将获得两项操作的奖励（见下图）。
然而，FMA 似乎并不是指令的圣杯。正如您在下图中看到的那样，FMA 在某些引用中会损害性能。
以同样的方式，您的案例fma(triplet1) + fma(triplet2) + fma(triplet 3)需要 21 个周期，而如果您在没有 FMA 的情况下执行相同的操作，则需要 30 个周期。这意味着性能提升了 30%。
在您的代码中使用 FMA 需要使用编译器内在函数。不过，在我看来，FMA 等不是你应该担心的，除非你是 C++ 编译器程序员。如果你不是，让编译器优化来处理这些技术问题。一般来说，在这种担忧之下是万恶之源（即，过早的优化），套用一个伟大的问题（即唐纳德·高德纳）。