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() ？

Answer 1

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。