如何使用SSE（1,2,3,4）优化？

问题描述：

我想知道如果简单地编译我的msvc项目与sse/sse2将有任何影响。我做例如矢量规范化和点积，但我做这些数学，而不是任何特定的功能。有没有像我应该使用sse_dot（）和sse_normalize（）来真正利用，还是编译器知道？如何使用SSE（1,2,3,4）优化？

感谢

你为什么不直接尝试一下？ – Nils 2011-07-23 20:14:06

答

据我所知，使用sse2编译器选项将导致编译器使用标量而非向量sse2指令代替正常的fpu代码。我不认为它会做矢量化。 sse2标量的东西肯定比fpu快。

要使用矢量单位，您需要直接使用内在函数（xmmintrin.h）或使用第三方库。如果你只是做简单的矢量/矩阵的东西进行渲染，Bullet SDK有一个优化的向量数学库，这并不坏。 IIRC DirectX/XNAmath库也进行了优化。

如果这两者都不看好，Google应该提出一些替代方案。

作为一种语言扩展，gcc具有内置向量类型和用sse指令实现的伪函数（如果可用）。只要gcc在体系结构上运行，它应该是可移植的，并且也应该适用于像icc这样的派生编译器。 – 2010-07-15 05:20:12

答

或者你可以避免通过使用高性能库像征，BLAS，英特尔MKL，...明确写入SSE东西除非你是嵌入式系统的工作，这些库会更好比你想出的任何东西都要多。

答

如果启用SSE2，那么编译器会在后面使用它。除非您打算在没有SSE2的情况下支持CPU，否则您将永远不会注意也不需要知道。这与任何其他底层CPU指令相同。

只需在x87上使用SSE2代码路径远不能自动矢量化代码。自动矢量化是一个非常棘手的话题，编译器很差（当它支持所有的时候） – 2010-07-15 00:43:32

哇，-7和OP选择... – 2010-12-21 15:48:29

@ ring0：我能说什么？我显然只是一部史诗般的WinRAR。 – Puppy 2010-12-21 16:26:54

答

不是所有的编译器都像你想象的那么聪明。即使gcc可能并不总是优化最明显的代码。看下面的例子，并自己尝试。 Icc似乎能够优化内部循环，但gcc，因为我尝试了几个设置，不能。必要时，您必须使用SSE功能手动调用SSE/SSE2指令。人们告诉我this是一个很好的教程。

编辑：下面的例子适用于Mac/Linux gcc。但它在linux上失败了icc。我不知道为什么。顺便说一句，icc被认为比矢量化gcc更好。

#include <stdlib.h> 
#include <stdio.h> 
#include <time.h> 
#include <math.h> 
#include <emmintrin.h> 

float **mm_init(int n) 
{ 
    float **m; 
    int i; 
    m = (float**)malloc(n * sizeof(void*)); 
    for (i = 0; i < n; ++i) 
     m[i] = calloc(n, sizeof(float)); 
    return m; 
} 
void mm_destroy(int n, float **m) 
{ 
    int i; 
    for (i = 0; i < n; ++i) free(m[i]); 
    free(m); 
} 
float **mm_gen(int n) 
{ 
    float **m; 
    int i, j; 
    m = mm_init(n); 
    for (i = 0; i < n; ++i) 
     for (j = 0; j < n; ++j) 
      m[i][j] = 2 * drand48() - 1.0; 
    return m; 
} 
// better cache performance by transposing the second matrix 
float **mm_mul2(int n, float *const *a, float *const *b) 
{ 
    int i, j, k; 
    float **m, **c; 
    m = mm_init(n); c = mm_init(n); 
    for (i = 0; i < n; ++i) // transpose 
     for (j = 0; j < n; ++j) 
      c[i][j] = b[j][i]; 
    for (i = 0; i < n; ++i) { 
     float *p = a[i], *q = m[i]; 
     for (j = 0; j < n; ++j) { 
      float t = 0.0, *r = c[j]; 
      for (k = 0; k < n; ++k) 
       t += p[k] * r[k]; 
      q[j] = t; 
     } 
    } 
    mm_destroy(n, c); 
    return m; 
} 
// explicit SSE optimization for the inner loop 
float **mm_mul3(int n, float *const *a, float *const *b) 
{ 
    int i, j, k; 
    float **m, **c, x[4]; 
    m = mm_init(n); c = mm_init(n); 
    for (i = 0; i < n; ++i) // transpose 
     for (j = 0; j < n; ++j) 
      c[i][j] = b[j][i]; 
    for (i = 0; i < n; ++i) { 
     float *p = a[i], *q = m[i]; 
     for (j = 0; j < n; ++j) { 
      __m128 t = _mm_setzero_ps(); 
      float *r = c[j]; 
      for (k = 0; k < n; k += 4) // four operations in one CPU cycle 
       t = _mm_add_ps(t, _mm_mul_ps(_mm_load_ps(p+k), _mm_load_ps(r+k))); 
      _mm_store_ps(x, t); 
      q[j] = x[0] + x[1] + x[2] + x[3]; 
     } 
    } 
    mm_destroy(n, c); 
    return m; 
} 

int main(int argc, char *argv[]) 
{ 
    int n = 100; 
    float **a, **b, **m; 
    clock_t t; 
    if (argc > 1) n = atoi(argv[1]); 
    n = (n + 3)/4 * 4; // for simplicity, n can be divided by 4 
    srand48(11); 
    a = mm_gen(n); b = mm_gen(n); 

    t = clock(); 
    m = mm_mul2(n, a, b); 
    fprintf(stderr, "cache: %lf sec; M[%d][%d]=%f\n", (double)(clock() - t)/CLOCKS_PER_SEC, n/2, n/2, m[n/2][n/2]); 

    t = clock(); 
    m = mm_mul3(n, a, b); 
    fprintf(stderr, "SSE: %lf sec; M[%d][%d]=%f\n", (double)(clock() - t)/CLOCKS_PER_SEC, n/2, n/2, m[n/2][n/2]); 

    mm_destroy(n, a); mm_destroy(n, b); mm_destroy(n, m); 
    return 0; 
}

答

无论是自己写的代码SSE（ASM或内在），使用第三方SSE优化的库（例如IPP，MKL，等等），或使用自动向量化编译器如Intel的ICC。

如何使用SSE（1,2,3,4）优化？

相关推荐