Question

我正在使用SIMD来计算快速取幂结果。我将时间与非simd代码进行比较。使用平方和乘法算法实现取幂。

普通（非simd）版本的代码：

b = 1;  
for (i=WPE-1; i>=0; --i){  
    ew = e[i];  
    for(j=0; j<BPW; ++j){  
        b = (b * b) % p;  
        if (ew & 0x80000000U)  b = (b * a) % p;  
        ew <<= 1;  
    }  
}

SIMD版本：

   B.data[0] = B.data[1] = B.data[2] = B.data[3] = 1U;  
   P.data[0] = P.data[1] = P.data[2] = P.data[3] = p;  
   for (i=WPE-1; i>=0; --i) {  
      EW.data[0] = e1[i]; EW.data[1] = e2[i]; EW.data[2] = e3[i]; EW.data[3] = e4[i];  
      for (j=0; j<BPW;++j){  
         B.v *= B.v; B.v -= (B.v / P.v) * P.v;  
         EWV.v = _mm_srli_epi32(EW.v,31);  
         M.data[0] = (EWV.data[0]) ? a1 : 1U;  
         M.data[1] = (EWV.data[1]) ? a2 : 1U; 
         M.data[2] = (EWV.data[2]) ? a3 : 1U; 
         M.data[3] = (EWV.data[3]) ? a4 : 1U;  
         B.v *= M.v; B.v -= (B.v / P.v) * P.v;  
         EW.v = _mm_slli_epi32(EW.v,1);  
      }  
   }

问题是虽然计算正确，但simd版本比非simd版本需要更多时间。

请帮我调试原因。有关SIMD编码的任何建议也欢迎。

谢谢＆amp;问候，阿努普。

Answer 1

for循环中的所有函数都应该是SIMD函数，而不仅仅是两个。为您的2个函数设置参数的时间不如原始示例（最有可能由编译器优化）优化

Answer 2

32位int数据的SIMD循环通常如下所示：

for (i = 0; i < N; i += 4)
{
    // load input vector(s) with data at array index i..i+3
    __m128 va = _mm_load_si128(&A[i]);
    __m128 vb = _mm_load_si128(&B[i]);

    // process vectors using SIMD instructions (i.e. no scalar code)
    __m128 vc = _mm_add_epi32(va, vb);

    // store result vector(s) at array index i..i+3
    _mm_store_si128(&C[i], vc);
}

如果您发现需要在循环中的标量代码和SIMD代码之间移动，那么您可能无法从SIMD优化中获得任何收益。

SIMD编程的大部分技能来自于找到使算法能够使用给定SIMD架构提供的有限数量的支持指令和数据类型的方法。您通常需要利用对数据集的先验知识来获得最佳性能，例如：如果您确定您的32位整数值实际上具有适合16位的范围，那么这将使您的算法的乘法部分更容易实现。

取幂的SIMD代码

2 个答案: