我的程序执行 NxN 矩阵乘法，其中使用 for 循环将两个矩阵的元素初始化为值 (0, 1, 2, ... N)。两个矩阵元素都是 float 类型。不存在内存分配问题。矩阵大小输入为 4 的倍数，例如:4x4 或 8x8 等。通过顺序计算验证答案。一切正常，直到 64x64 的矩阵大小。只有当矩阵大小超过 64(例如:68 x 68)时，才会观察到顺序版本和 SSE 版本之间的差异。
SSE 片段如图所示(大小 = 68):
void matrix_mult_sse(int size, float *mat1_in, float *mat2_in, float *ans_out) {
__m128 a_line, b_line, r_line;
int i, j, k;
for (k = 0; k < size * size; k += size) {
for (i = 0; i < size; i += 4) {
j = 0;
b_line = _mm_load_ps(&mat2_in[i]);
a_line = _mm_set1_ps(mat1_in[j + k]);
r_line = _mm_mul_ps(a_line, b_line);
for (j = 1; j < size; j++) {
b_line = _mm_load_ps(&mat2_in[j * size + i]);
a_line = _mm_set1_ps(mat1_in[j + k]);
r_line = _mm_add_ps(_mm_mul_ps(a_line, b_line), r_line);
}
_mm_store_ps(&ans_out[i + k], r_line);
}
}
}
有了这个，答案在元素 3673 处有所不同，我得到如下乘法的答案
标量:576030144.000000 & SSE:576030208.000000
我还用 Java 编写了一个类似的程序，具有相同的初始化和设置，N = 68，对于元素 3673，我得到的答案是 576030210.000000
现在有三个不同的答案，我不确定如何进行。为什么会出现这种差异，我们如何消除这种差异？
最佳答案
我正在总结讨论以结束这个问题的回答。
因此，根据 link 中的文章(每位计算机科学家应了解的浮点运算知识) ， float 总是导致舍入误差，这是 float 近似表示性质的直接结果。
加法、减法等算术运算会导致精度错误。因此， float 答案的6 个最重要的数字(无论小数点位于何处)可以被认为是准确的，而其他数字可能是错误的(容易出现精度误差)。
关于c - 矩阵乘法的 sse 精度误差，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/23595093/