问题标签 [sse2]

今天我尝试初始化一个 sse 类型 __m128d 的数组。不幸的是它没有用 - 为什么？通常不可能创建 sse 类型的数组（因为它们是寄存器类型？）。以下代码在循环中的分配处出现段错误。

问候 + 繁荣

每当我检查 GCC 为使用 __m128i 类型的代码生成的汇编代码时，我都会看到看起来像是一场灾难。有大量无用的冗余指令。

然而，作为一名汇编程序员，我宁愿使用 asm{}，但 GCC 阻止我在 asm{} 中使用 XMM 寄存器。

让 GCC 使用 XMM 是否有一些技巧，或者我需要等待未来的版本吗？我有 4.3.4。

我正在使用 SSE2 将 16+16 位元组排序为 32 位整数。比较和最小值/最大值只有带符号的整数指令。我对较高部分的顺序没有问题，因为它只是一个哈希。但是带有负哈希的条目将被向后排序（对吗？）可能但不是很好的解决方案可能是：

• 将哈希的较高位归零，失去精度（不是很好）
• 如果设置了哈希的较高位，则将位置转换为负数，并在排序后将其转换回来。

有没有更好的办法？

我想使用著名的 MIT 位计数算法的一个版本，使用 SSE2 指令计算康威生命游戏中的邻居。

这是 c 中的 MIT 位计数，扩展到计数位计数 > 63 位。

这是帕斯卡的一个版本

我正在寻找并行计算此结构中的位。

注意这个结构中间有 16 位需要查找。我想使用 SSE2计算中间 16 位中的每一位的邻居计数。为了做到这一点，我将切片 A 放入 XMM0 低位双字中，切片 B 放入 XXM0-dword1 等。
我将 XMM0 复制到 XMM1 并屏蔽XMM0 的低位字中的012-456-89A位5，对 XMM0 的字1 执行相同操作，等等。使用不同的切片和掩码来确保 XMM0 和 XMM1 中的每个单词都包含不同像素的邻居。

问题
如何调整 MIT-bitcount 以在每个 XMM 字中得到每个字/像素的位计数？

备注
我不想使用查找表，因为我已经有了这种方法，我想测试一下 SSE2 是否会通过不需要对查找表进行内存访问来加快进程。

使用 SSE 汇编的答案将是最佳的，因为我在 Delphi 中对此进行了编程，因此我使用的是 x86+SSE2 汇编代码。

我在 gcc 4.4.3 中使用 SSE2。在我的程序中，我需要使用至少 (0 - 7) 个 8 位的 128 位 SIMD 寄存器。请提出一种我可以快速检索 8 位的方法。

我尝试使用_mm_movepi64_pi64or _mm_extract_epi16，这两者在我的程序中都提供了相似的性能。我也在尝试联合方法。union{__m128i a1, int a2[4]}. 虽然，在测试用例中，它给出了很好的结果，但在我的程序中，这种方法并不是很好。

任何想法..（我应该使用上述三种方法中的哪一种？）

当使用 SSE2 内部函数进行按位操作时，必须将指针从int*to 转换为__m128i*. 此代码是否违反严格的别名规则？

谢谢！

我正在尝试编写一个例程，该例程将以最有效的方式将向量的所有元素向右移动 n 个位置，以适用于以下向量类型：BYTE->BYTE、WORD->WORD、DWORD->DWORD 和WORD->BYTE（假设结果中只有 8 位）。我想根据处理器的类型为每种类型设置三个例程（支持 SSE2，仅支持 MMX，仅支持标准指令 se）。因此我总共需要 12 个函数。

我自己已经找到了如何备份和恢复我需要的寄存器，如何进行循环，如何将数据复制到常规寄存器或 MMX 寄存器以及如何在逻辑上移位 1 个位置。

因为我不熟悉它的汇编语言。我应该为每个指令集使用哪些寄存器？如何优化 L1 缓存中大矢量（图像）的可用性？我如何找到向量的下一个元素（指针之类的东西），我知道我可以按地址制作一个 mov，并且我假设我必须根据我的数据类型将地址增加 1、2 或 4？

虽然我有所有的想法，但在这一点上编写代码有点困难。

谢谢你。

阿尔诺。

编辑：这是我试图为 MMX 在 DWORD 上移动 1 所做的事情：

我想知道为什么带有 SSE2 指令的以下代码执行乘法比标准 C++ 实现慢。这是代码：

m_output.data和的内存input().data已使用 _aligned_malloc 分配。

然而，对于 2^25 数组执行此代码的时间与此代码的时间相同（350 毫秒）：

这怎么可能？理论上应该只需要 50% 的时间，对吧？还是从 SIMD 寄存器到 m_output.data 数组的内存传输开销如此昂贵？

如果我替换第一个片段中的行

经过

然后__m128d tmp;代码执行得非常快，比我的计时器功能的分辨率要低。那是因为一切都只存储在寄存器中而不是内存中吗？

更令人惊讶的是，如果我在调试模式下编译，SSE 代码只需要 93ms而标准乘法需要309ms。

• 调试：93ms (SSE2) / 309ms（标准乘法）
• RELEASE：350ms (SSE2) / 350（标准乘法）

这里发生了什么？？？

我在发布模式下使用带有 QtCreator 2.2.1 的 MSVC2008。这是我的 RELEASE 编译器开关：

这些是用于调试的：

编辑 关于 RELEASE 与 DEBUG 问题：我只想指出我分析了代码，而 SSE 代码在发布模式下实际上速度较慢！ 这只是以某种方式证实了 VS2008 无法正确处理优化器的内在函数的假设。英特尔 VTune 在 DEBUG 中为 SSE 循环提供了 289 毫秒，在 RELEASE 模式下为我提供了 504 毫秒。哇...只是哇...

我想知道，在 Visual Studio 2010 中设置什么才能启用 SSE 4.2？我想使用它是因为优化了 POPCNT...

如果所有设置都正常，我该如何测试？

谢谢

好吧，我尝试使用您的解决方案，但是<nmmintric.h>不包含在 vstudio2010 和标准__popcnt要求中int，而不是std::bitset<>:(

任何想法？

感谢带有正确标题的提示。但是，似乎：error C3861: '_mm_popcnt_u64': identifier not found，我只找到了_mm_popcnt_u32，但是我不知道如何将它与 一起使用bitset，还是应该只使用bitset<>.count？如果没有编译器的 anz 设置，它就无法工作，可以吗？

没人知道 ？

我没有任何真正的编译器知识，我曾经为选定的代码片段手动编写 SSE2 函数。我知道如何阅读生成的机器代码，但很大程度上不知道编译器可能进行的疯狂优化。我所有的工作都是使用 Visual Studio 完成的。

Visual Studio 有没有办法告诉我一个函数的 SSE2 寄存器溢出计数？原因是我们很快就能批量生产类似 SSE2 的代码（模板化），并且我们希望将它们中的每一个都编译成质量不错的机器代码。我们可能无法手动检查它们中的每一个。我希望得到的是某种保证，即编译后的代码是可接受且简洁的。我不需要得到最后一点果汁。

或者，是否有一个关键字可以__forceinline强制编译器不溢出任何 SSE2 寄存器，例如 "__forcenospill" ？（如果必须发生溢出，编译将失败，因此我会意识到问题并尝试重构我的 SSE2 代码。）

使用现有的向量库或 blitter 是没有问题的，因为某些计算需要高度注册（“简单操作”中的一步中的 6 个或更多操作数（注 #1）；中间值提升为 16 位或 32 位即时和转换回来等）用通用矢量库重新表述它意味着运行时间增加一倍或三倍（在那里，做到了）。

商业工具也可以，考虑到项目的性质，我当然可以负担得起。

如果没有这样的工具，我将求助于分析。你可以对这篇文章投反对票，让我知道这样的事情不存在。

谢谢！

（注＃1）它是一种自适应阈值算法。