我碰到过这个网页 ，发现有一个奇怪的浮动乘加功能- fma和fmaf 。 它说，结果是这样的：
(x * y) + z #fma(x,y,z)
和值是无限的精度，圆一次结果的格式 。
然而，AFAICT我以前从来没有见过这样的三元操作。 所以我想知道什么是这个FUNC的cumstom使用。
Answer 1:
融合乘法 - 加法指令的重要方面是中间结果的（几乎）无限精度。 这有助于性能，但没有这么多，因为两个操作在一个指令编码-它有助于性能，因为中间结果的几乎无限精度有时是非常重要的， 很贵的普通乘法和加法恢复时，这个级别的精度是真正的程序员是什么之后。
实施例：比较a * b至1.0
假设它是一个算法的关键，以确定其中的两个双精度数的产品a和b是相对于一个非零常数（我们将使用1.0 ）。 这些数字a和b都有的二进制数字完全有效数。 如果计算a*b为double ，结果可能是1.0 ，但是这并不能告诉你实际的数学产品是否略低于1.0，四舍五入精确1.0，或略高于1.0和四舍五入。 没有FMA，你的选择是：
计算
a*b作为四精度数。 四精度不会在硬件中实现，但也有软件仿真库。 在四精度，产品的数学结果是精确表示的，然后你可以把它比作1.0。计算
a*b在双精度在圆向上模式和圆向下模式。 如果这两个结果是1.0，这意味着a*b正好是1.0。 如果RU（A * B）大于1.0，则意味着数学乘积是高于1.0，并且如果RD（A * B）低于1.0，这意味着数学乘积低于1.0。 在大多数处理器上，这种方式意味着要改变舍入模式三次，每变化是昂贵的（它涉及冲洗CPU流水线）。
用FMA指令，可以计算fma(a, b, -1.0)和比较的结果为0.0。 由于浮点数是零附近较密，并且由于中间产物未在计算圆形的，我们可以肯定的是fma(a, b, -1.0) > 0表示的数学乘积a和b是大于1 ， 等等。
例如：Veltkamp /德克尔乘法
该两双格式是数字的有效的表示为两个双精度浮点数的总和。 它几乎是为四精度精确，但利用现有的双精度硬件。
考虑下面的函数， Mul12(a, b)即需要两个双精度数a和b ，并计算它们的产物，为两双数。 的算法，由于Veltkamp和德克尔，计算仅具有双精度加法和乘法（该功能参考 ）。 需要6次乘法（一个是每个的一部分Split()加四在该算法的主体），和大量的加法。
如果FMA指令是可用的， Mul12可以实现为两个业务，一个乘法和一个FMA。
high = a * b; /* double-precision approximation of the real product */
low = fma(a, b, -high); /* remainder of the real product */
/* now the real product of a and b is available as the sum of high and low */
更多示例
其中FMA用于其精度，和实施例不仅如，做了乘法和加法的指令，是平方根和除法的计算。 这些操作具有根据IEEE 754标准被正确地舍入（以数学结果的最近浮点数）。 这两种操作可以有效地在硬件FMA指令可实现。 这个方面通常由编译链隐藏，但在IA-64指令集（安腾）没有用于除法的指令。 取而代之的是，正确地舍入除法可通过指令涉及FMA的序列（一般由编译器产生的）而得到。
Answer 2:
它通常用作优化。 最浮点单元有一个fma指令，所以计算可以在单个指令中，而不是两个或更多个来执行。 因此，对于性能要求较高的浮点代码，这是一个有用的功能有。
文章来源: Is there any scenario where function fma in libc can be used?
