2

我正在尝试使用 SSE（在 Visual Studio 上）加快我的方法。我是该地区的新手。我在我的方法中使用的主要数据类型是大小为 32 的位集，我主要使用的逻辑运算是 AND 运算（很少使用 _BitScanForward）。我想知道是否可以使用 SSE 指令来加快我的程序。

这就是我现在正在做的事情（我已经完全完成了，无法直接比较结果）：

我使用 _mm_set_ps 加载操作数（位集）。我在位集上使用 to_ulong() 将它们转换为无符号长整数：

__m128 v1 = _mm_set_ps(b1.to_ulong(),b2.to_ulong(),b3.to_ulong(),b4.to_ulong());
__m128 v2 = _mm_set1_ps(b.to_ulong())

接下来是实际的 AND 操作：

__m128 v3 = _mm_and_ps(v1,v2);

在这一点上，我有两个问题：

  1. 我这样做的方式（使用 to_ulong() 将位集转换为无符号长整数）是一种好方法吗？我怀疑有很大的开销可能会扼杀我使用 SSE 可能获得的潜在性能改进。

  2. 以 4 个位集的形式将 v3 存储回内存的最佳方法是什么？我打算使用 _mm_storeu_ps 内在函数。

4

1 回答 1

3

有几件事：

  • 如果您的位集基本上是 32 位整数，那么您应该使用合适的整数 SIMD 类型，即__m128i，不是浮点 ( __m128)

  • _mm_set_XXX宏相对昂贵 - 与常规 SSE 内在函数不同，它们可以生成相当多的指令 - 如果您所做的只是一次 AND 操作，那么 _mm_and_XXX 操作带来的任何性能优势都将被_mm_set_XXX操作成本所抵消

理想情况下，如果您只想 AND 数组中的一堆位集，那么代码应该如下所示：

const int N = 1024;

int32_t b1[N]; // 2 x arrays of input bit sets
int32_t b2[N];
int32_t b3[N]; // 1 x array of output bit sets

for (int i = 0; i < N; i += 4)
{
    __m128i v1 = _mm_loadu_si128(&b1[i]); // load input bits sets
    __m128i v2 = _mm_loadu_si128(&b2[i]);
    __m128i v3 = _mm_and_si128(v1, v2);   // do the bitwise AND
    _mm_storeu_si128(&b3[i], v3);         // store the result
}

如果您只想使用固定掩码就地 AND 一个数组，那么它将简化为：

const int N = 1024;

int32_t b1[N]; // input/output array of bit sets

const __m128i v2 = _mm_set1_epi32(0x12345678); // mask

for (int i = 0; i < N; i += 4)
{
    __m128i v1 = _mm_loadu_si128(&b1[i]); // load input bits sets
    __m128i v3 = _mm_and_si128(v1, v2);   // do the bitwise AND
    _mm_storeu_si128(&b1[i], v3);         // store the result
}

注意：为了获得更好的性能，请确保您的输入/输出数组是 16 字节对齐的，然后使用_mm_load_si128/_mm_store_si128而不是上面未对齐的对应物。

于 2012-05-29T15:53:51.277 回答