Question

我目前有以下代码：

float a[4] = { 10, 20, 30, 40 };
float b[4] = { 0.1, 0.1, 0.1, 0.1 };
asm volatile("movups (%0), %%xmm0\n\t"
             "mulps (%1), %%xmm0\n\t"             
             "movups %%xmm0, (%1)"             
             :: "r" (a), "r" (b));

首先我有几个问题：

（1）如果我要在16字节边界上对齐数组，它甚至可以工作吗？由于数组是在堆栈上分配的，因此对齐它们几乎是不可能的吗？

查看此帖子的选定答案：Are stack variables aligned by the GCC __attribute__((aligned(x)))?

（2）代码是否可以重构以提高效率？如果我将两个浮点数组都放在寄存器而不只是一个？

，该怎么办？

由于

Answer 1

将其写在C中，使用

gcc -S -mssse3

如果你有一个相当新版本的gcc。

Answer 2

GCC是否支持__m128数据类型？如果是这样，那是保证16字节对齐数据类型的最佳计划。尽管如此，还是有__attribute__((aligned(16)))来调整事物。按如下方式定义数组

float a[4] __attribute__((aligned(16))) = { 10, 20, 30, 40 };
float b[4] __attribute__((aligned(16))) = { 0.1, 0.1, 0.1, 0.1 };

然后使用movaps：）

Answer 3

如果我想在16字节边界上对齐数组，它甚至可以工作吗？由于数组是在堆栈上分配的，因此对齐它们几乎是不可能的吗？

要求堆栈上的对齐有效。否则内在函数不起作用。我猜你引用的帖子与他为对齐值选择的过高价值有关。

到2：

不，性能不应该有差异。有关多个处理器的指令时序，请参阅此site。

堆栈变量的对齐方式如何工作：

push    ebp
mov ebp, esp
and esp, -16                ; fffffff0H
sub esp, 200                ; 000000c8H

和将堆栈的开头对齐为16字节。

Answer 4

（1）如果我想在16字节边界上对齐数组，它甚至可以工作吗？由于数组是在堆栈上分配的，因此对齐它们几乎是不可能的吗？

不，使用and对齐堆栈指针非常简单：

and esp, 0xFFFFFFF0 ; aligned on a 16-byte boundary

但你应该使用GCC提供的内容，例如16字节类型，或__attribute__来自定义对齐。

Answer 5

使用内在更快，特别是在优化时。我写了简单的测试并比较了两个版本（asm和内在）

unsigned long long time1;
__m128 a1,b1;


a1=_mm_set_ps(10, 20,30,40);
b1=_mm_set_ps(0.1, 0.1, 0.1, 0.1);
float a[4] = { 10, 20, 30, 40 };
float b[4] = { 0.1, 0.1, 0.1, 0.1 };

time1=__rdtsc();
a1=_mm_mul_ps(a1,b1);
time1=__rdtsc() - time1 ;
printf("Time: %llu\n",time1);


time1=__rdtsc();
asm volatile("movups (%0), %%xmm0\n\t"
                 "mulps (%1), %%xmm0\n\t"
                 "movups %%xmm0, (%1)"
                 :: "r" (a), "r" (b));
time1=__rdtsc() - time1 ;
printf("Time: %llu\n",time1);

内在版本50-60处理器时间戳 Asm Version~1000 proc时间戳

您可以在自己的机器上进行测试

Answer 6

关于重构。你可以使用内在的。例如：

#include <emmintrin.h>

int main(void)
{
    __m128 a1,b1;

    a1=_mm_set_ps(10, 20,30,40);
    b1=_mm_set_ps(0.1, 0.1, 0.1, 0.1);

    a1=_mm_mul_ps(a1,b1);

    return 0;
}

使用优化gcc（-O2，-O3），它可能比asm更快。

使用SSE将4个浮点数乘以4个浮点数的最有效方法是什么？

6 个答案: