Tag: 优化

快速搜索并替换int中的一些半字节

这是在具有不同任务的相同偏移（C，微优化）问题的两个整数中快速搜索一些半字节的变体： 任务是在int32中找到预定义的半字节并将其替换为其他半字节。 例如，半字节搜索是0x5; 蚕食取代是0xe： int: 0x3d542753 (input) ^ ^ output:0x3dE427E3 (output int) 可以有另外一对半字节搜索和半字节替换（在编译时已知）。 我检查了我的程序，这部分是最热门的地方之一（gprofcertificate，75％的时间在function中）; 它被称为非常多次（gcovcertificate）。 实际上它是嵌套循环的第3或第4循环，运行计数估计为（n ^ 3）*（2 ^ n） ，n = 18..24。 我当前的代码很慢（我将其重写为函数，但它是来自循环的代码）： static inline uint32_t nibble_replace (uint32_t A) __attribute__((always_inline)) { int i; uint32_t mask = 0xf; uint32_t search = 0x5; uint32_t replace = 0xe; for(i=0;i<8;i++) { if( (A&mask) == search ) A = […]

memcpy vs C中的赋值 – 应该是memmove吗？

正如在这个问题的答案中指出的那样，编译器（在这种情况下是gcc-4.1.2，是的，它是旧的，我不能改变它）可以用它认为合适的memcpy替换结构赋值。 我正在valgrind下运行一些代码，并收到有关memcpy源/目标重叠的警告。 当我查看代码时，我看到了这一点（释义）： struct outer { struct inner i; // lots of other stuff }; struct inner { int x; // lots of other stuff }; void frob(struct inner* i, struct outer* o) { o->i = *i; } int main() { struct outer o; // assign a bunch of fields in o->i… frob(&o.i, o); return […]

具有SSE4.1内在函数的双线性滤波器

我试图找出一个合理快速的双线性过滤函数，一次只为一个过滤的样本，现在作为习惯使用内在函数的练习 – 直到SSE41是好的。 到目前为止，我有以下内容： inline __m128i DivideBy255_8xUint16(const __m128i value) { // Blinn 16bit divide by 255 trick but across 8 packed 16bit values const __m128i plus128 = _mm_add_epi16(value, _mm_set1_epi16(128)); const __m128i plus128ThenDivideBy256 = _mm_srli_epi16(plus128, 8); // TODO: Should this be an arithmetic or logical shift or does it matter? const __m128i partial = _mm_add_epi16(plus128, plus128ThenDivideBy256); […]

让GCC在没有内联汇编的情况下使用进位逻辑进行任意精度算术？

使用任意精度算术（例如512位整数）时，有没有办法让GCC在不使用内联汇编的情况下使用ADC和类似指令？ 乍一看GMP的源代码显示，它们只是为每个支持的平台提供了汇编实现。 这是我编写的测试代码，它从命令行添加两个128位数字并打印结果。 （受mini-gmp的add_n启发）： #include #include #include int main (int argc, char **argv) { uint32_t a[4]; uint32_t b[4]; uint32_t c[4]; uint32_t carry = 0; for (int i = 0; i < 4; ++i) { a[i] = strtoul (argv[i+1], NULL, 16); b[i] = strtoul (argv[i+5], NULL, 16); } for (int i = 0; i < 4; […]

使用现代编译器在C ++中使用“memset”function的状态

语境： 不久之前，我偶然发现了Alexandrescu撰写的2001年DDJ文章： http ： //www.ddj.com/cpp/184403799 它是关于比较各种方法来初始化缓冲区到某个值。 就像“memset”对单字节值的作用一样。 他比较了各种实现（memcpy，显式“for”循环，duff的设备），并没有真正找到所有数据集大小和所有编译器的最佳候选者。 引用： 所有这一切都有一个非常深刻和悲伤的认识。 我们是在2001年，即Space Odyssey的一年。 （…）只需跳出框架看看我们 – 50年后，我们仍然不擅长填充和复制记忆。 题： 有没有人有关于这个问题的最新信息？ 最近的GCC和Visual C ++实现是否比7年前表现更好？ 我正在编写具有5年（可能超过10年）的生命周期的代码，并且将处理数组的大小从几个字节到几百兆字节。 我不能假设我现在的选择在5年内仍然是最优的。 我该怎么办： a）使用系统的memset（或等效的）并忘记最佳性能或假设运行时和编译器将为我处理这个问题。 b）在各种数组大小和编译器上一劳永逸地进行基准测试，并在几个例程之间在运行时切换。 c）在程序初始化时运行基准测试，并在运行时根据准确的（？）数据进行切换。 编辑：我正在研究图像处理软件。 我的数组项目是POD，每毫秒都很重要！ 编辑2：感谢您的第一个答案，这里有一些额外的信息： 缓冲区初始化可能占某些算法总运行时间的20％-40％。 该平台可能在未来5年内有所不同，尽管它将保持“最快的CPU资金可以从DELL购买”类别。 编译器将是某种forms的GCC和Visual C ++。 雷达上没有嵌入式东西或异国情调的架构 我想听听那些在MMX和SSE出现时不得不更新软件的人，因为当“SSE2015”可用时我将不得不这样做…… 🙂

使用rdtsc进行gcc优化的问题

我正在使用rdtsc和cpuid指令（使用易失性内联汇编指令）来测量程序的CPU周期。 rdtsc指令为Linux上的程序（带速度优化-o2 -fomit-frame-pointer）和Windows（使用MS Visual Studio 2008的速度优化选项C编译器（我认为它的VC 9.0））提供了真实的结果。 最近，我实现了一个新程序，它使用了大量的表查找和类似的东西。 但是，在Linux上使用gcc优化的程序的rdtsc测量总是导致错误的测量（非常少的CPU周期）比我预期的。 在Windows上运行时相同程序的rdtsc测量（使用上面提到的优化和编译器编译）是现实的，并且同意了预期。 我的问题是，有什么方法gcc优化移动volatile组件指令一些产生上述行为的地方？ 我的定时器代码如下： #define TIMER_VARS \ uint32 start_lo, start_hi; \ uint32 ticks_lo, ticks_hi #define TIMER_START() \ __asm__ __volatile__ \ (“rdtsc” \ : “=a” (start_lo), “=d” (start_hi) /* a = eax, d = edx*/ \ : /* no input parameters*/ \ : “%ebx”, “%ecx”, “memory”) #define TIMER_STOP() […]

我们可以优化代码以降低功耗吗？

是否有任何优化代码的技术，以确保较低的功耗。架构是ARM.language是C.

优化itoafunction

我正在考虑如何实现将整数（4byte，unsigned）转换为带有SSE指令的字符串。 通常的例程是将数字除以并将其存储在局部变量中，然后反转字符串（在此示例中缺少反转例程）： char *convert(unsigned int num, int base) { static char buff[33]; char *ptr; ptr = &buff[sizeof(buff) – 1]; *ptr = ‘\0’; do { *–ptr=”0123456789abcdef”[num%base]; num /= base; } while(num != 0); return ptr; } 但倒置需要额外的时间。 是否有任何其他算法可以优先使用SSE指令来并行化该function？

如何在大多数平台上使用C99标准类型以实现最大的可移植性和效率？

首先，这是我理解并思考问题的真实情况。 对单个变量（如计数器或循环索引）使用快速数据类型。 例如： #define LOOP_COUNT (100U) uint_fast8_t index; for(index = 0; index < LOOP_COUNT; index++){ /* Do something */ } 我想这里最合适的类型是uint_fast8_t因为index永远不会超过255，这将是所有平台上最快的实现。 如果我使用unsigned int代替它，它将在> = 16位平台中最快，但在<16位平台中将更慢，因为int是标准的最小16位。 此外，如果我使用uint8_t ，它将在> 8位平台上变慢，因为编译器添加AND 0xFF指令来检查每个增量的溢出（我的ARM7编译器甚至在全速优化时也这样做）。 size_t也不是一个选项，因为它可能大于本机整数大小。 如果预计8位溢出，那么这边是坏的（？），它就不会发生。 程序员应该手动检查溢出（因为他/她应该恕我直言），这可能会导致错误的代码，如果忘记。 此外，如果LOOP_COUNT在8位平台上“意外”设置为大于255的值，编译器（甚至PC-Lint让我惊讶）也不会发出任何警告/问题，但警告将在8位平台上生成，这将降低可移植性并引入错误，但这可以通过#if检查来避免。 如果像数组或结构中那样关注内存使用情况，请尽可能使用最少的数据类型。 例如： uint_least8_t array[100]; 如果关注内存使用情况，它是最便携，最有效的声明数组的方法。 如果平台上可以进行字节访问，则此类型将提供字节数组，否则将提供最小的可访问宽度整数数组。 此外，如果我们有结构数组，则可以在结构中使用最少类型。 最小类型也可能遇到快速类型的问题，因为对于这两种情况，可以在不同平台上改变变量的宽度。 尽可能避免使用固定宽度的数据类型，因为在某些平台上它们甚至可能不存在，除了硬件寄存器访问，通信协议映射等，我们需要知道变量的确切位。 例如： typedef struct { uint8_t flags; uint8_t length; uint8_t data[100]; uint16_t crc; } […]

C中的I / O更快

我有一个问题，将从控制台采取1000000行输入，如下所示。 0 1 23 4 5 1 3 5 2 56 12 2 3 33 5 … … 我使用过scanf，但它非常慢。 无论如何以更快的方式从控制台获取输入？ 我可以使用read（），但我不确定每行中的字节数，所以我不能读取（）来读取’n’字节。 谢谢，非常有责任