问题标签 [sse]

我们的服务器应用程序在热代码路径中进行了大量的整数测试，目前我们使用以下函数：

这个功能在我们的工作量中非常热门，所以我希望它尽可能快。如果可以的话，我还想消除“地板”库调用。有什么建议么？

在 gcc 中，我想通过 asm 代码对 2 个 C 变量进行 128 位 xor：如何？

但我有一个分段错误错误；这是 objdump 输出：

我正在从文件中执行 8 位数据的分散读取（De-Interleaving a 64 channel wave file）。然后我将它们组合成一个字节流。我遇到的问题是我重新构建要写出的数据。

基本上我正在读取 16 个字节，然后将它们构建到单个 __m128i 变量中，然后使用 _mm_stream_ps 将值写回内存。但是我有一些奇怪的性能结果。

在我的第一个方案中，我使用 _mm_set_epi8 内在函数来设置我的 __m128i，如下所示：

基本上我让编译器决定如何优化它以提供最佳性能。这给出了最差的性能。我的测试在 ~0.195 秒内运行。

其次，我尝试使用 4 _mm_set_epi32 指令进行合并，然后将它们打包：

这确实在一定程度上提高了性能。我的测试现在在 ~0.15 秒内运行。这样做似乎违反直觉，因为我认为这正是 _mm_set_epi8 正在做的事情......

我最后的尝试是使用一些代码，我用老式的方式制作四个 CC（使用 shift 和 ors），然后使用单个 _mm_set_epi32 将它们放入 __m128i 中。

这提供了更好的性能。运行我的测试大约需要 0.135 秒。我真的开始迷茫了。

所以我尝试了一个简单的读字节写字节系统，它甚至比最后一种方法快得多。

那么发生了什么？这一切对我来说似乎违反直觉。

我已经考虑过延迟发生在 _mm_stream_ps 上的想法，因为我提供数据的速度太快了，但是无论我做什么，我都会得到完全相同的结果。前两种方法是否可能意味着 16 个负载无法通过循环分配以隐藏延迟？如果是这样，为什么会这样？当然，内在函数允许编译器随心所欲地进行优化..我认为这就是重点......而且执行 16 次读取和 16 次写入肯定会比使用一堆 SSE 杂耍的 16 次读取和 1 次写入慢得多说明......毕竟它的读写速度很慢！

任何有任何想法的人都将不胜感激！:D

编辑：在下面的评论之后，我停止将字节预加载为常量并将其更改为：

这将性能提高到 ~0.143 秒。Sitll 不如直接的 C 实现...

再次编辑：迄今为止我得到的最佳表现是

这使我可以在 ~0.095 秒内进行处理，这要好得多。不过，我似乎无法与 SSE 接近……我仍然对此感到困惑，但是……哼哼。

我正在尝试实现一些内联汇编器（在 C/C++ 代码中）以利用 SSE。我想将值（从 XMM 寄存器或内存）复制并复制到另一个 XMM 寄存器。例如，假设我在内存中有一些值 {1, 2, 3, 4}。我想复制这些值，使 xmm1 填充 {1, 1, 1, 1}，xmm2 填充 {2, 2, 2, 2}，依此类推。

查看英特尔参考手册，我找不到执行此操作的说明。我是否只需要结合使用重复的 MOVSS 和旋转（通过 PSHUFD？）？

我在哪里可以找到有关常见 SIMD 技巧的信息？我有一个指令集，并且知道如何编写简单的 SIMD 代码，但我知道，现在的 SIMD 功能要强大得多。它可以保存复杂的条件无分支代码。
例如 ( ARMv6)，以下指令序列将 Rd 的每个字节设置为等于 Ra 和 Rb 的相应字节的无符号最小值：

教程链接/不常见的 SIMD 技术也很好 :) ARMv6对我来说是最有趣的，但是x86（SSE，...）/ Neon（在 ARMv7 中）/其他也很好。

GCC 为下面的 shuffle() 生成此代码：

理想情况下，这应该是：

生成这条指令的扩展 ASM 语法是什么？

非常感谢，亚当

PS：注释掉的内在函数为这个例子生成了最佳代码。这通常不起作用（GCC 可能会在存在全局寄存器变量的情况下生成不必要的寄存器副本）。

$ gcc -Os -std=gnu99 -msse4.1 -flax-vector-conversions pshufb_128bit_constant.c && objdump -d -m i386:x86-64:intel a.out |less

有没有更快的方法将两个 x86 32 位寄存器存储在一个 128 位 xmm 寄存器中？

因此，如果 EAX 为0x12345678且 EDX 为0x87654321，则 xmm0 中的结果必须为0x8765432112345678。

我将使用什么内在函数在 x86_64 上对以下内容进行矢量化（如果甚至可以矢量化）？

我正在尝试制作一个使用 GCC 编译并使用 Qt 和 SSE 内在函数的程序。似乎当我的一个函数被 Qt 调用时，堆栈对齐不会被保留。这是一个简短的例子来说明我的意思：

这是输出：

配置：

• 英特尔酷睿2
• 操作系统，SP3
• GCC 4.4（Mingw 包含在 Qt SDK 2010.01 中）

我尝试使用与我在 Qt makefile 中看到的相同的选项来编译示例程序：

，链接选项：

现在我不知道在哪个方向搜索。任何提示将不胜感激。谢谢！

法比安

在 SSE 中，前缀066h（操作数大小覆盖）0F2H（REPNE）和0F3h（REPE）是操作码的一部分。

在非 SSE066h中，在 32 位（或 64 位）和 16 位操作之间切换。 0F2h并0F3h用于字符串操作。它们可以组合在一起，以便066h和0F2h（或0F3h）可以在同一条指令中使用，因为这是有意义的。SSE 指令中的行为是什么？例如，我们有（暂时忽略 mod/rm）：

但这是什么？

怎么样？

更不用说以下有两个冲突的 REP 前缀：

这些的规格是什么？