CUDA实践指南（二十五）

指令优化：
对指令执行方式的了解通常允许进行低级别的优化，尤其是在频繁运行的代码（程序中所谓的热点）中尤其有用。 最佳实践表明，在完成所有更高级别的优化之后执行此优化。
算术指令：
单精度浮点数提供了最佳的性能，并且极大地鼓励了它们的使用。单个算术运算的吞吐量详见CUDA C编程指南。
划分模数：
低优先级：使用移位操作来避免代价大的除法和模数计算。
整数除法和模运算特别昂贵，应尽可能地避免或用位操作替换：如果是2的幂，（i/n）相当于（$i>>log_{2}(n)$）和（$i%n$）相当于（$i&(n-1)$）
如果n是文字，编译器将执行这些转换。 （有关更多信息，请参阅CUDA C编程指南中的性能指南）。
Reciprocal Square Root:
倒数平方根应该总是以单精度的rsqrtf（）和双精度的rsqrt（）显式调用。 只有在不违反IEEE-754语义时，编译器才会将1.0f / sqrtf（x）优化为rsqrtf（）。
其他算术指令:
低优先级：避免将双打自动转换为浮动。
编译器必须偶尔插入转换指令，引入额外的执行周期。 这是：

• 在char或short上运行的函数通常需要将其操作数转换为int
• 双精度浮点常量（定义为不带任何类型后缀）用作单精度浮点计算的输入

后一种情况可以通过使用单精度浮点常量来避免，这些常量用f后缀定义，例如3.141592653589793f，1.0f，0.5f。 除了其对性能的影响之外，该后缀还具有准确性含义。 对精度的影响在促使双精度和截断浮点运算中讨论。 请注意，这种区别对计算能力2.x的设备的性能特别重要。
对于单精度代码，强烈建议使用浮点类型和单精度数学函数。 编译不具备双精度支持的设备（例如计算能力为1.2或更低版本的设备）时，每个双精度浮点变量将转换为单精度浮点格式（但保留64位大小） 精度算术降级为单精度算术。
还应该注意的是，CUDA数学库的补充错误函数erfcf（）在全单精度精度下特别快速。
用小分数参数求幂：
对于一些分数指数，与通过使用平方根，立方根和它们的倒数使用pow（）相比，可以显着加速取幂指数。 对于指数不能完全表示为浮点数（如1/3）的指数，由于使用pow（）会放大初始表示误差，因此这可以提供更准确的结果。