Question

我第一次使用SSE内在函数，即使在确保16byte内存对齐后，我也遇到了分段错误。这篇文章是我之前问题的扩展：

How to allocate 16byte memory aligned data

这就是我声明我的数组的方式：

  float *V = (float*) memalign(16,dx*sizeof(float));

当我尝试这样做时：

  __m128 v_i = _mm_load_ps(&V[i]); //It works

但是当我这样做时：

  __m128 u1 = _mm_load_ps(&V[(i-1)]); //There is a segmentation fault

但如果我这样做：

  __m128 u1 = _mm_loadu_ps(&V[(i-1)]); //It works again

但是，我希望消除使用_mm_loadu_ps并希望仅使用_mm_load_ps使其正常工作。

我正在使用英特尔icc编译器。

如何解决此问题？

更新

使用以下代码中的两个操作：

  void FDTD_base (float *V, float *U, int dx, float c0, float c1, float c2, float c3,     float c4)
    {
       int i, j, k;
                    for (i = 4; i < dx-4; i++)
                    {

                            U[i] = (c0 * (V[i]) //center
                                    + c1 * (V[(i-1)] + V[(i+1)] )
                                    + c2 * (V[(i-2)] + V[(i+2)] )
                                    + c3 * (V[(i-3)] + V[(i+3)] )
                                    + c4 * (V[(i-4)] + V[(i+4)] ));
                    }

       }

SSE版本：

         for (i=4; i < dx-4; i+=4)
        {
            v_i = _mm_load_ps(&V[i]);
            __m128 center = _mm_mul_ps(v_i,c0_i);

            __m128 u1 = _mm_loadu_ps(&V[(i-1)]);
            u2 = _mm_loadu_ps(&V[(i+1)]);

            u3 = _mm_loadu_ps(&V[(i-2)]);
            u4 = _mm_loadu_ps(&V[(i+2)]);

            u5 = _mm_loadu_ps(&V[(i-3)]);
            u6 = _mm_loadu_ps(&V[(i+3)]);

            u7 = _mm_load_ps(&V[(i-4)]);
            u8 = _mm_load_ps(&V[(i+4)]);

            __m128 tmp1 = _mm_add_ps(u1,u2);
            __m128 tmp2 = _mm_add_ps(u3,u4);
            __m128 tmp3 = _mm_add_ps(u5,u6);
            __m128 tmp4 = _mm_add_ps(u7,u8);

            __m128 tmp5 = _mm_mul_ps(tmp1,c1_i);
            __m128 tmp6 = _mm_mul_ps(tmp2,c2_i);
            __m128 tmp7 = _mm_mul_ps(tmp3,c3_i);
            __m128 tmp8 = _mm_mul_ps(tmp4,c4_i);

            __m128 tmp9 = _mm_add_ps(tmp5,tmp6);
            __m128 tmp10 = _mm_add_ps(tmp7,tmp8);

            __m128 tmp11 = _mm_add_ps(tmp9,tmp10);
            __m128 tmp12 = _mm_add_ps(center,tmp11);

            _mm_store_ps(&U[i], tmp12);
    }

是否有更有效的方法只使用_mm_load_ps()？

Answer 1

由于sizeof(float)为4，因此只有V中的每四个条目都会正确对齐。请记住，_mm_load_ps一次加载四个浮点数。参数，即指向第一个浮点的指针，需要与16个字节对齐。

我假设您的示例i是4的倍数，否则_mm_load_ps(&V[i])会失败。

<强>更新

这就是我建议使用对齐的加载和随机播放实现上述滑动窗口示例的方法：

__m128 v_im1;
__m128 v_i = _mm_load_ps( &V[0] );
__m128 v_ip1 = _mm_load_ps( &V[4] );

for ( i = 4 ; i < dx ; i += 4 ) {

    /* Get the three vectors in this 'frame'. */
    v_im1 = v_i; v_i = v_ip1; v_ip1 = _mm_load_ps( &V[i+4] );

    /* Get the u1..u8 from the example code. */
    __m128 u3 = _mm_shuffle_ps( v_im1 , v_i , 3 + (4<<2) + (0<<4) + (1<<6) );
    __m128 u4 = _mm_shuffle_ps( v_i , v_ip1 , 3 + (4<<2) + (0<<4) + (1<<6) );

    __m128 u1 = _mm_shuffle_ps( u3 , v_i , 1 + (2<<2) + (1<<4) + (2<<6) );
    __m128 u2 = _mm_shuffle_ps( v_i , u4 , 1 + (2<<2) + (1<<4) + (2<<6) );

    __m128 u5 = _mm_shuffle_ps( v_im1 , u3 , 1 + (2<<2) + (1<<4) + (2<<6) );
    __m128 u6 = _mm_shuffle_ps( u4 , v_ip1 , 1 + (2<<2) + (1<<4) + (2<<6) );

    __m128 u7 = v_im1;
    __m128 u8 = v_ip1;

    /* Do your computation and store. */
    ...

    }

请注意，这有点棘手，因为_mm_shuffle_ps只能从每个参数中获取两个值，这就是为什么我们首先需要制作u3和u4才能重复使用它们用于具有不同重叠的其他值。

另请注意，值u1，u3和u5也可以从u2，u4和u6中恢复上一次迭代。

最后请注意，我未验证上述代码！阅读_mm_shuffle_ps的文档，并检查第三个参数，即选择器，对于每种情况都是正确的。

由于不正确的内存对齐，在使用SSE内在函数时出现分段错误

1 个答案: