问题标签 [sse2]

我正在尝试了解有关 SSE/SSE2 如何工作的更多信息：我知道 SSE/SSE2 使用大小为 128 位（16 字节）的 mmx 寄存器，并且通常这些寄存器有 4 个浮点单元格，我可以通过打包来存储我的浮点数. 在得到结果之前，我应该“解压它们”。

我的问题是：既然我是菜鸟，为什么要将这些值打包到 xmm 寄存器中，为什么要解压缩它们？这有什么好处？

我还没有找到任何关于这个主题的明确基准，所以我做了一个。我会把它贴在这里，以防有人像我一样寻找这个。

我有一个问题。SSE 不应该比循环中的四个 fpu RSQRT 快 4 倍吗？它更快，但只有 1.5 倍。迁移到 SSE 寄存器是否会产生如此大的影响，因为我不进行大量计算，而只进行 rsqrt？还是因为 SSE rsqrt 更精确，我如何找到 sse rsqrt 的迭代次数？两个结果：

编辑

/GS- /Gy /fp:fast /arch:SSE2 /Ox /Oy- /GL /Oi在 AMD Athlon II X2 270 上使用 MSVC 11 编译

测试代码：

使用浮点类型的结果：

我的结论是，除非我们对不少于 4 个变量进行计算，否则不值得为 SSE2 烦恼。（也许这仅适用于 rsqrt 这里但它是一个昂贵的计算（它还包括多个乘法）所以它可能也适用于其他计算）

同样 sqrt(x) 比两次迭代的 x*rsqrt(x) 更快，而一次迭代的 x*rsqrt(x) 对于距离计算来说太不准确了。

所以我在一些板上看到的关于 x*rsqrt(x) 比 sqrt(x) 快的陈述是错误的。因此，除非您直接需要 1/x^(1/2)，否则使用 rsqrt 代替 sqrt 是不合逻辑的，也不值得损失精度。

尝试不使用 SSE2 标志（如果它在正常 rsqrt 循环上应用 SSE，它会给出相同的结果）。

我的 RSQRT 是 quake rsqrt 的修改（相同）版本。

我编写函数int compare_16bytes(__m128i lhs, __m128i rhs)是为了使用 SSE 指令比较两个 16 字节数：该函数返回执行比较后有多少字节相等。

现在我想使用上面的函数来比较任意长度的两个字节数组：长度可能不是 16 字节的倍数，所以我需要处理这个问题。我怎样才能完成下面功能的实现？我怎样才能改进下面的功能？

我正在尝试实现一些内联汇编程序（在 Visual Studio 2012 C++ 代码中）以利用 SSE。我想添加 7 个数字 1e9 次，所以我将它们从 RAM 放置到 CPU 的 xmm0 到 xmm6 寄存器。当我使用以下代码在 Visual Studio 2012 中使用内联汇编执行此操作时：

C++ 代码：

我的 ASM 代码：

这是来自 C++ 编译器的反汇编代码，用于代码“resVal+=val1+val2+val3+val4+val5+val6+val7”：

可以看出，编译器只使用一个 xmm0 寄存器，其他时候它从 RAM 中获取值。

两种代码（我的 ASM 代码和 c++ 代码）的答案是相同的，但是 c++ 代码大约需要我的 asm 代码一半的时间来执行！

我读过关于 CPU 寄存器的信息，使用它们比内存快得多。我不认为这个比例是真的。为什么 asm 版本的 C++ 代码性能较低？

我刚开始使用SS2优化图像处理，但是对于3通道24位彩色图像却一无所知。我的像素数据由 BGR BGR BGR ... ,unsigned char 8-bi 排列，所以如果我想用 SSE2/SSE3/SSE4 的指令 C/C++ fun 实现 Color2Gray，我该怎么办？我的像素数据需要对齐（4/8/16）吗？我读过文章：http ://supercomputingblog.com/windows/image-processing-with-sse/ 但它是 ARGB 4 通道 32 位颜色，每次准确处理 4 色像素数据。谢谢！

//RGB->灰色：Y=0.212671*R + 0.715160*G + 0.072169*B

xmm在 32 位模式下在 SSE2 寄存器中加载 64 位整数值的最佳/最快方法是什么？

在 64 位模式下，cvtsi2sd可以使用，但在 32 位模式下，它只支持 32 位整数。

到目前为止，我还没有发现太多：

• 使用fild,fstp堆叠然后movsd注册xmm
• 加载高 32 位部分，乘以 2^32，加上低 32 位

第一个解决方案很慢，第二个解决方案可能会引入精度损失（编辑：无论如何它很慢，因为必须将低 32 位转换为无符号......）

有更好的方法吗？

我是sse的新手，我很难找到它，请告诉我将xmm3寄存器中的四个打包浮点数转换（截断为“（int）float_”）的好方法是什么，并将其存储到内存（有些像“movaps oword [edx+32], xmm3”存储很清楚，但我不知道如何转换）

所以我的线程代码是：

有片段主要功能：

loc_N 是每个线程的元素数。向量 x 和 y 的 N 大小。ntimes - 是多次重复算法。threadNo - 线程号。

我不知道为什么当我有三个线程时程序在 ry0 = _mm_load_pd (ptrDat-> y + i); 上崩溃了

我正在尝试使用 cmake 编译一些 C++ 代码并使用 include<emmintrin.h>进行 make 并得到以下 make 错误：

我有一个带有 Linux（Mint）系统（内核 3.5）的 Intel Celeron Dual Core 处理器。

根据维基百科，赛扬双核能够执行 SSE2 指令，并且 sse2 标志根据/proc/cpuinfo. 但是这个问题的作者提到了英特尔赛扬对 SSE 的有限支持。

我已经尝试在我的以下文件中使用 SSE 编译器选项CMakeLists.txt：

..但没有任何改变。cmake .工作正常，但make给出了上面的错误消息。

我是否必须更改 CMakeLists.txt 中的设置，还是赛扬双核根本不（完全）支持 SSE2？

是否有任何 SSE2 指令以相反的顺序int从缓冲区加载 128 位向量寄存器？int