浮点数算力

1. 浮点计算能力是什么

当我们用不同的电脑计算圆周率时，会发现一台电脑的计算较另一台来讲结果更加精确。或者我们在进行枪战游戏的时候，当一粒子弹击中墙壁时，墙上剥落下一块墙皮，同样的场面在一台电脑上的表现可能会非常的呆板、做作；而在另外一台电脑上就会非常生动形象，甚至与我们在现实中看到的所差无几。
以上我们看到的一切，都源于CPU内部添加的“浮点运算功能”。浮点运算能力是关系到CPU的多媒体，3D图形处理的一个重要指标。P4中只有2个浮点执行单元，而其中一个单元要同时处理FADD

2. 什么是整数运算能力，什么是浮点运算能力

这两种运算都是处理运算的。
在之前的最开始的CPU里面是没有浮点运算单元的，只有整点运算单元，那时候 的机器只能在处理整点运算上面显得得心应手，但是你要计算浮点运算，却需要电脑上的程序（软件）来计算，电脑的硬件并不能处理。也或者是你可以自己从市场上买一个浮点运算单元插在自己的电脑主机上，当做外设补充CPU本身的不足。

在当时之所以没有集成浮点元算在CPU内部是受价格因素的影响，当然也有技术方面的影响。现在随着技术发展，芯片的价格也越来越便宜，浮点和整点都已集成在CPU内部。而且他们的运算速度也越来越快，处理数据的功能也愈加强大。

只是从课堂上老师口中听来的，还望有真正深入了解的补充。

3. CPU的浮点运算能力是什么东西啊

浮点数可以简单的理解为小数，
有些老师会教你浮点数在内存中是这样存的是 底 指数 这样的形式
可以说完全不对，真正浮点数在内存中存储的方式非常复杂，一共有七种情况
由于指数太多不好打出来，
你可以查阅：（标准IEEE 745）名称为：
Standard for binary floating decimal point ANSI/IEEE 745
这就是浮点数的标准文档，上面详细的规定了浮点数和双精度数如何存储，了解了以后你就可以自己计算浮点数的取值范围以及为什么有一些值取不到还有为什么会有精度的问题，可是计算相当麻烦。
希望对你有所帮助

4. GPU的浮点运算能力为什么会如此恐怖

不知道你能否打开这两个国外的网页，这是我随便google得到的两个图片
http://www.crunchgear.com/2008/02/25/gpu-programming-now-on-osx/
http://www.tacc.utexas.e/research/users/features/dragon.php
GPU计算能力强主要是因为他的大部分电路都是进行算术计算的单元，实际上加法器乘法器这些都是相对较小的电路，即使做很多这种运算单元，都不会占用太多芯片的面积。而且由于GPU的其他部件占得面积小，它也可以有更多的寄存器和缓存来存储数据。CPU之所以那么慢，一方面是因为有大量的处理其他程序如分支循环之类的单元，并且由于cpu处理要求有一定的灵活性，那么cpu的算术逻辑单元的结构也要复杂很多。简单的说，就为了提高分支指令的处理速度，cpu的很多部件都用于做分支预测，以及在分支预测错误的时候，修正和恢复算术逻辑单元的结果。这些都大大的增加了器件的复杂度。
另外，实际上现在的CPU的设计上也在向GPU学习，就是增加并行计算的，没有那么多控制结构的浮点运算单元。例如intel的sse指令集，到目前可以实现同时进行4个浮点运算，而且增加了很多寄存器。

5. 计算机的浮点运算能力是什么

当我们用不同的电脑计算圆周率时，会发现一台电脑的计算较另一台来讲结果更加精确。或者我们在进行枪战游戏的时候，当一粒子弹击中墙壁时，墙上剥落下一块墙皮，同样的场面在一台电脑上的表现可能会非常的呆板、做作；而在另外一台电脑上就会非常生动形象，甚至与我们在现实中看到的所差无几。
以上我们看到的一切，都源于CPU内部添加的“浮点运算功能”。浮点运算能力是关系到CPU的多媒体，3D图形处理的一个重要指标。P4中只有 2个浮点执行单元，而其中一个单元要同时处理FADD

6. i3 380m的浮点计算能力是多少，骁龙820的浮点计算能力又是多少

• i3 380m跟酷睿E8400差不多，25 GFLOPS

• 高通骁龙 820 单核成绩 1732 分，多核成绩 4970 分。多核能力是i3-4000M或者i5-4210U的水平，比i3-380M强，Intel Core i5-4210U的浮点运算能力是 43.4467 GFlops

• GPU的浮点能力从设计初衷就是为了运算而生，所以GPU的浮点能力是CPU的几倍到几十倍。比如i3-380M的核显能力大约是HD2000的一半，30Gflops，而骁龙820的GPU Adreno530的浮点能力则是544Gflops。

7. ARM处理器的浮点运算能力已远超X86处理器

现在来看，ARM与x86处理器的浮点计算能力的差距还很巨大，不仅仅由架构，也与两者的应用方向不同有关

8. 请问下什么是GPU的浮点运算能力主要干什么的

GPU计算能力强主要是因为他的大部分电路都是进行算术计算的单元，实际上加法器乘法器这些都是相对较小的电路，即使做很多这种运算单元，都不会占用太多芯片的面积。而且由于GPU的其他部件占得面积小，它也可以有更多的寄存器和缓存来存储数据。CPU之所以那么慢，一方面是因为有大量的处理其他程序如分支循环之类的单元，并且由于cpu处理要求有一定的灵活性，那么cpu的算术逻辑单元的结构也要复杂很多。简单的说，就为了提高分支指令的处理速度，cpu的很多部件都用于做分支预测，以及在分支预测错误的时候，修正和恢复算术逻辑单元的结果。这些都大大的增加了器件的复杂度。
另外，实际上现在的CPU的设计上也在向GPU学习，就是增加并行计算的，没有那么多控制结构的浮点运算单元。例如intel的sse指令集，到目前可以实现同时进行4个浮点运算，而且增加了很多寄存器 另外，想学习GPU计算的话，去下载一个CUDA的SDK，里面有很详细的说明文档

9. 如何计算 cpu 的理论浮点运算能力

可以通过linx软件来测试浮点运算能力。

linx软件打开后选择计算规模、使用内存和运行次数。

推荐设置：

双核计算规模：4000 运行次数：1~2

四核计算规模：8000 运行次数：3

八核计算规模：10000 运行次数：3

浮点单位说明：一个 GFLOPS (gigaFLOPS) 等于每秒10亿 (=10^9) 次的浮点运算

10. 为什么GPU的浮点运算能力比CPU强的多

首先，「速度区别主要是来自于架构上的区别」是一个表面化的解释。对，架构是不同。但是这种不同是目前各个厂家选择的现状，还是由于本质的原因决定的？CPU 能不能增加核？GPU 那张图为什么不需要 cache？

首先，CPU 能不能像 GPU 那样去掉 cache？不行。GPU 能去掉 cache 关键在于两个因素：数据的特殊性（高度对齐，pipeline 处理，不符合局部化假设，很少回写数据）、高速度的总线。对于后一个问题，CPU 受制于落后的数据总线标准，理论上这是可以改观的。对于前一个问题，从理论上就很难解决。因为 CPU 要提供通用性，就不能限制处理数据的种类。这也是 GPGPU 永远无法取代 CPU 的原因。

其次，CPU 能不能增加很多核？不行。首先 cache 占掉了面积。其次，CPU 为了维护 cache 的一致性，要增加每个核的复杂度。还有，为了更好的利用 cache 和处理非对齐以及需要大量回写的数据，CPU 需要复杂的优化（分支预测、out-of-order 执行、以及部分模拟 GPU 的 vectorization 指令和长流水线）。所以一个 CPU 核的复杂度要比 GPU 高的多，进而成本就更高（并不是说蚀刻的成本高，而是复杂度降低了成片率，所以最终成本会高）。所以 CPU 不能像 GPU 那样增加核。

至于控制能力，GPU 的现状是差于 CPU，但是并不是本质问题。而像递归这样的控制，并不适合高度对齐和 pipeline 处理的数据，本质上还是数据问题。