Question

我有以下代码，并期望使用exp()函数的内在版本。不幸的是，它不是在x64版本中，使其比类似的Win32（即32位版本）慢：

#include "stdafx.h"
#include <cmath>
#include <intrin.h>
#include <iostream>

int main()
{
  const int NUM_ITERATIONS=10000000;
  double expNum=0.00001;
  double result=0.0;

  for (double i=0;i<NUM_ITERATIONS;++i)
  {
    result+=exp(expNum); // <-- The code of interest is here
    expNum+=0.00001;
  }

  // To prevent the above from getting optimized out...
  std::cout << result << '\n';
}

我正在使用以下开关进行构建：

/Zi /nologo /W3 /WX-
/Ox /Ob2 /Oi /Ot /Oy /GL /D "WIN32" /D "NDEBUG" 
/D "_CONSOLE" /D "_UNICODE" /D "UNICODE" /Gm- 
/EHsc /GS /Gy /arch:SSE2 /fp:fast /Zc:wchar_t /Zc:forScope 
/Yu"StdAfx.h" /Fp"x64\Release\exp.pch" /FAcs /Fa"x64\Release\" 
/Fo"x64\Release\" /Fd"x64\Release\vc100.pdb" /Gd /errorReport:queue

如您所见，我MSDN article on intrinsics根据需要/Oi，/O2和/fp:fast。然而，尽管我努力调用标准库，但使exp()在x64版本上执行速度变慢。

以下是生成的程序集：

  for (double i=0;i<NUM_ITERATIONS;++i)
000000013F911030  movsd      xmm10,mmword ptr [__real@3ff0000000000000 (13F912248h)]  
000000013F911039  movapd     xmm8,xmm6  
000000013F91103E  movapd     xmm7,xmm9  
000000013F911043  movaps     xmmword ptr [rsp+20h],xmm11  
000000013F911049  movsd      xmm11,mmword ptr [__real@416312d000000000 (13F912240h)]  
  {
    result+=exp(expNum);
000000013F911052  movapd     xmm0,xmm7  
000000013F911056  call       exp (13F911A98h) // ***** exp lib call is here *****
000000013F91105B  addsd      xmm8,xmm10  
    expNum+=0.00001;
000000013F911060  addsd      xmm7,xmm9  
000000013F911065  comisd     xmm8,xmm11  
000000013F91106A  addsd      xmm6,xmm0  
000000013F91106E  jb         main+52h (13F911052h)  
  }

正如您在上面的程序集中所看到的，有一个exp()函数的调用。现在，让我们看看为具有32位构建的for循环生成的代码：

  for (double i=0;i<NUM_ITERATIONS;++i)
00101031  xorps       xmm1,xmm1  
00101034  rdtsc  
00101036  push        ebx  
00101037  push        esi  
00101038  movsd       mmword ptr [esp+1Ch],xmm0  
0010103E  movsd       xmm0,mmword ptr [__real@3ee4f8b588e368f1 (102188h)]  
00101046  push        edi  
00101047  mov         ebx,eax  
00101049  mov         dword ptr [esp+3Ch],edx  
0010104D  movsd       mmword ptr [esp+28h],xmm0  
00101053  movsd       mmword ptr [esp+30h],xmm1  
00101059  lea         esp,[esp]  
  {
    result+=exp(expNum);
00101060  call        __libm_sse2_exp (101EC0h) // <--- Quite different from 64-bit
00101065  addsd       xmm0,mmword ptr [esp+20h]  
0010106B  movsd       xmm1,mmword ptr [esp+30h]  
00101071  addsd       xmm1,mmword ptr [__real@3ff0000000000000 (102180h)]  
00101079  movsd       xmm2,mmword ptr [__real@416312d000000000 (102178h)]  
00101081  comisd      xmm2,xmm1  
00101085  movsd       mmword ptr [esp+20h],xmm0  
    expNum+=0.00001;
0010108B  movsd       xmm0,mmword ptr [esp+28h]  
00101091  addsd       xmm0,mmword ptr [__real@3ee4f8b588e368f1 (102188h)]  
00101099  movsd       mmword ptr [esp+28h],xmm0  
0010109F  movsd       mmword ptr [esp+30h],xmm1  
001010A5  ja          wmain+40h (101060h)  
  }

那里有更多代码，但速度更快。我在3.3 GHz Nehalem-EP主机上进行的定时测试产生了以下结果：

32位：

对于循环体平均执行时间：34.849229个循环/ 10.560373 ns

64位：

对于循环体平均执行时间：45.845323个循环/ 13.892522 ns

确实很奇怪的行为。为什么会这样？

的更新 的

我创建了一个Microsoft Connect bug report。随意使用浮点内在函数来获取Microsoft本身的权威答案，特别是在x64代码中。

Answer 1

在x64上，使用SSE执行浮点运算。这没有exp()的内置操作，因此除非您编写自己的内联手动矢量化__m128d exp(__m128d)（Fastest Implementation of Exponential Function Using SSE），否则无法调用标准库。

我想你所引用的MSDN文章是用32位代码编写的，它考虑了8087 FP。

Answer 2

我认为Microsoft提供32位SSE2 exp（）内在版本的唯一原因是标准调用约定。 32位调用约定要求将操作数推送到主堆栈，并将结果返回到FPU堆栈的顶部寄存器中。如果启用了SSE2代码生成，则返回值很可能从FPU堆栈弹出到内存中，然后从该位置加载到SSE2寄存器中，以获取您想要对结果执行的任何数学运算。显然，在SSE2寄存器中传递操作数并将结果返回到SSE2寄存器更快。这就是__libm_sse2_exp（）的作用。在64位代码中，标准调用约定传递操作数并将结果返回到SSE2寄存器中，因此具有内在版本没有任何优势。

32位SSE2和64位exp（）实现之间性能差异的原因是Microsoft在这两种实现中使用了不同的算法。我不知道为什么他们这样做，并且他们为一些操作数产生不同的结果（不同的1ulp）。

Answer 3

编辑我想在此讨论中添加指向AMD's x64 instruction set manuals和Intel's reference的链接。

在初步检查时，应该有一种方法可以使用F2XM1来计算指数。但是，它位于x87指令集hidden in x64 mode.

中

明确使用MMX / x87是有希望的，如VirtualDub discussion boards.上的帖子所述，这是how to actually write asm in VC++.

如何在x64代码中获取exp（）函数的内在函数？

3 个答案: