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。没有内存分配问题。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，矩阵大小为64x64。仅当矩阵大小超过64（例如：68×68）时才观察到顺序版本和SSE版本之间的差异。
SSE代码段如图所示（size = 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，我得到乘法的答案如下
标量：576030144.000000＆amp; SSE ：576030208.000000
我还用Java编写了一个类似的程序，初始化和设置相同，N = 68，对于元素3673，我的答案为576030210.000000
现在有三个不同的答案，我不知道如何继续。为什么会出现这种差异？我们如何消除这种差异？
答案 0 :(得分：0)
我正在总结讨论，以便回答这个问题。
因此，根据link中的文章（每个计算机科学家应该知道的浮点运算），浮点始终会导致舍入误差，这是浮点数的近似表示性质。
加法，减法等算术运算会导致精度误差。因此，浮点答案的 6个最高有效数字 （无论小数点位于何处）都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）。