问题标签 [simd]

有人知道开源 C++ x86 SIMD 内部函数库吗？

英特尔在他们的集成性能原语库中提供了我所需要的东西，但由于版权无处不在，我不能使用它。

编辑

我已经知道编译器提供的内在函数。我需要的是一个方便的界面来使用它们。

大家好:)
我正在尝试了解一些关于浮点、SIMD/数学内在函数和 gcc 的快速数学标志的概念。更具体地说，我在 x86 cpu 上使用 MinGW 和 gcc v4.5.0。

我已经搜索了一段时间，这就是我（认为我）目前所理解的：

当我在没有标志的情况下编译时，任何 fp 代码都将是标准的 x87，没有 simd 内在函数，并且 math.h 函数将从 msvcrt.dll 链接。

当我使用mfpmath、mssen和/或march以便启用 mmx/sse/avx 代码时，gcc只有在我还指定一些优化标志（如On或ftree-vectorize ）时才实际使用 simd 指令。在这种情况下，内在函数由 gcc 自动选择，并且一些数学函数（我仍在谈论 math.h 上的标准数学函数）将成为内在函数或由内联代码优化，其他一些仍然来自 msvcrt。 dll。如果我不指定优化标志，这会改变吗？

当我使用特定的 simd 数据类型（可用作 gcc 扩展的那些，如v4si或v8qi）时，我可以选择直接调用内部函数，或者再次将自动决策留给 gcc。如果我没有通过正确的标志启用 simd 指令，Gcc 仍然可以选择标准 x87 代码。同样，如果我不指定优化标志，这会发生任何变化吗？

如果我的任何陈述有误，请纠正我：p

现在的问题：

1. 我是否必须包含 x86intrin.h 才能使用内在函数？
2. 我是否必须链接 libm？
3. 快速数学与任何事情有什么关系？我知道它放宽了 IEEE 标准，但是，具体来说，如何？使用其他标准功能？链接了其他一些库？或者只是在某处设置了几个标志，标准库的行为不同？

感谢任何愿意提供帮助的人：D

我最近经常以内部函数的形式使用 x86 SIMD 指令 (SSE1234)。我发现令人沮丧的是，SSE ISA 有几个简单的指令，它们仅适用于浮点数或整数，但理论上两者的性能应该相同。例如，浮点向量和双精度向量都有从地址（movhps，movhpd）加载 128 位向量的高 64 位的指令，但对于整数向量没有这样的指令。

我的问题：

在整数向量上使用浮点指令时，是否有任何理由预期性能会受到影响，例如使用movhps将数据加载到整数向量？

我写了几个测试来检查，但我认为他们的结果不可信。编写一个正确的测试来探索这些事情的所有极端情况真的很困难，尤其是当指令调度最有可能涉及到这里时。

相关问题：

其他琐碎相似的事情也有几条基本相同的指令。例如，我可以对por、orps或orpd进行按位或运算。谁能解释这些附加说明的目的是什么？我猜这可能与应用于每条指令的不同调度算法有关。

我只是无法理解他们之间的区别是什么......

SPMD 是在编程级别，而 SIMD 是在硬件级别吗？

例子会很好！

谢谢

我正在尝试执行从 YCbCr 到 BGRA 的图像颜色转换（不要问 A 位，真让人头疼）。

无论如何，这需要尽可能快地执行，所以我使用编译器内在函数编写它以利用 SSE2。这是我第一次进入 SIMD 领域，我基本上是一个初学者，所以我确信我做的很多事情都是低效的。

我进行实际颜色转换的算术代码结果特别慢，英特尔的 VTune 将其显示为一个重要的瓶颈。

那么，有什么办法可以加快以下代码的速度？它以 32 位、一次 4 个像素完成。我最初尝试以 8 位，一次 16 个像素（如在上面的循环中），但计算导致整数溢出和转换中断。整个过程，包括英特尔 jpeg 解码，单个全高清场需要约 14 毫秒。如果我能把它降低到至少 12 毫秒，最好是 10 毫秒，那就太好了。

非常感谢任何帮助或提示。谢谢！

我正在寻找一些帮助来改进 core2 cpus 上的这个双线性缩放 sse2 代码

在我的 Atom N270 和 i7 上，此代码比 mmx 代码快约 2 倍。但是在 core2 cpus 下它只等于 mmx 代码。

代码如下

我最近注意到

当转换为浮点数组时，将 4 个浮点数倒序排列：

同样的情况也发生在 a 上union { _m128 m; float[4] a; }。

为什么 SSE 操作使用此排序？这没什么大不了的，但有点令人困惑。

还有一个后续问题：

通过索引访问数组中的元素时，应该按顺序访问0..3还是按顺序访问3..0？

我用谷歌搜索了一下，但现在我不清楚某些用 CUDA 编程的 GPU 是否可以利用或可以使用类似于 SSE SIMD 扩展的指令；例如，我们是否可以对两个浮点向量进行双精度求和，每个向量都有 4 个值。如果是这样，我想知道对于向量的前 4 个值中的每一个使用更轻的线程还是使用 SIMD 是否会更好。

谁能建议一种float使用 SSE4.1 之前的 SIMD 计算地板/天花板的快速方法？我需要正确处理所有极端情况，例如当我有一个float不能用 32 位 int 表示的值时。

目前我正在使用类似于以下代码（我使用 C 内在函数，为清楚起见转换为 asm）：

有没有更有效的方法来检查浮点值是否对于 32 位 int 来说不是太大？

我有一些在 4D 向量上运行的代码，我目前正在尝试将其转换为使用 SSE。我在 64b linux 上同时使用 clang 和 gcc。
仅对向量进行操作都可以很好地掌握。但是现在有一部分我必须将整个向量乘以一个常数 - 像这样：

像这样：

在哪里：

这当然行不通，因为我正在尝试对不兼容的数据类型进行乘法运算。
现在，我可以做类似的事情：
float4 a1 = (v4sf){25.0/216.0, 25.0/216.0, 25.0/216.0, 25.0/216.0} 但这只是让我觉得很傻，即使我写了一个宏来做到这一点。另外，我很确定这不会产生非常有效的代码。

谷歌搜索没有带来明确的答案（请参阅将常量浮点数加载到 SSE 寄存器中）。

那么将整个向量乘以相同常数的最佳方法是什么？