问题标签 [simd]

我需要日志功能的开源（无许可证限制）实现，带有签名的东西

它在英特尔短向量数学库（ICC 的一部分）中可用，但 ICC 既不是免费的也不是开源的。我正在寻找仅使用内在函数的实现。

它应该使用特殊的有理函数逼近。我需要一些几乎与 cmath 日志一样准确的东西，比如 9-10 位十进制数字，但速度更快。

上面提到的代码在我的程序中被多次调用（profiler 显示 98%）。

编辑：在内部循环中， res1[i + k] 值会为相同的 (i + k) 值加载多次。我在 while 循环中尝试了这个，我将所有 res1 值加载到 simd 寄存器（数组）中，并在最里面的 for 循环中使用数组元素来更新数组元素。完成两个 for 循环后，我将数组值存储回 res1、re2。但是计算时间随之增加。知道我哪里错了吗？这个想法似乎是正确的

欢迎任何使它更快的建议。

我正在研究面部检测，其中我将输入作为 .bmp 文件并检测面部并在面部上绘制一个矩形。

但是当我添加一个名为“cvDetect”的函数来检测人脸时，我遇到了一些分割错误，在下面的代码行中 -

在调试时我发现由于这些函数存在一些内存对齐问题。任何人都可以帮助解决这个问题，代码是 C++，我使用的是 Linux。

假设我有一个数组：

和一个元素

包含 16 个字节，

我想有效地填充一个新__m128i元素

的值arr取决于 中的值x，例如：

实现这一点的命令本质上是从一组不连续的内存位置加载寄存器。我对曾经看过这样一个命令的文档有一种痛苦的模糊记忆，但现在找不到了。它存在吗？在此先感谢您的帮助。

是否可以访问 mmx 寄存器中的单个字节，例如数组？我有这个代码：

我想将 mm1[1],mm1[2],mm1[3].... 放入 c++ 变量中，例如：

谢谢。

我看到如下代码：

此代码构建良好，并且使用 gcc 可以正常工作（它是内置的 SSE / MMX 扩展和向量数据类型。此代码使用 4 个单浮点数进行 SIMD 向量加法。

我想详细了解此 typedef 行上的每个关键字/函数调用的含义和作用：

vector_size() 函数返回什么；

__attribute__关键字是什么

这是将浮点数据类型定义为 vfsf 类型的类型吗？

我理解剩下的部分。

谢谢，

-广告

问候。我正在尝试近似函数

Log10[x^k0 + k1]，其中 0.21 < k0 < 21, 0 < k1 < ~2000，x 是整数 < 2^14。

k0 & k1 是常数。出于实际目的，您可以假设 k0 = 2.12，k1 = 2660。所需的精度为 5*10^-4 相对误差。

这个函数实际上与 Log[x] 相同，除了在 0 附近，它有很大不同。

我已经提出了一个 SIMD 实现，它比简单的查找表快约 1.15 倍，但如果可能的话，我想改进它，我认为由于缺乏有效的指令，这非常困难。

我的 SIMD 实现使用 16 位定点算法来评估 3 次多项式（我使用最小二乘拟合）。多项式对不同的输入范围使用不同的系数。有 8 个范围，范围 i 跨越 (64)2^i 到 (64)2^(i + 1)。这背后的原因是 Log[x] 的导数随 x 迅速下降，这意味着多项式将更准确地拟合它，因为多项式完全适合导数为 0 的函数超过一定阶数。

使用单个 _mm_shuffle_epi8() 可以非常有效地完成 SIMD 表查找。我使用 SSE 的 float 到 int 转换来获得用于定点逼近的指数和有效数字。我还对循环进行了软件流水线处理，以获得约 1.25 倍的加速，因此可能不太可能进一步优化代码。

我要问的是在更高级别是否有更有效的近似？例如：

1. 这个函数是否可以分解为具有有限域的函数，如 log2((2^x) * significand) = x + log2(significand)

因此无需处理不同的范围（表查找）。我认为的主要问题是添加 k1 术语会杀死所有我们知道和喜爱的漂亮日志属性，使其成为不可能。或者是吗？

1. 迭代法？不要这么认为，因为 log[x] 的牛顿法已经是一个复杂的表达式

2. 利用相邻像素的局部性？- 如果 8 个输入的范围在相同的近似范围内，那么我可以查找单个系数，而不是为每个元素查找单独的系数。因此，我可以将其用作快速的常见情况，并在不是时使用较慢的通用代码路径。但就我的数据而言，在此属性保持 70% 的时间之前，范围需要为 ~2000，这似乎并没有使这种方法具有竞争力。

请给我一些意见，尤其是如果您是应用数学家，即使您说做不到。谢谢。

我正在为我的大学进行一项与医疗用途图像重建算法相关的研究。

我被困在长达 3 周的时间里，我需要提高以下代码的性能：

对于任何想知道的人，该代码实现了 MLEM 转发功能，所有变量都是 FLOAT。

经过几次测试，我注意到这部分代码出现了很大的延迟。（你知道，90 - 10 规则）。

后来，我使用 Papi (http://cl.cs.utk.edu/papi/) 来测量 L1D 缓存未命中。正如我所想，Papi 确认性能下降是由于更多的未命中，特别是对于随机访问 b 向量（巨大的大小）。

阅读互联网上的信息到目前为止，我只知道两种提高性能的选择：提高数据局部性或减少数据污染。

为了进行第一个改进，我将尝试将代码更改为可感知缓存，就像 Ulrich Drepper 在每个程序员都应该了解的内存(www.akkadia.org/drepper/cpumemory.pdf)中提出的那样。 1 矩阵乘法。

我相信阻止 SpMV（稀疏矩阵向量乘法）会提高性能。

另一方面，每次程序尝试访问 b 向量时，我们都会遇到所谓的缓存污染。

有没有办法在不使用缓存的情况下使用 SIMD 指令从 b 向量中加载一个值？

此外，可以使用 void _mm_stream_ps(float * p , __m128 a) 之类的函数在向量 b 上存储一个浮点值而不污染缓存？

我不能使用 _mm_stream_ps 因为总是存储 4 个浮点数，但对 b 向量的访问显然是随机的。

我希望清楚我的困境。

更多信息：v 是具有 CRS 格式的稀疏矩阵存储的列值。我意识到如果我尝试将 CRS 格式更改为其他格式，则可以进行其他优化，但是，就像我之前所说的，我已经做了几个月的测试，我知道性能下降与向量 b 上的随机访问有关。从 400.000.000 L1D Misses 当我不存储在向量 b 中时，我可以转到 100~ Misses。

谢谢。

我有一个算法，它受益于 SSE(2) 内在函数的手动优化。此外，该算法未来还将能够受益于 256 位 AVX 寄存器。

我的问题是什么是最好的方法

• 在编译时注册我的类的可用性变体；因此，如果我的类是：Foo，FooSSE2并且FooAVX我需要一种方法来确定在运行时编译了哪些类。
• 确定当前 CPU 的能力。在最低级别，这将导致cpuid调用。
• 在运行时根据编译的内容和支持的内容决定使用什么。

虽然我可以破解上述大部分内容，但它似乎是一个足够常见的问题，必须出现一些最佳实践。理想情况下，我试图避免#ifdef混乱

在 parallel_for 中使用 SSE2 内在是一个好主意吗？

由于 SSE2 寄存器的数量有限，是否会在性能方面造成损失？

每个 CPU 芯片都有自己的 SSE2 寄存器吗？