由于不正确的内存对齐,使用SSE内在函数时出现分段错误
我第一次使用SSE内在函数,即使确保了16byte内存对齐,我也遇到了分段错误。 这篇文章是我之前问题的扩展:
如何分配16byte内存对齐数据
这是我声明我的数组的方式:
float *V = (float*) memalign(16,dx*sizeof(float));
当我尝试这样做时:
__m128 v_i = _mm_load_ps(&V[i]); //It works
但是当我这样做时:
__m128 u1 = _mm_load_ps(&V[(i-1)]); //There is a segmentation fault
但如果我这样做:
__m128 u1 = _mm_loadu_ps(&V[(i-1)]); //It works again
但是我想消除使用_mm_loadu_ps
并希望仅使用_mm_load_ps
使其工作。
我正在使用Intel icc编译器。
我该如何解决这个问题?
更新:
使用以下代码中的两个操作:
void FDTD_base (float *V, float *U, int dx, float c0, float c1, float c2, float c3, float c4) { int i, j, k; for (i = 4; i < dx-4; i++) { U[i] = (c0 * (V[i]) //center + c1 * (V[(i-1)] + V[(i+1)] ) + c2 * (V[(i-2)] + V[(i+2)] ) + c3 * (V[(i-3)] + V[(i+3)] ) + c4 * (V[(i-4)] + V[(i+4)] )); } }
SSE版本:
for (i=4; i < dx-4; i+=4) { v_i = _mm_load_ps(&V[i]); __m128 center = _mm_mul_ps(v_i,c0_i); __m128 u1 = _mm_loadu_ps(&V[(i-1)]); u2 = _mm_loadu_ps(&V[(i+1)]); u3 = _mm_loadu_ps(&V[(i-2)]); u4 = _mm_loadu_ps(&V[(i+2)]); u5 = _mm_loadu_ps(&V[(i-3)]); u6 = _mm_loadu_ps(&V[(i+3)]); u7 = _mm_load_ps(&V[(i-4)]); u8 = _mm_load_ps(&V[(i+4)]); __m128 tmp1 = _mm_add_ps(u1,u2); __m128 tmp2 = _mm_add_ps(u3,u4); __m128 tmp3 = _mm_add_ps(u5,u6); __m128 tmp4 = _mm_add_ps(u7,u8); __m128 tmp5 = _mm_mul_ps(tmp1,c1_i); __m128 tmp6 = _mm_mul_ps(tmp2,c2_i); __m128 tmp7 = _mm_mul_ps(tmp3,c3_i); __m128 tmp8 = _mm_mul_ps(tmp4,c4_i); __m128 tmp9 = _mm_add_ps(tmp5,tmp6); __m128 tmp10 = _mm_add_ps(tmp7,tmp8); __m128 tmp11 = _mm_add_ps(tmp9,tmp10); __m128 tmp12 = _mm_add_ps(center,tmp11); _mm_store_ps(&U[i], tmp12); }
是否有更有效的方法只使用_mm_load_ps()
?
由于sizeof(float)
为4,因此只有V
每四个条目才能正确对齐。 请记住, _mm_load_ps
加载四个浮点数。 参数,即指向第一个浮点的指针,需要与16个字节对齐。
我假设在你的例子中i
是四的倍数,否则_mm_load_ps(&V[i])
会失败。
更新
这就是我建议使用对齐的加载和shuffle实现上面的滑动窗口示例:
__m128 v_im1; __m128 v_i = _mm_load_ps( &V[0] ); __m128 v_ip1 = _mm_load_ps( &V[4] ); for ( i = 4 ; i < dx ; i += 4 ) { /* Get the three vectors in this 'frame'. */ v_im1 = v_i; v_i = v_ip1; v_ip1 = _mm_load_ps( &V[i+4] ); /* Get the u1..u8 from the example code. */ __m128 u3 = _mm_shuffle_ps( v_im1 , v_i , 3 + (4<<2) + (0<<4) + (1<<6) ); __m128 u4 = _mm_shuffle_ps( v_i , v_ip1 , 3 + (4<<2) + (0<<4) + (1<<6) ); __m128 u1 = _mm_shuffle_ps( u3 , v_i , 1 + (2<<2) + (1<<4) + (2<<6) ); __m128 u2 = _mm_shuffle_ps( v_i , u4 , 1 + (2<<2) + (1<<4) + (2<<6) ); __m128 u5 = _mm_shuffle_ps( v_im1 , u3 , 1 + (2<<2) + (1<<4) + (2<<6) ); __m128 u6 = _mm_shuffle_ps( u4 , v_ip1 , 1 + (2<<2) + (1<<4) + (2<<6) ); __m128 u7 = v_im1; __m128 u8 = v_ip1; /* Do your computation and store. */ ... }
请注意,这有点棘手,因为_mm_shuffle_ps
只能从每个参数中获取两个值,这就是为什么我们首先需要创建u3
和u4
才能将它们重新用于具有不同重叠的其他值。
另请注意,值u1
, u3
和u5
也可以在上一次迭代中从u2
, u4
和u6
恢复。
最后请注意,我还没有validation上面的代码 ! 阅读_mm_shuffle_ps
的文档,并检查第三个参数(选择器)是否适用于每种情况。