Version imprimable
Salut,
Je suis amené à appeler souvent les fonctions sinus et cosinus de la librairie math.h et j'aurais aimé savoir comment elles calculent? Existe t'il des algo qui permettent de gagner de la vitesse quitte à perde (un peu) en précision?
merci d'avance
Certains processeurs ont des instructions pour. Pour les autres, je connais deux familles d'algorithmes:Citation:
Envoyé par f56bre
- CORDIC
- approximation polynomiale par morceau
Faire une table et se limiter au contenu de cette table ou interpoler linérairement peut gagner ou pas. Suivant la taille de la table, le processeur et une quantité d'autres facteurs. Le seul moyen d'être sûr est de mesurer.Citation:
Existe t'il des algo qui permettent de gagner de la vitesse quitte à perde (un peu) en précision?
Bonjour,
il y a les développements et certaines fonctions d'approximation (pour la fonction sqrt).
Pour gagner du temps : si tu appeles souvent les mêmes valeurs ou des valeurs entières en degrès, remplit un tableau avec ces valeurs en début de soft et pioche dedans (c'est le cas pour un de mes soft...).
Bonjour,
Je m'excuse de remonter le post mais j'aurais besoin de savoir si les processeurs intègre des solutions en "dur" pour le calcul de exp, cos, sin...
Je viens d'essayer de produire un code à peu près optimisé en C++ à partir de la métaprogrammation et il ne peut tenir la comparaison avec la bibliothèque (je me fait battre d'un bon coefficient 2)...
Le code que j'applique :
Je passe à côté de quelque chose?Code:
2
3
Oui, cela s'appelle le coprocesseur mathématique, coprocesseur arithmétique ou encore FPU (Floating-point unit). De plus, sur certains types de calculs, ton compilateur peut même générer du code SIMD qui vont accélérer les calculs par un facteur significatif (tu peux avoir un facteur 8 par rapport à un calcul "simple" utilisant le FPU sur certaines opérations).Citation:
Envoyé par TNT89
Les processeurs de type Pentium actuels intègrent aussi bien un FPU que des registres SIMD (appelés "SSE" chez Intel)... Vouloir battre des fonctions câblées avec du logiciel "pur" est franchement illusoire, je préfère te prévenir.
La seule solution que je connais pouvant battre les circuits dédiés est le précalcul de tables : c'est monstrueusement efficace sur les fonctions trigonométriques, par exemple, car elles sont comme tu le sais périodiques.
C'est nettement moins simple avec des fonctions non-périodiques comme la racine carrée ou les logarithmes / exponentielles, mais en fonction de ton besoin et du domaine d'application, cela reste possible.
Merci de ta réponse!
Pour les FPU et le multi-core : comment ça se passe? Chaque cœur a son unité? et pour les threads? (pour les Intel I7 par exemple...).
Tiens, une demi-colle, là... De mémoire, il n'y a qu'un seul FPU par CPU, quel que soit le nombre de cœurs, mais il est possible que ça aie changé. Je n'ai pas trouvé d'informations dans ce sens, toutefois, donc je pense qu'il n'y a toujours qu'un seul FPU par CPU. Il doit par contre très certainement avoir été méchamment optimisé de façon à pouvoir être adressé sans risques par plusieurs cœurs, bien entendu.Citation:
Envoyé par TNT89
Par contre, pour les "threads", tu parles de l'hyper-threading ?
La version en somme infinie peut être optimisée en prenant plutôt la relation de récurrence entre le terme en N et le terme N+1 et la condition initiale.
Checke ce lien: http://python.jpvweb.com/mesrecettespython/math_decimal
C'est une implémentation en python, mais le principe est le même.
Non, ce n'est plus vrai maintenant.Citation:
Envoyé par Mac LAK
Un contre exemple:
http://en.wikipedia.org/wiki/File:C64_architecture.png
Jc
Oui je voulais parler de l'hyper-threading.
Sinon, Gui13, il me semble que ce que j'utilise est la même chose que ton lien mais inversé : une facilité d'écriture des polynôme qui a le bon goût d'être assez performant pour le calcul :
a*x⁴ + b*x³ + c*x² + d*x + e= ( ( (a*x +b)*x + c)*x + d)*x + e
Oui, tu as raison, j'ai lu trop vite :)