您可以使用the code below輕鬆測試不同的可能性。它從本質上檢驗了你對天真模板abs的煩惱,以及std::abs
。毫不奇怪,天真模板腹肌獲勝。那麼,它有一個驚人的勝利。我期望std::abs
同樣快。請注意,-O3
實際上使事情變慢(至少在coliru上)。
Coliru的主機系統顯示這些時間:
random number generation: 4240 ms
naive template abs: 190 ms
ugly bitfiddling abs: 241 ms
std::abs: 204 ms
::fabsf: 202 ms
而且這些時間的VirtualBox的VM上的酷睿i7運行拱與GCC 4.9:
random number generation: 1453 ms
naive template abs: 73 ms
ugly bitfiddling abs: 97 ms
std::abs: 57 ms
::fabsf: 80 ms
而且在MSVS2013這些時間(Windows 7的x64):
random number generation: 671 ms
naive template abs: 59 ms
ugly bitfiddling abs: 129 ms
std::abs: 109 ms
::fabsf: 109 ms
如果我沒有在這個基準上做出一些明顯的錯誤方舟代碼(不要讓我拍攝它,我在大約2分鐘內寫完了),我會說只是使用std::abs
,或者模板版本,如果事實證明你的速度稍快。
代碼:
#include <algorithm>
#include <cmath>
#include <cstdint>
#include <cstdlib>
#include <chrono>
#include <iostream>
#include <random>
#include <vector>
#include <math.h>
using Clock = std::chrono::high_resolution_clock;
using milliseconds = std::chrono::milliseconds;
template<typename T>
T abs_template(T t)
{
return t>0 ? t : -t;
}
float abs_ugly(float f)
{
(*reinterpret_cast<std::uint32_t*>(&f)) &= 0x7fffffff;
return f;
}
int main()
{
std::random_device rd;
std::mt19937 mersenne(rd());
std::uniform_real_distribution<> dist(-std::numeric_limits<float>::lowest(), std::numeric_limits<float>::max());
std::vector<float> v(100000000);
Clock::time_point t0 = Clock::now();
std::generate(std::begin(v), std::end(v), [&dist, &mersenne]() { return dist(mersenne); });
Clock::time_point trand = Clock::now();
volatile float temp;
for (float f : v)
temp = abs_template(f);
Clock::time_point ttemplate = Clock::now();
for (float f : v)
temp = abs_ugly(f);
Clock::time_point tugly = Clock::now();
for (float f : v)
temp = std::abs(f);
Clock::time_point tstd = Clock::now();
for (float f : v)
temp = ::fabsf(f);
Clock::time_point tfabsf = Clock::now();
milliseconds random_time = std::chrono::duration_cast<milliseconds>(trand - t0);
milliseconds template_time = std::chrono::duration_cast<milliseconds>(ttemplate - trand);
milliseconds ugly_time = std::chrono::duration_cast<milliseconds>(tugly - ttemplate);
milliseconds std_time = std::chrono::duration_cast<milliseconds>(tstd - tugly);
milliseconds c_time = std::chrono::duration_cast<milliseconds>(tfabsf - tstd);
std::cout << "random number generation: " << random_time.count() << " ms\n"
<< "naive template abs: " << template_time.count() << " ms\n"
<< "ugly bitfiddling abs: " << ugly_time.count() << " ms\n"
<< "std::abs: " << std_time.count() << " ms\n"
<< "::fabsf: " << c_time.count() << " ms\n";
}
哦,並回答您的實際問題:如果編譯器不能生成更高效的代碼,我懷疑有一種更快的方式保存微優化裝配,特別是對於這樣的基本操作。
您應該提及您使用的編譯器/庫,因爲這是一個庫實現細節。 –
如果'fabs'真的快得多,也許你可以測試'(float)晶圓廠((double)floatval)',看看它是否比'fabsf'好。 – user2079303
我其實嘗試了晶圓廠的基準測試((double)x),但它真的很慢。這真的很有趣:)。 –