SSE指令在实践中优化了什么，编译器如何启用和使用它们？

Question

SSE和/或3D吧！有矢量指令，但他们在实践中优化了什么？例如，8位字符是4乘4还是1乘1？某些算术运算是否有优化？字大小是否有效（16位，32位，64位）？

所有编译器在可用时是否使用它们？

是否真的必须了解汇编才能使用SSE指令？了解电子和门逻辑是否有助于理解这一点？

Answer 1

背景：SSE有向量和标量指令。支持3DNow！已经死了。

如果没有程序员的帮助，任何编译器都无法从矢量化中获取有意义的好处。通过编程工作和实验，人们通常可以接近纯装配的速度，而无需实际提及任何特定的矢量指令。有关详细信息，请参阅编译器的矢量编程指南。

涉及几个可移植性权衡。如果您编写GCC的矢量化器代码，您可以使用非英特尔架构，如PowerPC和ARM，但不能使用其他编译器。如果您使用英特尔内在函数来使您的C代码更像汇编，那么您可以使用其他编译器，但不能使用其他架构。

电子知识对你没有帮助。学习可用的说明将会。

Answer 2

在一般情况下，您不能依赖编译器在所有上使用矢量化指令。有些人（英特尔的C ++编译器在许多简单的情况下做了合理的工作，GCC也尝试这样做，并取得了不同的成功）

但这个想法只是将相同的操作应用于4个32位字（或某些情况下为2个64位值）。

因此，除了传统的“add”指令（将2个不同的32位宽寄存器的值加在一起）之外，您可以使用矢量化的add，它使用包含 four 32位值，并将它们作为单个操作一起添加。

Answer 3

其他问题重复： Using SSE instructions

简而言之，SSE是Streaming SIMD Extensions的缩写，其中SIMD =单指令，多数据。这对于同时对多个值执行单个数学或逻辑运算非常有用，这通常用于矩阵或向量数学运算。

编译器可以将此指令集作为其优化的一部分（研究您的/ O选项），但是您通常必须重新构建代码并手动编写SSE代码，或使用像Intel Performance Primitives这样的库来真正利用它它的。

Answer 4

如果您知道自己在做什么，可能会获得巨大的性能提升。参见例如here，其中这个人改进了他的算法的性能6次。