当前位置: 首页 > 知识库问答 >
问题:

分支感知编程

堵昊焱
2023-03-14

我读到分支错误预测可能是应用程序性能的一个热点瓶颈。正如我所看到的,人们经常展示能够揭示问题的汇编代码,并说明程序员通常能够在大多数情况下预测分支的位置,从而避免错误预测分支。

要用高级编程语言(我对C和C++最感兴趣)生成分支友好的代码,我应该记住什么?

欢迎使用代码示例和基准。

共有1个答案

黎同
2023-03-14

人们经常...说程序员通常可以预测分支的去向

(*)有经验的程序员经常提醒说,人类程序员在预测这一点上是非常糟糕的。

1-是否可以使用高级编程技术(即无汇编)来避免分支错误预测?

首先,您应该记住,分支错误预测只会在程序中最关键的性能部分对您产生影响,在您测量并发现问题之前不要担心它。

但是当某个探查器(valgrind,VTune,...)告诉foo.cpp的第n行我得到了一个分支预测惩罚时,我该怎么办呢?

Lundin给出了非常明智的建议

    null

2阶。和3。可能会被切换。手工优化您的代码是一项大量的工作。另一方面,收集分析数据对于某些程序也是困难的。

(**)一种方法是通过例如展开循环来转换循环。您也可以让优化器自动执行。但是,您必须进行度量,因为展开将影响您与缓存交互的方式,并且很可能最终导致悲观情绪。

 类似资料:
  • 1. 光线传感器(板载)光线强度 报告指定光线传感器检测到的光线强度。 示例: 按下空格键,板载光线传感器检测到的光线强度会显示在 mBot 的外接表情面板。 2. 超声波传感器(接口3)距离 cm 报告指定超声波传感器检测到的障碍物距离(cm)。 示例: 按下空格键,接口3连接的超声波传感器检测到的障碍物距离会显示在 mBot 的外接表情面板。 3. 巡线传感器(接口2)读数 报告指定巡线传感器

  • 该部分 API 将帮助您使用光环上的各类传感器的状态值,包含按钮、麦克风、加速度计、陀螺仪以及四个触摸点。 省略代码中的halocode 注意:该部分 API 省略了“halocode.”,本篇提及的所有 API 均省略了“halocode.” ,如 led_driver.off( )实际为halocode.led_driver.off()。mBuild 电子模块平台的所有功能均维护在haloco

  • 小程 小奔 – 颜色红外传感器 1. 按钮()被按下? 如果小程指定的按钮被按下,报告条件成立。按钮包含A、B、C三个选项,默认为按钮A。 示例: 小程启动后,如果按钮A被按下,屏幕显示“Yes”,否则显示“No”。 2. 小程接入小奔? 如果小程与小奔组合在一起,报告条件成立。 示例: 小程启动后,如果小程与小奔组合在一起,屏幕显示“Yes”,否则显示“No”。 3. 齿轮电位器读数 报告小程齿

  • 理解人工神经网络(ANN)对于要理解单层感知器非常重要。人工神经网络是信息处理系统,其机制受到生物神经回路功能的启发。人工神经网络拥有许多彼此连接的处理单元。以下是人工神经网络的示意图 - 该图显示隐藏单元与外部层通信。而输入和输出单元仅通过网络的隐藏层进行通信。 与节点的连接模式,输入和输出之间的总层数和节点级别以及每层的神经元数量定义了神经网络的体系结构。 有两种类型的架构。这些类型关注功能人

  • 感知机可以说是最古老的分类方法之一了,在1957年就已经提出。今天看来它的分类模型在大多数时候泛化能力不强,但是它的原理却值得好好研究。因为研究透了感知机模型,学习支持向量机的话会降低不少难度。同时如果研究透了感知机模型,再学习神经网络,深度学习,也是一个很好的起点。这里对感知机的原理做一个小结。 1. 感知机模型 感知机的思想很简单,比如我们在一个平台上有很多的男孩女孩,感知机的模型就是尝试找到

  • 感知机(Peceptron)是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取$$+1$$和$$-1$$二值。感知机将对应于输入空间(特征空间)中将实例划分为正负的分离超平面,属于判别模型。 1. 定义 假设输入空间(特征空间)是$$X subseteq R^n$$,输出空间是$$Y=lbrace+1,-1rbrace$$。输入$$xin X$$表示实例的特征向量,对应于输入空