Question

我有一个很大的像素处理功能，我目前正在尝试使用内部函数进行优化。

作为一名SSE新手，我不知道如何处理涉及查找表的代码部分。

基本上，我试图对以下vanilla C ++代码进行矢量化：

 //outside loop
const float LUT_RATIO = 1000.0F;

//in loop
float v = ... //input value
v = myLookupTable[static_cast<int>(v * LUT_RATIO)];

我正在尝试：

//outside loop
const __m128 LUT_RATIO = _mm_set1_ps(1000.0F);

//in loop
__m128 v = _mm_set_ps(v1, v2, v3, v4); //input values
__m128i vI = _mm_cvtps_epi32(_mm_mul_ps(v, LUT_RATIO)); //multiply and convert to integers
v = ??? // how to get vI indices of myLookupTable?

编辑：ildjarn提出了一个要求我澄清的观点。我不是试图为查找表代码实现加速，我只是试图避免必须将寄存器专门用于执行查找，因为这部分夹在其他2个部分之间，理论上可以从SSE中受益。 / p>

Answer 1

如果您可以等到明年，那么英特尔的Haswell CPU将拥有AVX2，其中包含收集负载的说明。这使您可以进行例如一条指令中有8个并行LUT查找（参见例如VGATHERDPS）。除此之外，你运气不好，除非你的LUT很小（例如16个元素），在这种情况下你可以使用PSHUFB。

使用SIMD的查找表

1 个答案: