在我看到的大多数代码中，即使不需要高精度，double仍然比float更受欢迎。
由于使用双精度类型（CPU / GPU / 内存 / 总线 / 缓存等）存在性能惩罚，那么为什么会过度使用双精度？
例如：在计算流体力学中，我所用的所有软件都使用双精度。在这种情况下，高精度是无用的（因为数学模型中的近似误差），并且有大量数据需要移动，使用浮点数可以减少一半数据量。
今天计算机性能强大无意义，因为它们被用来解决越来越复杂的问题。
为什么双精度浮点数比单精度浮点数更受欢迎？
19
- Pietro
15
6个回答
22
其中包括：
- 节省的效益很少（数值计算并非典型）。
- 舍入误差会累积，因此最好从一开始就采用比所需更高的精度（专家可能知道它已经足够精确，而且有些计算可以完全准确地进行）。
- 常见的浮点运算在内部使用fpu时通常使用双精度或更高精度。
- C和C++可以隐式地将float转换为double，反之则需要显式强制转换。
- 可变参数和无原型函数总是得到double，而不是float。（第二个只在古老的C中存在，并且被积极反对）
- 您通常会使用超过所需精度的操作，但很少使用较少精度的操作，因此库通常也倾向于更高的精度。
但最终，你的情况可能有所不同：要自行衡量、测试和决策。
顺便说一句：对于性能狂热者来说甚至还有更多：使用IEEE半精度类型。虽然很少有硬件或编译器支持，但它可以再次将带宽要求减半。
- Deduplicator
6
13“节省的价值几乎不值得” - 对于单个计算（例如将总和保存在单个变量中）- 没问题。对于获取大量数据- 不行，这会使带宽增加一倍。 - Karoly Horvath
"舍入误差会累积" - 在许多情况下，与其他原因（例如数学模型）导致的误差相比，舍入误差是可以忽略不计的。 - Pietro
@presiuslitelsnoflek - 是的，不总是。但我会说在大多数情况下是这样的。 - Pietro
7使用更小的尺寸还有另一个原因，那就是不会让你的缓存膨胀。另外一个原因是，很多SSE指令都有双精度和单精度版本，而单精度版本可以在一条指令中操作两倍的数据量。（带宽加倍，乐趣加倍） - Apriori
3我想补充一点，单精度浮点数的精度限制可能比人们天真地想象的更为常见。在我的OpenGL经验中，我多次不得不从坐标中消除偏差或选择时间周期函数中更短的模数，而不是我本来希望的那样，仅仅是因为GPU的主要部件32位浮点数精度不够。 - Dolda2000
在我的个人生活历史中，我使用浮点数，因为我认为这样会更快，但我在将东西推到短坐标而没有留有余地时遇到了舍入精度问题（通常使用+0.5或round()函数）。改用double后，几乎所有问题都解决了，而且没有性能差异。从那时起，我都是double。然后加入了一家公司，但由于与GPU的缓冲区兼容性原因，所有的数据类型都是float。果然，在可以编辑类似行星尺度的DCCT中遇到了巨大的精度问题。这就像地狱的循环... - v.oddou
12
double在C语言中是一种“自然”的浮点类型，这也影响了C++。请考虑以下事实：
- 像
13.9这样的未加修饰的普通浮点常量具有double类型。要使它成为float，我们必须添加额外的后缀f或F。 - C中的默认参数提升将
float函数参数*转换为double：当没有声明存在于参数时，如函数被声明为可变参数（例如printf）或不存在声明时（旧式C，在C++中不允许）会发生这种情况。 printf的%f转换说明符接受double参数而不是float。没有专门的方法打印float；float参数默认提升为double，因此与%f匹配。
在现代硬件上，float和double通常分别映射到32位和64位IEEE 754类型。硬件使用64位值“本地”：浮点寄存器宽度为64位，并且操作是围绕更精确的类型构建的（或者在内部可能比那还要精确）。由于double映射到该类型，因此它是“自然”的浮点类型。
float的精度对于任何严格的数值计算工作来说都很差，并且缩小的范围也可能成为问题。IEEE 32位类型仅具有23位的尾数（8位被指数字段消耗掉，一位用于符号）。如果在给定的应用程序中精度和范围的损失不是问题，则float类型可用于保存大型浮点值数组中的存储。例如，在音频中使用32位浮点值来表示样本。
使用64位类型比32位类型可以将原始内存带宽翻倍，这是真的。然而，这只影响那些具有大量数据数组且访问模式显示出低局部性的程序。64位浮点类型的卓越精度胜过优化问题。根据“先正确再快速”的原则，数值结果的质量比运行时间更重要。
*请注意，不存在从float表达式到double的普遍自动提升；该类唯一的提升是整数提升：char、short和位域转换为int。
- Kaz
1
这个语句有点问题：“硬件原生支持64位值”。SSE/AVX寄存器宽度为128/256位，可以打包浮点数和双精度浮点数，因此两种格式对于硬件来说都是同样本地化的。 - void_ptr
12
在我看来，迄今为止的回答并没有真正传达出正确的观点，因此我来试试。
简短的答案是C++开发者使用double而不是float：
- 当他们不太了解性能权衡时（“它们具有更高的精度，为什么不用呢？”），避免过早优化。
- 习惯
- 文化
- 匹配库函数签名
- 匹配容易编写的浮点数文字（您可以编写0.0而不是0.0f）
虽然大多数FPU的内部表示比32位浮点数或64位双精度浮点数表示更宽，因此在单个计算上双精度浮点数可能与单精度浮点数一样快。
但这只是整个情况的一小部分。现在，如果您在缓存/内存带宽上受到限制，则操作优化就毫无意义。
以下是为什么有些开发人员寻求优化其代码应该考虑使用32位浮点数而不是64位双精度浮点数的原因：
- 它们占用一半的内存。这就像让所有缓存的容量增加一倍。(大胜利!!!)
- 如果您真的关心性能，您将使用SSE指令。操作浮点值的SSE指令有不同的32位和64位浮点表示法的指令。32位版本可以在128位寄存器操作数中放置4个值，但是64位版本只能放置2个值。在这种情况下，使用float而不是double，由于每个指令都可以处理两倍的数据，因此您可能会将FLOPS加倍。
总的来说，我遇到的大多数开发人员对浮点数如何工作真的缺乏了解。因此，我并不惊讶大多数开发人员盲目地使用double。
- Apriori
7
这主要取决于硬件，但是请注意，最常见的CPU（基于x86 / x87）具有在80位浮点精度上运行的内部FPU（超过浮点数和双倍精度）。
如果您必须在内存中存储一些中间计算，双精度对于内部精度和外部空间来说是不错的平均值。在单个值上，性能更多或少相同。 在大型数字管道上，它可能会受到内存带宽的影响（因为它们将具有双倍长度）。
请注意，浮点数的精度约为6个小数位。 在N立方复杂度问题（例如矩阵反演或变换）中，mul和div会损失两到三个数字，只剩下3个有效数字。在1920像素宽的显示器上，它们根本不够用（您需要至少5个有效数字才能正确匹配一个像素）。
这大致使双精度更可取。
- Emilio Garavaglia
3
我同意，但有些问题并不需要高精度，重要的是数据大小和传输速度（例如，解决方案稳定的问题）。 - Pietro
“我同意...但是”这样的评论有什么用处呢？（但是“但是”却是否定了前面的“同意”，然后又加入了我也写过的东西？） - Emilio Garavaglia
假设存在两类问题。1）精度至关重要的问题，2）计算时间至关重要的问题。您的回答适用于第一类问题，在这方面我同意您的观点。第二类问题的例子可以是天气预报：如果计算某个时期所需的时间比该时期本身还长，则预报就毫无意义（我会得到昨天的预报）。这是“但是”适用的情况。 - Pietro
4
通常情况下，即使需要进行大量数字分析才能确定float足够使用，但判断double是否足够使用通常相对容易。这样可以节省开发成本，并避免在分析不正确的情况下出现错误结果。
此外，使用float带来的性能提升通常比使用double更微小，因为大多数流行的处理器都使用一种甚至比double更宽的格式进行浮点运算。
- Shubham Gupta
3
我认为更高的精度是唯一的原因。实际上，大多数人并不会过多考虑，他们只使用双精度。
我认为如果浮点精度对于特定任务已经足够好了，那么没有理由使用双精度。
- Sandro
2
我认为你说得非常正确。大多数开发人员似乎真的不太关注（或者说不理解）浮点表示细节及其影响。很多开发人员使用双精度浮点数的原因可能与你在各处看到的隐式int/float float/int转换的原因相似；更多是缺乏理解而非必要性。我认为答案是“这是文化问题”。然而，我认为这个答案的思路可以更加深入，并提供更具体的细节，以便成为可选择/接受的答案。 - Apriori
1开发人员往往盲目使用“float”，结果遭受精度问题的困扰。 - dan04
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
float，你可能会抱怨说"即使不需要高性能"。 - Karoly Horvathdouble已经被实现但float没有的意思，但这是不正确的。旧的FPU指令使用80位双扩展数字，既不是float也不是double，但这并不重要：它可以加载和保存浮点数和双精度浮点数，而没有性能惩罚（或许具有讽刺意味的是，加载/保存80位浮点数的指令是慢的）。在非古老的x86系统上，浮点数和双精度浮点数都直接使用SSE(2)实现。 - harold