为什么CPU的浮点运算能力比GPU差

...所有这些都去了哪里？

精确的浮点运算非常复杂。订单代码和尾数必须重复计算和标准化。与定点或整形操作相比，延迟必须加倍。但是，最大的问题是处理器中浮点数的表示受到上限和下限的限制，但是很难预测在操作过程中是否会出现处理器无法表示的情况。这要求处理器识别此类异常或错误。使其不影响后续计算-科学计算会使用大量迭代和递归，并且错误和错误会累积和扩大。在过去（386-387时代之前），编写一些程序来在“高精度”计算机上运行非常有趣的技巧很容易-几秒钟的计算就可以提交结果，并产生数千％的错误

为防止此类错误，成本非常高。如果发现浮点错误或异常，则必须立即停止管道中的操作。一些中断例程将流水线阻塞数十个甚至数百个周期。但这实际上是最快的解决方案，因为后续计算可能不再正确。没有这种机制，您将需要稍后进行更多的检查和补偿操作，否则将面临完全失控的结果。

查看cpu和gpu，很容易理解它们之间的区别。 CPU是一个非常小的alu（甚至可能只有一组浮点管线），因此可以完成精确的浮点计算。像SSE这样的SIMD一次可以执行更多的浮点运算，并且异常处理比较草率（例如，sse倾向于自动将上溢或下溢的结果表示为最大和最小的可表示数字...），经常需要由编译器巧妙地处理。和gpu一样，这么多的alus同时执行很多浮点运算，基本上不可能实现完整的异常和错误处理------因此gpu执行浮点运算，将编译器交给程序并且适用范围较大的限制，有必要尽可能避免迭代和递归以及其他影响精度的算法等。

但是，在GPU中处理与显示相关的操作时，浮点异常和浮点错误确实不是大问题。玩早期3D游戏的人可能已经习惯了各种相互交叉的物体-这些实际上是一种追求。高速GPU在一定程度上放弃了数据准确性的结果。

------------------------补充：

似乎很仍然不理解。

高性能计算领域非常重视浮点计算，因此研究了使用GPU加速浮点的方法。该领域的某些CPU是以浮点处理为核心开发的，但它们仍然是标量或短向量浮点组件。理论值与相同规模的GPU仍有很大差异，甚至相差2个数量级。主题问题。

gpu中的浮点组件比cpu中的浮点组件简单，但这不是不可避免的。早期cpu中的浮点分量不一定要强于当前gpu中的浮点分量。由于高频优化和某些特殊组件（例如移位器等），现代cpu中的fpu功能强大，但这是“浪费的”。 cpu的浮点组件的规模足以让GPU安排数十个浮点组件。理论产量仍然相差很大。也就是说，如果CPU可以使用许多但较弱的浮点组件，则专家肯定会毫不犹豫的。

例如，在相同的技术下，GPU可以在8核cpu区域中布置近一千个计算单元。也就是说，一个cpu浮点单元必须处理数百个gpu浮点单元。即使考虑整形组件和缓存，cpu浮点单元仍必须对应数十到数十个gpu浮点单元。即使频率高出几倍，理论性能仍然远远落后。但是专家仍然坚持使用标量或短向量fpu，主要原因是我在上面描述过。

实际上，gpu浮点还具有分支跳转之类的问题。当然，这些问题还与并行处理无法单独处理单个操作有关。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shenmilingyu/article-333118-1.html