Tag: sse
使用SSE索引到数组
假设我有一个数组： uint8_t arr[256]; 和一个元素 __m128i x 包含16个字节， x_1, x_2, … x_16 我想有效地填充一个新的__m128i元素 __m128i y 使用arr中的值取决于x的值，这样： y_1 = arr[x_1] y_2 = arr[x_2] . . . y_16 = arr[x_16] 实现此目的的命令实质上是从非连续的一组存储器位置加载寄存器。 我看到这样一个命令的文档有一个痛苦的模糊记忆，但现在找不到它。 它存在吗？ 在此先感谢您的帮助。
一个更好的8×8字节矩阵转置与SSE？
我发现这篇文章解释了如何通过24次操作转置8×8字节矩阵，稍后会有几个滚动条实现转置。 但是，这种方法没有利用我们可以阻止 8×8转置为4个4×4转置的事实，并且每个转换只能在一个shuffle指令中完成（ 这篇文章是参考文献）。 所以我推出了这个解决方案： __m128i transpose4x4mask = _mm_set_epi8(15, 11, 7, 3, 14, 10, 6, 2, 13, 9, 5, 1, 12, 8, 4, 0); __m128i shuffle8x8Mask = _mm_setr_epi8(0, 1, 2, 3, 8, 9, 10, 11, 4, 5, 6, 7, 12, 13, 14, 15); void TransposeBlock8x8(uint8_t *src, uint8_t *dst, int srcStride, int dstStride) { __m128i load0 […]
用于SSE类型的战俘
我使用SSE类型进行了一些显式向量化计算，例如__m128 （在xmmintrin.h等中定义），但现在我需要将向量的所有元素提升到某个（相同）幂，即理想情况下我想要像__m128 _mm_pow_ps(__m128, float) ，遗憾的是不存在。 围绕这个的最佳方法是什么？ 我可以存储向量，在每个元素上调用std::pow ，然后重新加载它。 这是我能做的最好的吗？ 编译器如何在自动矢量化代码时实现对std::pow的调用，否则代码可以很好地实现矢量化？ 有没有提供有用function的库？ （请注意， 这个问题与重复无关，当然没有一个有用的答案。）
寻找用于非立即移位值的sse 128位移位操作
内部_mm_slli_si128将在128位寄存器的左侧进行逻辑移位，但仅限于立即移位值，并按字节而不是位移位。 我可以使用像_mm_sll_epi64或_mm_sll_epi32这样的内部函数在__m128i寄存器中向左移位一组值，但这些值不带“溢出”位。 对于N位的移位想象我可以做类似的事情： _mm_sll_epi64 _mm_srr_epi64 （对于我想要携带的位：将它们移动到低位） 洗牌srr结果 或者这些在一起。 （但可能还必须包括N相对于64的检查）。 有没有更好的办法？
快速计算两个数组之间的相等字节数
我写了函数int compare_16bytes(__m128i lhs, __m128i rhs) ，以便使用SSE指令比较两个16字节数：此函数返回执行比较后相等的字节数。 现在我想使用上面的函数来比较任意长度的两个字节数组：长度可能不是16字节的倍数，所以我需要处理这个问题。 我怎样才能完成下面这个function的实现？ 我怎样才能改进下面的function？ int fast_compare(const char* s, const char* t, int length) { int result = 0; const char* sPtr = s; const char* tPtr = t; while(…) { const __m128i* lhs = (const __m128i*)sPtr; const __m128i* rhs = (const __m128i*)tPtr; // compare the next 16 bytes of s […]
SSE指令MOVSD（扩展：x86上的浮点标量和向量运算，x86-64）
我莫名其妙地被MOVSD汇编指令搞糊涂了。 我写了一些计算一些矩阵乘法的数字代码，简单地使用没有SSE内在函数的普通C代码。 我甚至没有包含用于编译的SSE2内在函数的头文件。 但是当我检查汇编器输出时，我看到： 1）使用128位向量寄存器XMM; 2）调用SSE2指令MOVSD。 我知道MOVSD基本上是在单双精度浮点上运行。 它只使用XMM寄存器的低64位并设置高64位0.但我只是不明白两件事： 1）我从不给编译器任何使用SSE2的提示。 另外，我使用GCC而不是英特尔编译器。 据我所知，intel编译器会自动寻找矢量化的机会，但GCC不会。 那么GCC如何知道使用MOVSD？ 或者，这个x86指令是否早在SSE指令集之前就已存在，而SSE2中的_mm_load_sd（）内在函数只是为了提供向后兼容性来使用XMM寄存器进行标量计算？ 2）为什么编译器不使用其他浮点寄存器，无论是80位浮点堆栈还是64位浮点寄存器？ 为什么必须使用XMM寄存器（通过设置高64位0并基本上浪费该存储）来收费？ XMM是否提供更快的访问？ 顺便说一句，我有另外一个关于SSE2的问题。 我只是看不到_mm_store_sd（）和_mm_storel_sd（）之间的区别。 两者都将较低的64位值存储到地址。 有什么不同？ 性能差异?? 对齐差异?? 谢谢。 更新1： 好的，显然当我第一次提出这个问题时，我缺乏一些关于CPU如何管理浮点运算的基本知识。 所以专家倾向于认为我的问题是无意义的。 由于我没有包括最短的样本C代码，人们可能会认为这个问题也很模糊。 在这里，我将提供一个回答作为答案，希望对任何不清楚现代CPU上的浮点运算的人都有用。
重叠数组的总和，自动矢量化和限制
Arstechnia最近有一篇文章为什么一些编程语言比其他语言更快 。 它比较了Fortran和C，并提到了求和数组。 在Fortran中，假设数组不重叠，因此可以进一步优化。 在C / C ++中，指向相同类型的指针可能会重叠，因此通常不能使用此优化。 但是，在C / C ++中，可以使用restrict或__restrict关键字告诉编译器不要假设指针重叠。 所以我开始研究自动矢量化。 以下代码在GCC和MSVC中进行矢量化 void dot_int(int *a, int *b, int *c, int n) { for(int i=0; i<n; i++) { c[i] = a[i] + b[i]; } } 我使用和不使用重叠数组测试了它，它得到了正确的结果。 但是，我使用SSE手动向量化循环的方式不能处理重叠数组。 int i=0; for(; i<n-3; i+=4) { __m128i a4 = _mm_loadu_si128((__m128i*)&a[i]); __m128i b4 = _mm_loadu_si128((__m128i*)&b[i]); __m128i c4 = […]
快速24位arrays – > 32位arrays转换？
快速摘要： 我有一个24位值的数组。 关于如何快速将各个24位数组元素扩展为32位元素的任何建议？ 细节： 我正在使用DirectX 10中的Pixel Shaders实时处理传入的video帧。一个绊脚石是我的帧从捕获硬件进入24位像素（作为YUV或RGB图像），但DX10需要32位像素纹理。 因此，在将其加载到GPU之前，我必须将24位值扩展为32位。 我真的不在乎我将剩余的8位设置为什么，或者输入的24位是否在32位值中 – 我可以在像素着色器中修复所有这些。 但我需要非常快速地将24位转换为32位。 我对SIMD SSE操作并不十分熟悉，但从我粗略的一瞥来看，看起来我不能使用它们进行扩展，因为我的读写操作大小不一样。 有什么建议？ 还是我按顺序按摩这个数据集？ 这感觉非常愚蠢 – 我使用像素着色器进行并行处理，但在此之前我必须执行顺序逐像素操作。 我一定错过了一些明显的东西……
快速计算__m128i寄存器中的设置位数
我应该计算__m128i寄存器的设置位数。 特别是，我应该使用以下方法编写两个能够计算寄存器位数的函数。 寄存器的设定位总数。 寄存器的每个字节的设置位数。 是否存在可以完全或部分执行上述操作的内在function？
GCC SSE代码优化
这篇文章与我几天前发布的另一篇文章密切相关。 这一次，我编写了一个简单的代码，它只添加了一对元素数组，将结果乘以另一个数组中的值并将其存储在第四个数组中，所有变量浮点数都是双精度类型。 我制作了两个版本的代码：一个是SSE指令，使用调用而另一个没有它我然后用gcc和-O0优化级别编译它们。 我在下面写下： // SSE VERSION #define N 10000 #define NTIMES 100000 #include #include #include #include double a[N] __attribute__((aligned(16))); double b[N] __attribute__((aligned(16))); double c[N] __attribute__((aligned(16))); double r[N] __attribute__((aligned(16))); int main(void){ int i, times; for( times = 0; times < NTIMES; times++ ){ for( i = 0; i <N; i+= 2){ __m128d mm_a = _mm_load_pd( […]
