我想在C ++中支持以下操作：
void generate_random_simd(T* array, T upper_bound, T lower_bound) {
// uses simd instructions for rng in range [lower_bound, upper_bound]
}
类型T可以是任何uint，int或float类型-32或64位。是否可以直接获得有效的实施方法或有关此材料的一些文献？
我确实找到了一些实现，例如this和this。但是它们不支持上述所有类型，也不支持提供上下限。使用它们可能反过来又需要额外的处理才能达到其结果，恐怕这最终会导致开销等同于简单地循环并使用标准的C ++随机数生成器（非SIMD）。
答案 0 :(得分：1)
元素边界仅在您具有下限/上限时才重要。 否则，对于整数，您只需要SIMD向量中的128或256位随机数据。
例如，您可以使用SSE2 / AVX2 xorshift +，它在64位SIMD元素中运行多个xorshift +生成器。当您想真正使用某物的随机数据时，可以将其视为16x uint8_t或2x uint64_t或两者之间的任何值。
这是一个将其用作16位元素的示例->多个十进制数字矢量，在我对What's the fastest way to generate a 1 GB text file containing random digits?的回答中，对unix.SE进行了回答。 （用C语言编写，带有Intel内部函数，Core 2，Haswell和Skylake基准数字。）
它的运行速度足够快，您可以在高速缓存中仍然很热的时候使用输出，例如L1d命中的4或8 kiB块的缓存块。或者只是在生成随机数时使用它们。
您当然可以使用其他除数，并向每个元素添加一些东西以获得除0..upper之外的范围。但是，使用编译时常数范围最有效。尽管如此，您仍可以使用运行时变量将libdivide用于SIMD除法（或模）。
在上下界未知的情况下，您可能只想将输入向量用于一个结果向量。当我针对最大速度进行优化时，有必要处理16位整数中的多个0..9位数字，以节省xorshift +的工作量。 0..9只是0..65535的一小部分，因此还有很多熵，并且与第一个余数具有不同的偏差。
FP比整数更难，因为某些位模式表示NaN 。而且，您通常希望沿实数线均匀分布，而不是有限位模式的均匀分布。 （所有可表示的float值中有一半的幅度小于1.0。得到的值越接近零，则float的距离就越近。）
显然，通常会生成[0,1.0)范围内的统一FP随机数。 （可表示的总值的1/4。）将N乘以[0, N)并乘以N可以很好地满足N <2 ^ 24的要求，但是如果超过此范围，则开始失去熵并引入偏差{{3} }。
根据您范围的大小，在我看来，通过组合23位随机有效数字（尾数）来在[1.0, 2.0)范围（或任何其他单指数范围）中生成它们要容易得多。 ），并具有固定的指数/符号位。
虽然熵的位数更少，但是却非常统一，可以使用SIMD _mm_and_ps和_mm_or_ps来完成。 （不幸的是，有效位数只有23位宽，不是8或16的倍数，因此我们不能简单地使用_mm_blendv_epi8或_mm_blend_epi16）
如果您想要的分布不是统一的（according to Daniel Lemire's article, "How many floating-point numbers are in the interval [0,1]?"），例如高斯或泊松，您必须为此找到一种算法。
由于必需的分支，带有拒绝的采样不适用于SIMD。您可以做2个随机数的候选向量，然后将它们无分支地合并，然后在仍然需要拒绝的情况下分支。
也许左打包未拒绝的候选者会让您相当有效地用随机数填充缓冲区，从而在每次迭代中生成一个可变数。有关SSE2 / AVX2 / AVX512左包装的信息，请参见https://en.wikipedia.org/wiki/Random_number_generation#Generation_from_a_probability_distribution。
同样，将缓冲区的块大小保持足够小，以使您在循环返回时获得L1d或至少L2高速缓存命中。