如何在C++/C中使用SSE指令
扫描二维码
随时随地手机看文章
此文主要内容来自这篇文章,本文翻译只求能理解,不求逐句翻译。
正文:
我们将在本文中介绍如何在C++/C中使用SSE指令。我的目的不是用SSE写尽可能快的程序,而是试图讲明白它的使用方法。
什么是SSE?
SSE的全称是 Sreaming SIMD Extensions, 它是一组CPU指令,用于像信号处理、科学计算或者3D图形计算一样的应用。
SIMD 也是几个单词的首写字母组成的: Single Instruction, Multiple Data。 一个指令发出后,同一时刻被放到不同的数据上执行,
这个指令就是SIMD指令。
SSE在1999年首次出现在Pentium 3上。在过去的那段时光里,一些更加精致的功能被加入了这套指令集,
8个128-bit的寄存器被加入了CPU :xmm0到xmm7.
最初的时候,这些寄存器智能用来做单精度浮点数计算(float),
自从SSE2开始,这些寄存器可以被用来计算任何基本数据类型的数据了。
给定一个标准的32位机器,我们可以并行的存储和计算了:
-- 2 double
-- 2 long
-- 4 float
-- 4 int
-- 8 short
-- 16 char
注意:整数类型可以是有符号也可以是无符号的,不过有时候你可能要用不同的指令来处理他们。
比如,你想计算两个整数数组的和,你可以一次计算四个加法。
简单的例子
开始学习SSE并不是很简单的,幸好MSDN的文档写的很好(原作的链接打不开了,新连接是我加上去的)!
如果你看一下那个算术操作的列表,一会注意到总有相应的汇编指令与其对应。
另外,一些操作是符合操作,例如那些set操作。
在C++中用SSE真真是一个low-level的操作:我们将直接通过类型
__m128(4个float)、__m128d(2个double)、__m128i(int、short、char)直接控制那些128-bit的寄存器。
不过,为了使用SSE我们不必去声明__m128类型的数组:比如,你想计算一个浮点型数组中每个元素的平方根,
有可以直接将你的数组强制类型转换成__m128*,然后使用SSE的命令操作这个数组。
不管怎样,我们还是要多做一点事情,才能用SSE。大多数SSE操作需要我们的数据是16-bytes对齐的,
这里我们将使用另一个GCC的 Variable attributes。 我们使用对齐属性:
aligned (alignment) This attribute specifies a minimum alignment for the variable or structure field, measured in bytes.
下面是一个简单的代码,展示如何用SSE的_mm_sqrt_ps()函数一次性计算四个浮点数的平方根:
float a[] __attribute__ ((aligned (16))) = { 41982., 81.5091, 3.14, 42.666 }; __m128* ptr = (__m128*)a; __m128 t = _mm_sqrt_ps(*ptr);
如果用GCC编译器,在编译选项中加入-S选项,产生的汇编代码中相应的汇编语句是SQRTPS,
而且这个指令使用的寄存器就是SSE的寄存器:
sqrtps %xmm0, %xmm0
不要忘了加上那个头文件:
#include
第一个评测
在前面的代码中,我们同时计算了4个float的平方根,但是我们没有记录结果。为了记录结果,我们使用_mm_store_ps
在下面的代码中,我们计算一个非常大的float数组的平方根。(作者使用的是他之前写的计时函数,这里我直接贴出来了)
来对程序的标准版本和SSE版计时。
class Timer { public: Timer(const std::string& name) : name_ (name), start_ (std::clock()) { } ~Timer() { double elapsed = (double(std::clock() - start_) / double(CLOCKS_PER_SEC)); std::cout << name_ << ": " << int(elapsed * 1000) << "ms" << std::endl; } private: std::string name_; std::clock_t start_; }; #define TIMER(name) Timer timer__(name); void normal(float* a, int N) { for (int i = 0; i < N; ++i)a[i] = sqrt(a[i]); } void sse(float* a, int N) {// We assume N % 4 == 0. int nb_iters = N / 4; __m128* ptr = (__m128*)a; for (int i = 0; i < nb_iters; ++i, ++ptr, a += 4) _mm_store_ps(a, _mm_sqrt_ps(*ptr)); } int main(int argc, char** argv) { if (argc != 2) return 1; int N = atoi(argv[1]); float* a; posix_memalign((void**)&a, 16, N * sizeof(float)); for (int i = 0; i < N; ++i)a[i] = 3141592.65358; { TIMER("normal"); normal(a, N); } for (int i = 0; i < N; ++i)a[i] = 3141592.65358; { TIMER("SSE"); sse(a, N); } }
在上面的SSE的函数代码中,我们用了两个指针指向的是同一个地址,但是使用的类型不同,这当然不是必须的,只是用来避免强制类型转换。
有趣的是,我们必须对__m128每次递增1(128bits),对应的,我们也必须按四递增float指针(就是相当于一次算四个float)。
另一个有趣的函数式 posix_memalign,而不是用align attribute,这个函数是在堆上申请对齐内存,而gcc attribute是在栈上申请内存。
评测环境: llvm-g++ 4.2 (flags: -O3 -msse2) 在Intel Core2 Duo P7350(2GHz)上测试。
$ ./sqrt 64000000 normal: 392ms SSE: 145ms
真的相当快哈!
第二个评测
怎么将两个char数据加在一起呢:
void sse(char* a, const char* b, int N) { int nb_iters = N / 16; __m128i* l = (__m128i*)a; __m128i* r = (__m128i*)b; for (int i = 0; i < nb_iters; ++i, ++l, ++r) _mm_store_si128(l, _mm_add_epi8(*l, *r)); }
评测结果:
$ ./add 64000000 normal: 98ms SSE: 42ms
性能分析
你可能会问,为什么我们没有得到四倍的加速呢?我们可是一次计算4个float数据啊,怎么我们只有2倍的加速呢??
答案是,你的编译器很聪明,它已经做了很多优化了,特别是在加入O3选项后。
实际上,如果你看下normal产生的汇编代码,里面的sqrt和add函数都已经被你的编译器给用SSE指令优化了。
编译器检测到循环模式适合SSE,就把这个代码使用SSE指令实现了。
不管怎样,直接使用SSE函数还是可以获得一些性能的。
取决于你的编译器版本,对于这种简单的循环,你发现执行时间上没有差异也是可能的。
但是,这里必须要再提一次的是,我们是介绍怎么用SSE,不是只为了性能~