Efficient floating-point division with constant integer divisors
最近的一个问题,编译器是否可以用浮点乘法替换浮点除法,启发我问这个问题。
在严格要求下,代码转换后的结果应与实际的除法运算完全一致。对于二进制的ieee-754算法来说,这对于二次幂的除数来说是可能的,这一点是微不足道的。只要对方除数的倒数乘以除数的倒数可表示除数的结果与除数相同。例如,用
然后,我们会想知道其他除数这样的替换是如何工作的,假设我们允许任何简短的指令序列来替换除数,但运行速度要快得多,同时提供完全相同的结果。特别是除了纯乘法之外,还允许融合乘法加法运算。在评论中,我指出了以下相关文件:
尼古拉斯·布里斯巴雷、让·米歇尔·穆勒和索拉巴·库马尔·雷纳。当除数提前已知时,加速正确舍入浮点除法。《IEEE计算机汇刊》,第53卷,第8期,2004年8月,第1069-1072页。
论文作者所倡导的技术将除数y的倒数预计算为标准化的头尾对zh:zlas follows:zh=1/y,zl=fma(-y,zh,1)/y。稍后,除数q=x/y随后计算为q=fma(zh,x,zlx)。本文推导了除数y必须满足的各种条件,才能使该算法工作。正如人们所观察到的,当头部和尾部的符号不同时,该算法存在无穷大和零的问题。更重要的是,由于计算商尾,zl*x,它将无法为非常小的股息x提供正确的结果。
本文还简要介绍了一种基于fma的划分算法,该算法是由PeterMarkstein在IBM时首创的。相关参考是:
马克斯坦。IBM RISC System/6000处理器上基本函数的计算。IBM研究与开发杂志,第34卷,第1期,1990年1月,第111-119页
在Markstein的算法中,首先计算一个倒数rc,从中形成一个初始商q=x*rc。然后,用fma作为r=fma(-y,q,x)精确地计算除法的剩余部分,最后用q=fma(r,rc,q)计算改进的、更精确的商。
该算法还存在0或无穷大的x问题(通过适当的条件执行很容易解决),但使用IEEE-754单精度
1 2 3 4 5 6 7 8 9 | /* precompute reciprocal */ rc = 1.0f / y; /* compute quotient q=x/y */ q = x * rc; if ((x != 0) && (!isinf(x))) { r = fmaf (-y, q, x); q = fmaf (r, rc, q); } |
在大多数处理器体系结构中,这应该转换为无分支的指令序列,使用预测、条件移动或选择类型指令。举一个具体的例子:对于
1 2 3 4 5 6 7 8 | LDG.E R5, [R2]; // load x FSETP.NEU.AND P0, PT, |R5|, +INF , PT; // pred0 = fabsf(x) != INF FMUL32I R2, R5, 0.3333333432674408; // q = x * (1.0f/3.0f) FSETP.NEU.AND P0, PT, R5, RZ, P0; // pred0 = (x != 0.0f) && (fabsf(x) != INF) FMA R5, R2, -3, R5; // r = fmaf (q, -3.0f, x); MOV R4, R2 // q @P0 FFMA R4, R5, c[0x2][0x0], R2; // if (pred0) q = fmaf (r, (1.0f/3.0f), q) ST.E [R6], R4; // store q |
在我的实验中,我编写了下面显示的微小的C测试程序,该程序按递增的顺序逐步通过整数除数,并针对每个整数除数详尽地测试上述代码序列与正确的除法。它打印了通过这个详尽测试的除数列表。部分输出如下:
1 | PASS: 1, 2, 3, 4, 5, 7, 8, 9, 11, 13, 15, 16, 17, 19, 21, 23, 25, 27, 29, 31, 32, 33, 35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 64, 65, 67, 69, |
为了将替换算法作为一种优化合并到编译器中,上述代码转换可以安全地应用到的除数白名单是不切实际的。到目前为止,该程序的输出(大约每分钟一个结果)表明,对于那些奇数整数或二次幂的除数
什么样的数学条件可以决定a-先验,将除法转换成上述代码序列是否安全?答案可以假设所有浮点运算都是在默认的舍入模式"舍入到最近或偶数"下执行的。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 | #include <stdlib.h> #include <stdio.h> #include <math.h> int main (void) { float r, q, x, y, rc; volatile union { float f; unsigned int i; } arg, res, ref; int err; y = 1.0f; printf ("PASS:"); while (1) { /* precompute reciprocal */ rc = 1.0f / y; arg.i = 0x80000000; err = 0; do { /* do the division, fast */ x = arg.f; q = x * rc; if ((x != 0) && (!isinf(x))) { r = fmaf (-y, q, x); q = fmaf (r, rc, q); } res.f = q; /* compute the reference, slowly */ ref.f = x / y; if (res.i != ref.i) { err = 1; break; } arg.i--; } while (arg.i != 0x80000000); if (!err) printf ("%g,", y); y += 1.0f; } return EXIT_SUCCESS; } |
这个问题要求找到一种方法来确定常数
使用一组很好地适应浮点计算问题的浮点值的表示法,甚至从函数开始的前向分析也可以产生有用的信息。例如:好的。
1 2 3 4 5 | float f(float z) { float x = 1.0f + z; float r = x / Y; return r; } |
假设默认的四舍五入到最近的模式(*),在上述函数中,
(*)假设没有这些假设,许多优化是不可能的,并且C编译器已经做出了这些假设,除非程序显式地使用
预测上述
- 一组可能的NaN值的表示(由于NaN的行为未指定,因此选择仅使用布尔值,其中
true 表示可以存在一些NaN,false 表示不存在NaN)。 - 四个布尔标志分别指示存在+inf、-inf、+0.0、-0.0、
- 负有限浮点值的包含区间,以及
- 正有限浮点值的包含区间。
为了遵循这种方法,静态分析器必须理解C程序中可能发生的所有浮点操作。举例来说,在分析的代码中,用于处理
- 如果其中一个操作数中存在NaN,或者操作数可以是相反符号的无穷大,则结果中存在NaN。
- 如果0不能是u值和v值相加的结果,请使用标准间隔算法。结果的上界为u中的最大值和v中的最大值的四舍五入到最近的加法,因此这些界应使用四舍五入到最近的方法计算。
- 如果0是u的正值和v的负值相加的结果,那么让m是u中最小的正值,这样-m在v中出现。
- 如果suc(m)存在于u中,那么这对值将suc(m)-m贡献给结果的正值。
- 如果-suc(m)存在于v中,则这对值将负值m-suc(m)贡献给结果的负值。
- 如果pred(m)存在于u中,则这对值将负值pred(m)-m贡献给结果的负值。
- 如果v中存在-pred(m),则这对值将m-pred(m)的值贡献给结果的正值。
- 如果0是u的负值和v的正值相加的结果,则执行相同的操作。
承认:以上借鉴了布鲁诺?马尔(Bruno Marre)和克劳德?米歇尔(Claude Michel)提出的"改进浮点加减约束"的观点。好的。
示例:以下函数
1 2 3 4 5 6 7 8 | float f(float z, float t) { float x = 1.0f + z; if (x + t == 0.0f) { float r = x / 6.0f; return r; } return 0.0f; } |
问题中的方法拒绝将函数
为了明确起见,我建议使用下面的算法来决定是否将除法转换为更简单的方法:好的。
如果四个问题的答案是"是",那么除法可以在编译函数的上下文中转换为乘法和fma。上述静态分析用于回答问题2、3。4。好的。
(**)"摆弄符号"是指当需要使用-fma(-c1,x,(-c2)*x)代替fma(c1,x,c2*x),以便在x只能是两个有符号零中的一个时使结果正确出现。好的。好啊。
让我第三次重新启动。我们正试图加速好的。
1 | q = x / y |
其中
简单的算法是通过预先计算的倒数,好的。
1 | C = 1.0f / y |
所以在运行时(更快)的乘法就足够了:好的。
1 | q = x * C |
Brisebarre-Muller Raina加速度使用两个预先计算的常量,好的。
1 2 | zh = 1.0f / y zl = -fmaf(zh, y, -1.0f) / y |
因此,在运行时,一个乘法和一个融合乘法加法就足够了:好的。
1 | q = fmaf(x, zh, x * zl) |
markstein算法将naive方法与两个融合乘法结合起来,如果naive方法通过预先计算在最不重要的位置在1个单位内生成结果,则会得到正确的结果。好的。
1 2 | C1 = 1.0f / y C2 = -y |
这样除数就可以用好的。
1 2 3 | t1 = x * C1 t2 = fmaf(C1, t1, x) q = fmaf(C2, t2, t1) |
这种幼稚的方法适用于两个
Brisebarre-Muller-Raina方法在几乎所有两个
Brisebarre-Muller-Raina的文章表明,这种简单方法的最大误差为±1.5 ulps。好的。
对于两个
对于Markstein方法,我分析了除数1-19700(这里是原始数据)。好的。
绘制失败案例的数量(横轴中的除数,该除数的markstein方法失败的
Markstein失败案例http://www.nominal-animal.net/answers/markstein.png好的。
注意,这些图的水平轴和垂直轴都是对数。奇数除数没有点,因为该方法为我测试过的所有奇数除数生成正确的结果。好的。
如果我们将x轴更改为除数器的位反转(二进制数字的倒序,即0B111101101→0B110110111,数据),我们将得到一个非常清晰的模式:Markstein失败案例,位反向除数http://www.nominal-animal.net/answers/markstein-failures.png好的。
如果我们通过点集的中心画一条直线,我们得到曲线
因此,如果我们使用
添加了2016-02-28:我发现了一个使用markstein方法的错误案例数量的近似值,给定任何整数(binary32)除数。这里是伪代码:好的。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 | function markstein_failure_estimate(divisor): if (divisor is zero) return no estimate if (divisor is not an integer) return no estimate if (divisor is negative) negate divisor # Consider, for avoiding underflow cases, if (divisor is very large, say 1e+30 or larger) return no estimate - do as division while (divisor > 16777216) divisor = divisor / 2 if (divisor is a power of two) return 0 if (divisor is odd) return 0 while (divisor is not odd) divisor = divisor / 2 # Use return (1 + 83833608 / divisor) / 2 # if only nonnegative finite float divisors are counted! return 1 + 8388608 / divisor |
在我测试过的Markstein失效案例中,这会产生一个正确的误差估计值,误差估计值在±1以内(但我还没有充分测试过大于8388608的除数)。最后的除法应该是这样的,它不会报告错误的零,但我不能保证(现在)。它没有考虑到非常大的除数(比如0x1p100,或者1e+30,以及更大的数量级),这些除数有下溢问题——无论如何,我肯定会将这些除数排除在加速之外。好的。
在初步测试中,估计值似乎异常准确。我没有画出一个图来比较1到20000除数的估计值和实际误差,因为这些点在图中完全一致。(在这个范围内,估计值是精确的,或者太大。)从本质上讲,估计值精确地复制了这个答案中的第一个图。好的。
Markstein方法的失败模式是规则的,非常有趣。该方法适用于两个除数的所有幂和所有奇数整数除数。好的。
对于大于16777216的除数,我始终看到与除数相同的错误,除数除以2的最小幂得到小于16777216的值。例如,0x1.3cdfa4p+23和0x1.3cdfa4p+41、0x1.d8874p+23和0x1.d8874p+32、0x1.cf84f8p+23和0x1.cf84f8p+34、0x1.e4a7fp+23和0x1.e4a7fp+37。(每对中尾数相同,只有两个的力量不同。)好的。
假设我的测试台没有出错,这意味着markstein方法也可以处理大于16777216的除数(但小于,例如,1e+30),如果除数是这样的,当除以最小的2次幂,得到小于16777216的商,并且商是奇数。好的。好啊。
我喜欢@pascal的答案,但是在优化中,拥有一个简单且易于理解的转换子集,而不是一个完美的解决方案通常会更好。
所有当前和常见的历史浮点格式都有一个共同点:二进制尾数。
因此,所有分数都是形式的有理数:
x/2n
这与程序中的常量(以及所有可能的基10分数)形成对比,后者是形式为的有理数:
x/(2n*5m)
因此,一个优化将简单地测试m==0的输入和倒数,因为这些数字是以fp格式精确表示的,用它们进行的操作将产生格式中准确的数字。
因此,例如,在
1 | .25 .50 .75 |
其他一切都不会。(我想,先测试一下,哈哈)
浮点除法的结果是:
- 标志旗
- 意义重大
- 一个指数
- 一组标志(溢出、下溢、不精确等——见
fenv() )
前3个片段正确(但标记集不正确)是不够的。如果不进一步了解(例如,结果的哪些部分实际上很重要,股息的可能值等),我会假设用常数代替除法,用常数乘以(和/或复杂的fma混乱)几乎是不安全的。
此外,对于现代CPU,我也不认为用2个FMA替换一个分区总是一种改进。例如,如果瓶颈是指令获取/解码,那么这种"优化"会使性能变差。例如,如果后续指令不依赖于结果(CPU可以在等待结果的同时并行执行许多其他指令),则FMA版本可能会导致多个依赖暂停并使性能变差。对于第三个例子,如果使用了所有寄存器,那么fma版本(它需要额外的"活动"变量)可能会增加"溢出"并使性能变差。
请注意(在许多情况下,但并非所有情况下)2的常数倍数的除法或乘法可以单独使用加法(特别是向指数添加移位计数)来完成。