是一次访存快，还是一次整数乘法快？

csdn5211 2009-04-30 10:36:35

按说访存是直接读数，可是，cpu从内存读数也是要耗时间的，也许还没有做一次整数乘法快呢？

...全文

197 10 打赏收藏转发到动态举报

写回复

用AI写文章

10 条回复

切换为时间正序

请发表友善的回复…

发表回复

猫已经找不回了 2009-04-30

打赏
举报

访问内存的速度依赖不同的机器，但是数量级差不多。

随便举一个，一台网络处理器，XScale访问sram是200时钟，而dram是380 时钟。
而
XScale常见浮点运算的代价

运算类型代价（时钟周期/个）
加法+ 400
乘法* 400
除法/ 500

所以浮点运算跟访问内存是同一数量级，那你整数运算，肯定快很多。

ps:某些机器有整数运算硬件单元，只需要一个时钟，更牛逼。

lingyin55 2009-04-30

打赏
举报

没想过，帮顶下

darkwalkertt 2009-04-30

打赏
举报

和内容存放的地方有关系吧？

mengde007 2009-04-30

打赏
举报

俺认为乘法还是比较快的；

冷月清晖 2009-04-30

打赏
举报

这个还真不知道，可以测试下。

一叶还真不知秋 2009-04-30

打赏
举报

现在的CPU都有二级缓存，如果访问的内容在缓存内，那么这两种是一样快，都是耗一个时钟周期。否则的话，乘法可能更快一点。(计算器、手机、PDA等小玩意的CPU除外)

liao05050075 2009-04-30

打赏
举报

这个不知道。。
可能不同的计算机会有不同的结果也不一定

猫已经找不回了 2009-04-30

打赏
举报

[Quote=引用 8 楼 csdn5211 的回复:]
引用 7 楼 hairetz 的回复:
访问内存的速度依赖不同的机器，但是数量级差不多。

随便举一个，一台网络处理器，XScale访问sram是200时钟，而dram是380 时钟。
而
XScale常见浮点运算的代价

运算类型代价（时钟周期/个）
加法+ 400
乘法* 400
除法/ 500

所以浮点运算跟访问内存是同一数量级，那你整数运算，肯定快很多。

ps:某些机器有整数运算硬件单元，只需要一个时钟，更牛逼。

加法和乘法居…
[/Quote]

这个是浮点运算的结果，整数运算，就不一定了。

小y正在思考人生 2009-04-30

打赏
举报

真没想过~~
加法和乘法耗时一样！？！？学习了

csdn5211 2009-04-30

打赏
举报

[Quote=引用 7 楼 hairetz 的回复:]
访问内存的速度依赖不同的机器，但是数量级差不多。

随便举一个，一台网络处理器，XScale访问sram是200时钟，而dram是380 时钟。
而
XScale常见浮点运算的代价

运算类型代价（时钟周期/个）
加法+ 400
乘法* 400
除法/ 500

所以浮点运算跟访问内存是同一数量级，那你整数运算，肯定快很多。

ps:某些机器有整数运算硬件单元，只需要一个时钟，更牛逼。
[/Quote]

加法和乘法居然耗时一样！我一直以为加法一定比乘法快。

源码链接： https://pan.quark.cn/s/a4b39357ea24 The Algorithms - Java Build codecov Discord chat Gitpod ready-to-code You can run and edit the algorithms, or contribute to them using Gitpod.io (a free online development environment) with a single click. Open in Gitpod All algorithms are implemented in Java (for educational purposes) These implementations are intended for learning purposes. As such, they may be less efficient than the Java standard library. Contribution Guidelines Please read our Contribution Guidelines before you contribute to this project. Algorithms Our directory has the full list of applications.

本项目围绕吴恩达老师在DeepLearning.AI出品的Agentic-ai系列课程，为学习者打造中文翻译与知识整理教程。项目提供课程内容翻译、知识点梳理和示例代码解读等内容

Spring Cloud 微服务开发核心工具集。基础工具类、验证码、http、redis、ip2region、xss 等组件开箱即用

源码直接下载地址： https://pan.quark.cn/s/21603c2ea06d Major changes to this project from the earlier release (v1.0) are: - Addition of EnDAT absolute encoder interface library and code - Addition of BiSS-C encoder interfce library and code - Bug fix in over current protection algorithm - new variable 'curLimit' added, which the user can set up at actuals set to 10.0 if protection needed at 10A - Default code set for COLD control GND configuration (SHUNT currents and voltages can be sensed in HOT config only) - device support library changed from v150 to v170 - TrigRegs changed to SyncSocRegs

内容概要：本文围绕芯片行业中硅后验证到量产阶段的接口测试自动化实践，重点探讨了如何通过并发测试、协议级仿真等技术手段提升测试效率与系统稳定性。文章以Python代码示例展示了基于concurrent.futures的多工位并行测试框架，模拟真实产线中多Site同时工作的场景，强调了并发模型、异常处理、资源隔离和数据上报在提升测试吞吐量和鲁棒性方面的工程价值。同时，文章展望了数字孪生与左移测试在未来接口自动化中的发展趋势。; 适合人群：具备一定编程基础，从事芯片验证、测试或自动化开发的工程师，尤其是工作1-3年、希望深入理解接口测试自动化实现的技术人员。; 使用场景及目标：① 掌握如何利用多线程实现ATE多Site并行测试以提升产能；② 学习在接口测试中模拟真实环境抖动与异常，增强测试系统的容错能力；③ 构建可扩展的自动化测试框架，支持实时数据采集与上报，服务于智能制造。; 阅读建议：此资源结合代码实践与工业场景分析，建议读者在学习过程中运行并调试示例代码，深入理解ThreadPoolExecutor、Future对象管理及异常捕获机制，并结合实际测试需求进行扩展应用。