Question

是否有任何asm指令可以加速Core i7架构上双精度/整数向量的最小值/最大值的计算？

更新

我没想到会有如此丰富的答案，谢谢。所以我看到max / min可以不分支。我有一个小问题：

有没有一种有效的方法来获得数组中最大双精度的索引？

Answer 1

对于32位有符号/无符号整数，SSE4具有PMAXSD或PMAXUD，这可能很有用。

SSE2有MAXPD和MAXSD，它们在两对之间和之间进行比较，所以你跟随n / 2-1 MAXPD和一个MAXSD得到n的向量的最大值，通常交错负荷和操作。

上面有MIN等价物。

对于双重案例，在SSE模式下，你可能不会在汇编程序方面做得比半合适的C ++编译器更好：

peregrino:$ g++ -O3 src/min_max.cpp -o bin/min_max
peregrino:$ g++ -O3 -msse4 -mfpmath=sse src/min_max.cpp -o bin/min_max_sse
peregrino:$ time bin/min_max
0,40

real    0m0.874s
user    0m0.796s
sys 0m0.004s
peregrino:$ time bin/min_max_sse 
0,40

real    0m0.457s
user    0m0.404s
sys 0m0.000s

其中min_max使用朴素循环计算500次双倍100,000次的最小值和最大值：

bool min_max ( double array[], size_t len, double& min, double& max )
{
    double min_value = array [ 0 ];
    double max_value = array [ 0 ];

    for ( size_t index = 1; index < len; ++index ) {
        if ( array [ index ] < min_value ) min_value = array [ index ];
        if ( array [ index ] > max_value ) max_value = array [ index ];
    }

    min = min_value;
    max = max_value;
}

响应第二部分，从max操作中删除分支的传统优化是比较值，将标志作为单个位（给出0或1），减去1（给出0或0xffff_ffff）和'和'它与两个可能结果的xor相同，因此你得到的等价于( a > best ? ( current_index ^ best_index ) : 0 ) ^ best_index )。我怀疑有一种简单的SSE方式，只是因为SSE倾向于对打包值而不是标记值进行操作;有一些水平索引操作，所以你可以尝试找到最大值，然后从原始向量中的所有元素中减去它，然后收集符号位，零符号将对应于最大值的索引，但这可能是除非你使用短路或字节，否则不是改进。

Answer 2

来自SSE的MAXPS和MINPS都在压缩的单精度浮点数上运行。 PMAXSW，PMINSW，PMAXUB和PMINUB都在压缩的8位字上运行，无论是有符号还是无符号。请注意，它们按元件比较两个输入SSE寄存器或地址位置，并将结果存储到SSE寄存器或存储器位置。

MAXPS和MINPS的SSE2版本应该适用于双精度浮点数。

您使用的是哪些编译器和优化标志？ gcc 4.0和更好的应该自动向量化操作，如果你的目标支持它们，早期版本可能需要一个特定的标志。

Answer 3

如果您使用英特尔的IPP库，则可以使用向量statistical functions计算向量最小值/最大值（以及其他内容）

Answer 4

回答你的第二个问题：在大多数平台上，有些库已经包含了这个非常操作的优化实现（以及大多数其他简单的向量操作）。使用。

在OS X上，Accelerate.framework中有vDSP_maxviD( )和cblas_idamax( )
英特尔编译器包括IPP和MKL库，它们具有高性能实现，包括cblas_idamax( )
大多数Linux系统在BLAS库中都会有cblas_idamax( )，根据其来源，可能会也可能不会很好地调整;关心性能的用户通常会有一个很好的实现（或者可以被说服安装一个）
如果一切都失败了，您可以使用ATLAS（自动调谐线性代数软件）在目标平台上获得不错的性能实施

Answer 5

更新：我刚刚意识到你在第2部分中说过“数组”，而不是“矢量”。无论如何我都会把它留在这里以防它有用。

re：第二部分：找到SSE向量中max / min元素的索引：

执行水平最大值。对于2个double元素的128b向量，只有一个shufpd + maxpd将结果广播留给两个元素。

对于其他情况，它当然会采取更多步骤。有关提示，请参阅Fastest way to do horizontal float vector sum on x86，将addps替换为maxps或minps。（但请注意，16位整数是特殊的，因为您可以使用SSE4 phminposuw。对于最大值，从255减去
在矢量原始矢量和矢量之间进行打包比较，其中每个元素都是最大值。

（pcmpeqq整数位模式或通常的cmpeqpd都适用于double情况。
int _mm_movemask_pd (__m128d a) (movmskpd)将比较结果作为整数位图。
用于（第一次）匹配的位扫描（bsf）：index = _bit_scan_forward(cmpmask)。如果使用整数比较，则cmpmask = 0是不可能的（因为即使它们是NaN，至少有一个元素也会匹配）。

这应该只编译为6条指令（包括movapd）。是的，只需检查the Godbolt compiler explorer就可以了。它与SSE一起检查。

#include <immintrin.h>
#include <x86intrin.h>

int maxpos(__m128d v) {
  __m128d swapped = _mm_shuffle_pd(v,v, 1);
  __m128d maxbcast = _mm_max_pd(swapped, v);
  __m128d cmp = _mm_cmpeq_pd(maxbcast, v);
  int cmpmask = _mm_movemask_pd(cmp);
  return _bit_scan_forward(cmpmask);
}

请注意_mm_max_pd is not commutative with NaN inputs。如果可以使用NaN，并且您不关心Intel Nehalem的性能，则可以考虑使用_mm_cmpeq_epi64来比较位模式。但是，从浮点数到vec-int的旁路延迟是Nehalem的一个问题。

NaN！= IEEE浮点中的NaN，因此在全NaN情况下_mm_cmpeq_pd结果掩码可以全为零。

在2元素的情况下，总是得到0或1可以做的另一件事是用cmpmask >> 1替换位扫描。（bsf很奇怪，输入=全零）。

Answer 6

在回答您的第二个问题时，您可能需要考虑收集和存储此数据的方式。

您可以将数据存储在B树中，以便始终对数据进行排序，只需要进行对数比较操作。

然后你随时都知道最大值是什么。

http://en.wikipedia.org/wiki/B_tree

x86 max / min asm指令？

6 个答案: