Question

我有一个非常简单的程序，我正在努力提高性能。我知道的一种方法是帮助使用SSE3（因为我工作的机器支持这个），但我完全不知道如何做到这一点。这是一段代码片段（c ++）：

int sum1, sum2, sum3, sum4;
for (int i=0; i<length; i+=4) {
  for (int j=0; j<length; j+=4) {
    sum1 = sum1 + input->value[i][j];
    sum2 = sum2 + input->value[i+1][j+1];
    sum3 = sum3 + input->value[i+2][j+3];
    sum4 = sum4 + input->value[i+3][j+4];    
  {
}

我已经阅读了一些关于此的内容，并理解了这个想法，但我完全不知道如何实现这一点。有人可以帮帮我吗？我认为这很简单，特别是对于我的简单程序，但有时候入门是最难的部分。

谢谢！

Answer 1

实际上，在你的情况下，并不是那么简单。就目前而言，您的代码 NOT 可矢量化。（至少没有明显的循环变换）

这样做的原因是你在内部循环中也改变了索引i。由于内存位置不再相邻且位于矩阵的不同行中，因此可以对j迭代进行矢量化。（因为你似乎沿着对角线向下运行）

然而，我觉得你是在试图总结矩阵中的所有元素，而你实际上是想让你的循环像这样（你也有一些拼写错误）：

int sum1 = 0, sum2 = 0, sum3 = 0, sum4 = 0;
for (int i=0; i<length; i++) {
  for (int j=0; j<length; j+=4) {
    sum1 = sum1 + input->value[i][j];
    sum2 = sum2 + input->value[i][j+1];
    sum3 = sum3 + input->value[i][j+2];
    sum4 = sum4 + input->value[i][j+3];    
  }
}

int total = sum1 + sum2 + sum3 + sum4;

如果这是你想要的，那么它是非常可矢量化的。在使用内在函数的C / C ++中，只需使用SSE2即可完成以下操作：

__m128i sum = _mm_setzero_si128();
for (int i=0; i<length; i++) {
  for (int j=0; j<length; j+=4) {
    __m128i val = _mm_load_si128(&input->value[i][j]);
    sum = _mm_add_epi32(sum,val);
  }
}

请注意，对齐限制将适用。通过进一步展开循环可以获得更多的加速。

真正基本的SSE

1 个答案: