如何使用sse intrinsics获取浮点向量的和元素(减少)?
简单的串行代码:
void(float *input, float &result, unsigned int NumElems)
{
result = 0;
for(auto i=0; i<NumElems; ++i)
result += input[i];
}
答案 0 :(得分:15)
通常,您在循环中生成4个部分和,然后在循环之后在4个元素之间水平求和,例如
#include <cassert>
#include <cstdint>
#include <emmintrin.h>
float vsum(const float *a, int n)
{
float sum;
__m128 vsum = _mm_set1_ps(0.0f);
assert((n & 3) == 0);
assert(((uintptr_t)a & 15) == 0);
for (int i = 0; i < n; i += 4)
{
__m128 v = _mm_load_ps(&a[i]);
vsum = _mm_add_ps(vsum, v);
}
vsum = _mm_hadd_ps(vsum, vsum);
vsum = _mm_hadd_ps(vsum, vsum);
_mm_store_ss(&sum, vsum);
return sum;
}
注意:对于上面的示例,a
必须是16字节对齐,n
必须是4的倍数。如果无法保证a
的对齐,则使用{{1而不是_mm_loadu_ps
。如果_mm_load_ps
不能保证是4的倍数,那么在函数末尾添加一个标量循环来累积任何剩余的元素。