如何解决符合IEEE 754的sqrt实现的双精度类型
我正在尝试实现double __ieee754_sqrt(double x)
函数,该函数使用硬件指令来获得第一近似值:
double __ieee754_sqrt(double x) {
double z;
/* get reciprocal of the square root (6.75 bits accuracy) */
__asm(" QSEED.DF %0,%1 \n": "=e" (z):"e" (x):);
z = 1 / z;
z = ( z + x / z) / 2; /* 1st Newton-Raphson iteration */
z = ( z + x / z) / 2; /* 2nd Newton-Raphson iteration */
z = ( z + x / z) / 2; /* 3rd Newton-Raphson iteration */
z = ( z + x / z) / 2; /* 4th Newton-Raphson iteration */
return z;
}
Square root is neither chopped nor correctly rounded.
Observed errors run from -6.0493828e-01 to 5.0000000e-01 ulps.
问题:如何为chopping and correct rounding
实施其他逻辑?
UPD。硬件本身不支持sqrt()
。硬件仅支持求平方根的倒数(精度为6.75位)。
UPD2。
- 使用njuffa的解决方案(非常感谢!),进行了一些小的更改:使用
qseeddf()
代替qseedf()
=>使用fma()
代替fmaf()
。为什么?因为它省略了double<=>float
转换,因此速度更快。 - 是的,硬件支持融合乘法加法指令(FMA)。
- 感谢大家参与讨论并提供详细答案!
- 对于所有对此主题感兴趣的人,这里是
sqrt()
实现的列表:- 来自Cygwin数学。库(
libm
):cygwin-snapshot-20200710-1/newlib/libm/math/e_sqrt.c
:受版权保护的Copyright (C) 1993 by Sun Microsystems
。 - 从GNU C库(
glibc
):-
glibc-2.31/sysdeps/ieee754/dbl-64/e_sqrt.c
:标题为IBM Accurate Mathematical Library
。 -
glibc-2.31/sysdeps/powerpc/fpu/e_sqrt.c
:使用__builtin_fma()
函数。
-
- 来自Cygwin数学。库(
解决方法
在着手构建自己的实现之前,建议先在互联网上搜索以查看是否有合适的和经过测试的开源代码。
通用迭代算法对互逆的平方根使用无除法迭代,以达到所需的精度,然后将自变量与参数相乘以计算平方根,最后使用所需的舍入模式进行舍入。平方根倒数的迭代可以使用具有二次收敛性的牛顿-拉夫森迭代(大约将正确位数增加一倍)或具有三次收敛性的哈雷迭代(将正确位数增加大约三倍)。虽然存在高阶迭代,但通常不使用它们。
为使代码简单,建议在二进制浮点运算的情况下,将参数减小为包含两个连续二进制数的单个窄间隔。请注意,由于需要进行指数操作,因此通常不会实现最高性能。出于性能原因,双精度实现的初始迭代通常以单精度执行。
在下面的示例性ISO-C99实现中,我将展示如何沿着这些直线实现正确取整的双精度平方根。我假设double
映射到IEEE-754 binary64
,并且float
映射到IEEE-754 binary32
。我仅限于使用IEEE-754舍入至最近或偶数模式实现的sqrt
。
非常重要我假设过程硬件提供了融合的乘法加法指令,并且这些指令已通过标准数学库函数fmaf
和fma
正确公开。在评论中,我曾要求OP澄清FMA的可用性,但决定在获得反馈之前就着手编写代码。没有FMA的实现是可能的,但是更具挑战性,足够完整的处理可能会超出Stackoverflow答案的范围。
由于OP未指定目标体系结构或未提供起始近似值的详细信息,因此我在下面使用基于区间[0.25,1]的多项式最小极大近似的我自己的起始近似,所有非异常参数均已减小到该区间。 qseedf()
的结果精确到大约7位,因此比OP的内置硬件稍好。这种差异是否显着,我无法评估。
该算法(特别是舍入逻辑)依赖于Peter Markstein的思想,因此我有理由相信该算法在构造上是正确的。我在这里仅执行了非常基本的测试。最佳行业实践是通过数学方法证明这种算法的正确性,例如,请参阅David Russinoff和John Harrison的出版物。紧要关头,一个人可能可以通过对两个连续的Binade进行详尽的测试(如今这是可行的,一个小型集群运行了几天),再加上对所有Binade进行基于随机和基于模式的测试。
#include <stdio.h>
#include <stdlib.h>
#include <stdint.h>
#include <string.h>
#include <math.h>
/* Approximate 1/sqrt(a) on [0.25,1] with an accuracy of about 7 bits */
float qseedf (float a)
{
float r;
r = -2.43845296f;
r = fmaf (r,a,6.22994471f);
r = fmaf (r,-5.91090727f);
r = fmaf (r,3.11237526f);
return r;
}
double my_sqrt (double a)
{
const double QNAN_INDEFINITE = 0.0 / 0.0;
const double half = 0.5;
const double three_eighth = 0.375;
double refined_rsqrt_approx,sqrt_approx,sqrt_residual,result,b;
double rsqrt_approx,rsqrt_approx_err,rsqrt_approx_squared,reduced_arg;
float argf,approxf,approxf_err;
int e,t,f;
/* handle normal cases */
if ((a >= 0) && (a < INFINITY)) {
/* compute exponent adjustments */
b = frexp (a,&e);
t = e - 2*512;
f = t / 2;
t = t - 2 * f;
f = f + 512;
/* map argument into the primary approximation interval [0.25,1) */
reduced_arg = ldexp (b,t);
/* Compute initial low-precision approximation */
argf = (float)reduced_arg;
approxf = qseedf (argf);
/* Apply two Newton-Raphson iterations with quadratic convergence */
approxf_err = fmaf (-argf,approxf * approxf,1.0f);
approxf = fmaf (0.5f * approxf,approxf_err,approxf);
approxf_err = fmaf (-argf,approxf);
/* rsqrt approximation is now accurate to 1 single-precision ulp */
rsqrt_approx = (double)approxf;
/* Perform a Halley iteration wih cubic convergence. Based on the work
of Peter Markstein. See: Peter Markstein,"IA-64 and Elementary
Functions",Prentice Hall 2000
*/
rsqrt_approx_squared = rsqrt_approx * rsqrt_approx;
rsqrt_approx_err = fma (-reduced_arg,1.0);
refined_rsqrt_approx = fma (fma (rsqrt_approx_err,three_eighth,half),rsqrt_approx * rsqrt_approx_err,rsqrt_approx);
sqrt_approx = reduced_arg * refined_rsqrt_approx;
sqrt_residual = fma (-sqrt_approx,reduced_arg);
result = fma (sqrt_residual,half * refined_rsqrt_approx,sqrt_approx);
/* map back from primary approximation interval by jamming exponent */
result = ldexp (result,f);
} else {
/* handle special cases */
result = (a < 0) ? QNAN_INDEFINITE : (a + a);
}
return result;
}
/*
https://groups.google.com/forum/#!original/comp.lang.c/qFv18ql_WlU/IK8KGZZFJx4J
From: geo <gmars...@gmail.com>
Newsgroups: sci.math,comp.lang.c,comp.lang.fortran
Subject: 64-bit KISS RNGs
Date: Sat,28 Feb 2009 04:30:48 -0800 (PST)
This 64-bit KISS RNG has three components,each nearly
good enough to serve alone. The components are:
Multiply-With-Carry (MWC),period (2^121+2^63-1)
Xorshift (XSH),period 2^64-1
Congruential (CNG),period 2^64
*/
static uint64_t kiss64_x = 1234567890987654321ULL;
static uint64_t kiss64_c = 123456123456123456ULL;
static uint64_t kiss64_y = 362436362436362436ULL;
static uint64_t kiss64_z = 1066149217761810ULL;
static uint64_t kiss64_t;
#define MWC64 (kiss64_t = (kiss64_x << 58) + kiss64_c,\
kiss64_c = (kiss64_x >> 6),kiss64_x += kiss64_t,\
kiss64_c += (kiss64_x < kiss64_t),kiss64_x)
#define XSH64 (kiss64_y ^= (kiss64_y << 13),kiss64_y ^= (kiss64_y >> 17),\
kiss64_y ^= (kiss64_y << 43))
#define CNG64 (kiss64_z = 6906969069ULL * kiss64_z + 1234567ULL)
#define KISS64 (MWC64 + XSH64 + CNG64)
int main (void)
{
const uint64_t N = 10000000000ULL; /* desired number of test cases */
double arg,ref,res;
uint64_t argi,refi,resi,count = 0;
double spec[] = {0,1,INFINITY,NAN};
printf ("test a few special cases:\n");
for (int i = 0; i < sizeof (spec)/sizeof(spec[0]); i++) {
printf ("my_sqrt(%22.13a) = %22.13a\n",spec[i],my_sqrt(spec[i]));
printf ("my_sqrt(%22.13a) = %22.13a\n",-spec[i],my_sqrt(-spec[i]));
}
printf ("test %llu random cases:\n",N);
do {
count++;
argi = KISS64;
memcpy (&arg,&argi,sizeof arg);
res = my_sqrt (arg);
ref = sqrt (arg);
memcpy (&resi,&res,sizeof resi);
memcpy (&refi,&ref,sizeof refi);
if (resi != refi) {
printf ("\rerror @ arg=%22.13a res=%22.13a ref=%22.13a\n",arg,res,ref);
return EXIT_FAILURE;
}
if ((count & 0xfffff) == 0) printf ("\r[%llu]",count);
} while (count < N);
printf ("\r[%llu]",count);
printf ("\ntests PASSED\n");
return EXIT_SUCCESS;
}
以上程序的输出应类似于以下内容:
test a few special cases:
my_sqrt( 0x0.0000000000000p+0) = 0x0.0000000000000p+0
my_sqrt( -0x0.0000000000000p+0) = -0x0.0000000000000p+0
my_sqrt( 0x1.0000000000000p+0) = 0x1.0000000000000p+0
my_sqrt( -0x1.0000000000000p+0) = -0x1.#IND000000000p+0
my_sqrt( 0x1.#INF000000000p+0) = 0x1.#INF000000000p+0
my_sqrt( -0x1.#INF000000000p+0) = -0x1.#IND000000000p+0
my_sqrt( 0x1.#QNAN00000000p+0) = 0x1.#QNAN00000000p+0
my_sqrt( -0x1.#QNAN00000000p+0) = -0x1.#QNAN00000000p+0
test 10000000000 random cases:
[10000000000]
tests PASSED
,
z = 1 / z;
z = ( z + x / z) / 2; /* 1st Newton-Raphson iteration */
...
->
z = 1 / z;
z += ( x / z - z) * 0.5; /* 1st Newton-Raphson iteration */
...
这可能更快。
(我认为),并尽快停止迭代。
停止时,比较z*z
和x
。 z*z
(我认为)将不小于x
。从z
子迹线1ulp并检查z*z
与x
。这不是对“正确舍入”的完美检查,但可能足以在z
和z - 1ulp
之间做出决定。
由于您遇到的错误范围如此之大,所以我担心其余的浮点“硬件”在取整甚至精度方面都很草率。
糟糕,我忘了。有理由为您提供1/z
的近似值-继续近似为1 / z;您可以使用乘法而不是除法来实现,从而(在大多数硬件中)明显更快,并且舍入更少。
z = ( z + x * z) * 0.5; /* 1st Newton-Raphson iteration */
...
z = 1 / z;
还要查看是否有一种方法可以减小指数而不是对/ 2
进行乘法。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。