我遇到此页面，发现有一个奇数 floing乘乘添加函数- fma和 fmaf。它说结果是：
(x * y) + z #fma(x,y,z)
和该值为无限的精度，然后将其圆形为结果格式。
但是，我以前从未见过这样的三元操作。因此，我想知道此功能的混乱用法是什么。
融合 - 添加指令的重要方面是中间结果的（实际上）无限精度。这有助于表现，但没有很多，因为两个操作是在单个指令中编码的 - 它有助于表现，因为中间结果的几乎无限精度有时很重要，非常与普通恢复的昂贵当该精确度是程序员之后的乘法和添加。
示例：将a * b与1.0
进行比较假设对算法至关重要，以确定两个双重精度 a和 b的乘积相对于非零常数（我们将使用1.0）。a和b的数字都具有完整的二进制数字。如果将a*b计算为double，则结果可能为1.0，但这并不能告诉您实际的数学产品是否略低于1.0，恰好达到1.0，还是略高于1.0，或者略高于1.0并舍入。没有FMA，您的选择是：
将
a*b计算为Quad-Precision编号。硬件中未实现Quad Precision，但有软件仿真库。在Quad-Precision中，产品的数学结果是完全表示的，然后您可以将其与1.0进行比较。以圆形模式和圆向模式以双重精度计算
a*b。如果两个结果均为1.0，则表示a*b正好是1.0。如果RU（A * B）大于1.0，则表示数学产品高于1.0，并且RD（A * B）低于1.0，则意味着数学产品低于1.0。在大多数处理器上，这种方法意味着更改圆形模式三次，每个更改都很昂贵（涉及冲洗CPU管道）。
使用FMA指令，可以计算fma(a, b, -1.0)并将结果比较为0.0。由于浮点数数量较高，因此中间产品在计算中没有四舍五入，因此我们可以确定fma(a, b, -1.0) > 0是指a和b的数学产品大于1，等等。
示例：Veltkamp/Dekker乘法
双双格式是数字的有效表示，作为两个双精度浮点数的总和。它几乎和四元素一样精确，但利用了现有的双精度硬件。
考虑以下功能Mul12(a, b)，该功能采用两个双精度数字a和b，并将其产品计算为双双数字。由于Veltkamp和Dekker，一种算法仅通过双重添加和乘法（参考）来计算此功能。它需要6个乘法（一个是算法主体中每个Split()加四个的一部分），还有很多添加。
如果有FMA指令可用，则可以将Mul12实现为两个操作，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
示例FMA用于其精确度，而不仅是作为乘法和添加的指令，还包括平方根和除法的计算。这些操作必须根据IEEE 754标准正确圆形（数学结果的最接近的浮点数）。当可以使用硬件FMA指令时，可以有效地实施这两个操作。该方面通常被编译链隐藏，但是IA-64指令集（ITANIUM）没有分裂的说明。取而代之的是，可以通过涉及FMA的一系列指令（通常由编译器生成）获得正确的圆形划分。
通常用作优化。大多数浮点单元具有fma指令，因此可以在单个指令中而不是两个或更多指令中执行计算。因此，对于关键绩效浮点代码，它具有有用的功能。