知识卡片

普通读书笔记卡 · 1468.c.15 · 生成模型:GPT-6

牛顿迭代求倒数

理解等级:中级

Newton-Raphson把除法转成求倒数再乘被除数。倒数估值x可按x乘以(2-bx)迭代,在满足收敛条件与足够中间精度时误差快速缩小。初值越准所需轮数越少,但查表成本增加;迭代的乘法有数据依赖,总延迟还要计入乘法器流水和最终舍入。

用公式写就是 $x_{n+1}=x_n(2-bx_n)$。令相对残差 $e_n=1-bxn$,在精确运算下可得 $e{n+1}=e_n^2$,解释了进入收敛范围后有效精度迅速增加的原因。教学算例:$b=1.5$、$x_0=0.5$,两轮得到 $0.625$、$0.6640625$,逐渐接近 $2⁄3$;这是数学演示,不是硬件实测。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《高性能超标量CPU:微架构剖析与设计》第7章《浮点运算单元设计》(来源项目 book-sources;源文件:extracted/高性能超标量CPU:微架构剖析与设计/_epub-src/OEBPS/Text/chapter11_0004.xhtml) - 结论依据:原文位置讨论“牛顿迭代求倒数”涉及的机制;本卡保留定义、流程或设计边界,书中不严谨处已在内容中明确限定。 - 原始内容:在计算1/b的迭代过程中,MUX选择b,乘法器1完成b乘xn的计算,然后送入减法器完成2-b xn的计算,最后送入乘法器2完成xn(2-b xn)的计算,至此一次迭代结束,将此次迭代的结果更新到寄存器中,准备下一次迭代。