双值存储更高的精度并且是浮点数的两倍，但英特尔CPU是否针对浮点数进行了优化？
也就是说，双重操作与+， - ，*和/的浮点运算一样快或快。
对于64位架构，答案是否会改变？
没有一个“intel CPU”，特别是在哪些操作相对于其他操作进行优化方面！但是大多数，在CPU级别（特别是在FPU内），都是这样的问题的答案：
对于+， - ，*和/？的浮点运算是快速还是快速的双重操作？
是“是” - 在CPU内，除了分区和sqrt是somewhat slower for double than for float。 （假设您的编译器使用SSE2进行标量FP数学运算，就像所有x86-64编译器一样，以及一些32位编译器，具体取决于选项。旧版x87在寄存器中没有不同的宽度，仅在内存中（它在加载/存储时转换） ），所以历史上甚至sqrt和分区对double来说都很慢）。
例如，Haswell的divsd吞吐量为每8到14个循环一个（数据相关），但divss（标量单个）吞吐量为每7个循环一个。 x87 fdiv的循环吞吐量为8到18。 （来自https://agner.org/optimize/的数字。延迟与除法的吞吐量相关，但高于吞吐量数字。）
像float和logf(float)这样的许多库函数的sinf(float)版本也将比log(double)和sin(double)更快，因为它们具有更少的精度来实现。他们可以使用更少项的多项式近似来获得float与double的完全精度
但是，为每个数字占用两倍的内存显然意味着缓存上的负载更重，并且需要更多的内存带宽来填充和溢出RAM中的缓存行;您关心浮点运算性能的时间是在执行大量此类运算时，因此内存和缓存注意事项至关重要。
@ Richard的答案指出还有其他方法可以执行FP操作（SSE / SSE2指令;好的旧MMX只有整数），特别适用于大量数据的简单操作（“SIMD”，单指令/多数据） ）其中每个向量寄存器可以包含4个单精度浮点数或仅包含2个双精度浮点数，因此这种效果将更加明显。
最后，你必须进行基准测试，但我的预测是，对于合理的（即大的;-)基准测试，你会发现坚持单一精度的优势（当然假设你不需要额外的位数）精确！-）。
如果在FPU内执行所有浮点计算，那么，不，double计算和float计算之间没有差异，因为浮点运算实际上是在FPU堆栈中以80位精度执行的。 FPU堆栈的条目根据需要进行舍入，以将80位浮点格式转换为double或float浮点格式。将sizeof(double)字节移入/移出RAM与sizeof(float)字节是唯一的速度差异。
但是，如果你有一个可矢量化的计算，那么你可以使用SSE扩展在两次float计算的同时运行四个double计算。因此，巧妙地使用SSE指令和XMM寄存器可以在仅使用floats的计算中实现更高的吞吐量。
另一点需要考虑的是你是否使用GPU（显卡）。我在一个数字密集的项目中工作，但我们不需要双重提供的精确度。我们使用GPU卡来帮助进一步加快处理速度。 CUDA GPU需要一个特殊的软件包才能支持double，GPU上的本地RAM数量非常快，但非常稀缺。因此，使用float也会使我们可以存储在GPU上的数据量翻倍。
另一点是记忆。浮点数占用RAM的一半。如果您正在处理非常大的数据集，这可能是一个非常重要的因素。如果使用双重意味着你必须缓存到磁盘与纯ram，你的差异将是巨大的。
因此，对于我正在使用的应用程序，差异非常重要。
我只想补充已经存在的伟大答案，__m256?系列的同一指令多数据（SIMD）C ++内在函数并行运行4个double（例如_mm256_add_pd），或并行运行8个floats（例如_mm256_add_ps） ）。
我不确定这是否可以转化为实际的加速，但是当使用SIMD时，每条指令可以处理2倍的浮点数。
在添加3.3次200万次的实验中，结果如下：
Summation time in s: 2.82 summed value: 6.71089e+07 // float
Summation time in s: 2.78585 summed value: 6.6e+09 // double
Summation time in s: 2.76812 summed value: 6.6e+09 // long double
所以double和C和C ++中的默认值更快。它更易于移植，是所有C和C ++库函数的默认值。 Alos double的精度明显高于float。
甚至Stroustrup建议浮动双倍：
“单精度，双精度和扩展精度的确切含义是实现定义的。为选择重要的问题选择合适的精度需要对浮点计算有重要的理解。如果你没有这种理解，那就得到建议，花时间学习，或使用双重希望最好。“
也许唯一一个你应该使用float而不是double的情况是64位硬件和现代gcc。因为浮子较小; double是8个字节，float是4个字节。
唯一真正有用的答案是：只有你能说出来。您需要对场景进行基准测试。指令和内存模式的微小变化可能会产生重大影响。
如果你使用的是FPU或SSE类型的硬件，那将无关紧要（以前的所有工作都是80位扩展精度，所以double会更接近;后来本身是32位，即浮点数）。
更新：s / MMX / SSE /，如另一个答案所述。
浮点通常是一个通用CPU的扩展。因此，速度取决于所使用的硬件平台。如果平台有浮点支持，如果有任何不同，我会感到惊讶。