Question

我尝试使用Intel Intrinsics在float阵列上快速执行操作。这些行动本身似乎运作良好;但是，当我尝试将操作结果转换为标准C变量时，我得到一个SEGFAULT。如果我评论下面指出的行，程序就会运行。如果我保存指示行的结果，但不以任何方式操作它，程序运行正常。只有当我尝试（以任何方式）与_mm_cvtss_f32(C)的结果进行交互时，程序才会崩溃。有什么想法吗？

float proc(float *a, float *b, int n, int c, int width) {
    // Operation: SUM: (A - B) ^ 2
    __m128 A, B, C;
    float total = 0;
    for (int d = 0, k = 0; k < c; d += width, k++) {
        for (int i = 0; i < n / 4 * 4; i += 4) {
            A = _mm_load_ps(&a[i + d]);
            B = _mm_load_ps(&b[i + d]);
            C = _mm_sub_ps(A, B);
            C = _mm_mul_ps(C, C);
            C = _mm_hadd_ps(C, C);
            C = _mm_hadd_ps(C, C);
            total += _mm_cvtss_f32(C); // SEGFAULT HERE
        }
        for (int i = n / 4 * 4; i < n; i++) {
            int diff = a[i + d] - b[i + d];
            total += diff * diff;
        }
    }
    return total;
}

Answer 1

你确定你的程序实际上在你引用的指令中崩溃了，或者编译器只是在你删除_mm_cvtss_f32（）行（它没有任何其他可见的副作用）时优化其余的循环？由于您使用的是对齐的加载指令，因此潜在的故障原因可能是a和b阵列的不正确对齐。你确定它们是16字节对齐的吗？在当代英特尔硬件上，16字节对齐和未对齐加载之间的性能差异很小（有关该问题的讨论，请参阅上述问题的评论）。

我在原始评论中提到movaps的编码比movups短。 这是不正确的。我正在考虑而不是movaps与movapd进行相同的内存传输，只是将它们标记为单精度和双精度精确数据，分别。在实践中，他们做同样的事情，但movaps编码较短。

SSE SIMD分段使用生成的浮点数时出错

1 个答案: