我在 win32 环境中运行 C++ 优化程序。该程序为 FFTW 和 pthreads 使用预构建的 DLL。
最近，程序发生了变化，它可以遇到非常大的数字，甚至可能是无穷大。在此更改之后，这个原本精简而强大的系统开始产生奇怪的症状 - 最明显的是它在不同的运行（在同一台计算机上，使用相同的二进制文件）产生不同的数值结果，甚至在这里和那里添加 printf 或虚拟分配从根本上改变了行为。
我仔细检查了所有可能的缓冲区溢出、内存分配、线程问题（我现在将线程池大小减少到 1）、堆栈大小，但经过数周的搜索，我什么也没找到。在更改之前，该程序没有不确定性或稳定性问题，它会定期运行数天。
我想知道问题是否出在 FFTW 模块上？或者这种浮点不稳定性是否源于大量数字？
浮点数本身不会导致不确定性，但您可能使用的任何第三方库如果它们有问题，例如无法正确处理无穷大，都可能会这样做。
您可能还需要考虑您自己的代码可能是罪魁祸首的可能性。当第三方库被大量使用时，通常（尽管不总是）就是这种情况，因为假设大多数错误已经被其他人发现并不是超出想象的范围。
FFTW 是否属于该类别，我不知道。但它肯定有可能被更多的人测试过而不是你自己的代码:-)
使用Valgrind找出您的 ar 是否从未初始化的变量中读取。它们是最常见的不想要的随机性来源，因此是非确定性的。
另一点可能是多线程（尽管您说您将线程池减少到一个），可能是控制线程和工作线程之间的竞争条件。Valgrind 也可以帮助检查多线程代码中的潜在竞争。
大数不会导致不确定的行为，但它们可以放大它——以前小的舍入差异可能会变成有限数和 NaN 或无穷大之间的差异。
要查看的一件事是传递给 FFTW 的缓冲区的对齐方式。像大多数高性能数值软件一样，它可能会根据数据对齐使用不同的实现。
我一直在寻找一些提示，以解决 Java 中浮点值和非确定性行为的类似问题，我最终进入了这个线程。我只想分享这个链接，它解释了为什么 C++ 代码在使用接近溢出的浮点值时会导致不确定的行为。文章指出，问题是由底层编译器转换为机器代码引起的。根据机器是比较已经截断的值还是更精确地比较存储在 CPU 寄存器中的值，我们可以获得不同的行为。我希望这有帮助。