Supponiamo che sia necessario calcolare la radice quadrata reciproca o reciproca per i dati in virgola mobile impacchettati. Entrambi possono essere facilmente eseguiti da: __m128 recip_float4_ieee(__m128 x) { return _mm_div_ps(_mm_set1_ps(1.0f), x); } __m128 rsqrt_float4_ieee(__m128 x) { return _mm_div_ps(_mm_set1_ps(1.0f), _mm_sqrt_ps(x)); } Funziona perfettamente ma lentamente: secondo la guida , eseguono 14 e 28 cicli su Sandy […]
Ho appreso che alcune CPU Intel / AMD possono moltiplicare e aggiungere simultaneamente con SSE / AVX: FLOP per ciclo per sandy-bridge e haswell SSE2 / AVX / AVX2 . Mi piace sapere come farlo al meglio nel codice e voglio anche sapere come è fatto internamente nella CPU. Intendo con l’architettura super-scalare. Diciamo che […]
Ho scritto una class vettoriale 3D usando molti intrinseci del compilatore SSE. Tutto ha funzionato bene fino a quando ho iniziato a instaziare classi con il vettore 3D come membro con nuovo. Ho avuto incidenti anomali in modalità di rilascio, ma non in modalità di debug e viceversa. Così ho letto alcuni articoli e ho […]
Il mio codice C ++ utilizza SSE e ora voglio migliorarlo per supportare AVX quando è disponibile. Quindi rilevo quando AVX è disponibile e chiama una funzione che utilizza i comandi AVX. Io uso Win7 SP1 + VS2010 SP1 e una CPU con AVX. Per utilizzare AVX, è necessario includere questo: #include “immintrin.h” e quindi […]
Non ho in mente un particolare caso d’uso; Sto chiedendo se questo è davvero un difetto di progettazione / limitazione dell’intrinseca Intel o se mi manca qualcosa. Se si desidera combinare un float scalare con un vettore esistente, non sembra esserci un modo per farlo senza l’azzeramento degli elementi alti o la trasmissione dello scalare […]
C’è _mm_div_ps per la divisione dei valori in virgola mobile, c‘è _mm_mullo_epi16 per la moltiplicazione dei numeri interi. Ma c’è qualcosa per la divisione intera (valore a 16 bit)? Come posso condurre una tale divisione?
Devo implementare un algoritmo di sum di prefisso e avrei bisogno che fosse il più veloce ansible. Ex: [3, 1, 7, 0, 4, 1, 6, 3] should give [3, 4, 11, 11, 15, 16, 22, 25] C’è un modo per farlo usando le istruzioni della cpu SSE / mmx / SIMD? La mia prima idea […]
Sono a conoscenza di 3 metodi, ma per quanto ne so, solo i primi 2 sono generalmente utilizzati: 1) Maschera il bit del segno usando andps o andnotps . Pro: un’istruzione veloce se la maschera è già in un registro, il che lo rende perfetto per farlo più volte in un ciclo. Contro: La maschera […]
Diciamo che il collo di bottiglia del mio programma Java è davvero uno strettissimo loop per calcolare una serie di prodotti con punti vettoriali. Sì, ho profilato, sì è il collo di bottiglia, sì è significativo, sì è proprio come è l’algoritmo, sì, ho eseguito Proguard per ottimizzare il codice byte, ecc. Il lavoro è, […]
gcc 5.3 con -O3 -mavx -mtune=haswell per x86-64 rende il codice sorprendentemente ingombrante per gestire input potenzialmente disallineati per codice come: // convenient simple example of compiler input // I’m not actually interested in this for any real program void floatmul(float *a) { for (int i=0; i<1024 ; i++) a[i] *= 2; } clang utilizza […]