6

我第一次使用 SSE 内在函数，即使在确保 16 字节内存对齐后也遇到了分段错误。这篇文章是对我之前的问题的扩展：

如何分配 16byte 内存对齐数据

这就是我声明我的数组的方式：

  float *V = (float*) memalign(16,dx*sizeof(float));

当我尝试这样做时：

  __m128 v_i = _mm_load_ps(&V[i]); //It works

但是当我这样做时：

  __m128 u1 = _mm_load_ps(&V[(i-1)]); //There is a segmentation fault

但如果我这样做：

  __m128 u1 = _mm_loadu_ps(&V[(i-1)]); //It works again

但是我想消除使用_mm_loadu_ps，并想让它只使用_mm_load_ps。

我正在使用英特尔 icc 编译器。

我该如何解决这个问题？

更新：

在以下代码中使用这两个操作：

  void FDTD_base (float *V, float *U, int dx, float c0, float c1, float c2, float c3,     float c4)
    {
       int i, j, k;
                    for (i = 4; i < dx-4; i++)
                    {

                            U[i] = (c0 * (V[i]) //center
                                    + c1 * (V[(i-1)] + V[(i+1)] )
                                    + c2 * (V[(i-2)] + V[(i+2)] )
                                    + c3 * (V[(i-3)] + V[(i+3)] )
                                    + c4 * (V[(i-4)] + V[(i+4)] ));
                    }

       }

上证版：

         for (i=4; i < dx-4; i+=4)
        {
            v_i = _mm_load_ps(&V[i]);
            __m128 center = _mm_mul_ps(v_i,c0_i);

            __m128 u1 = _mm_loadu_ps(&V[(i-1)]);
            u2 = _mm_loadu_ps(&V[(i+1)]);

            u3 = _mm_loadu_ps(&V[(i-2)]);
            u4 = _mm_loadu_ps(&V[(i+2)]);

            u5 = _mm_loadu_ps(&V[(i-3)]);
            u6 = _mm_loadu_ps(&V[(i+3)]);

            u7 = _mm_load_ps(&V[(i-4)]);
            u8 = _mm_load_ps(&V[(i+4)]);

            __m128 tmp1 = _mm_add_ps(u1,u2);
            __m128 tmp2 = _mm_add_ps(u3,u4);
            __m128 tmp3 = _mm_add_ps(u5,u6);
            __m128 tmp4 = _mm_add_ps(u7,u8);

            __m128 tmp5 = _mm_mul_ps(tmp1,c1_i);
            __m128 tmp6 = _mm_mul_ps(tmp2,c2_i);
            __m128 tmp7 = _mm_mul_ps(tmp3,c3_i);
            __m128 tmp8 = _mm_mul_ps(tmp4,c4_i);

            __m128 tmp9 = _mm_add_ps(tmp5,tmp6);
            __m128 tmp10 = _mm_add_ps(tmp7,tmp8);

            __m128 tmp11 = _mm_add_ps(tmp9,tmp10);
            __m128 tmp12 = _mm_add_ps(center,tmp11);

            _mm_store_ps(&U[i], tmp12);
    }

有没有更有效的方法来做到这一点_mm_load_ps()？

4

1 回答 1

11

因为sizeof(float)是 4，所以只有每四个条目V会正确对齐。请记住，_mm_load_ps一次加载四个浮点数。参数，即指向第一个浮点数的指针，需要对齐到 16 个字节。

我假设在你的例子i中是四的倍数，否则_mm_load_ps(&V[i])会失败。

更新

这就是我建议使用对齐的负载和随机播放来实现上述滑动窗口示例的方式：

__m128 v_im1;
__m128 v_i = _mm_load_ps( &V[0] );
__m128 v_ip1 = _mm_load_ps( &V[4] );

for ( i = 4 ; i < dx ; i += 4 ) {

    /* Get the three vectors in this 'frame'. */
    v_im1 = v_i; v_i = v_ip1; v_ip1 = _mm_load_ps( &V[i+4] );

    /* Get the u1..u8 from the example code. */
    __m128 u3 = _mm_shuffle_ps( v_im1 , v_i , 3 + (4<<2) + (0<<4) + (1<<6) );
    __m128 u4 = _mm_shuffle_ps( v_i , v_ip1 , 3 + (4<<2) + (0<<4) + (1<<6) );

    __m128 u1 = _mm_shuffle_ps( u3 , v_i , 1 + (2<<2) + (1<<4) + (2<<6) );
    __m128 u2 = _mm_shuffle_ps( v_i , u4 , 1 + (2<<2) + (1<<4) + (2<<6) );

    __m128 u5 = _mm_shuffle_ps( v_im1 , u3 , 1 + (2<<2) + (1<<4) + (2<<6) );
    __m128 u6 = _mm_shuffle_ps( u4 , v_ip1 , 1 + (2<<2) + (1<<4) + (2<<6) );

    __m128 u7 = v_im1;
    __m128 u8 = v_ip1;

    /* Do your computation and store. */
    ...

    }

请注意，这有点棘手，因为_mm_shuffle_ps每个参数只能取两个值，这就是为什么我们首先需要 makeu3并且u4为了将它们重新用于具有不同重叠的其他值。

另请注意，值u1、u3和u5也可以从u2、u4和u6在先前的迭代中恢复。

最后请注意，我还没有验证上面的代码！阅读文档_mm_shuffle_ps并检查第三个参数选择器是否适用于每种情况。

于 2012-06-18T15:29:34.020 回答