问题标签 [sse]

我很好奇，新编译器是否使用新 CPU 中内置的一些额外功能，例如 MMX SSE、3DNow！所以？

我的意思是，在最初的 8086 中甚至没有 FPU，所以旧的编译器甚至不能使用它，但是新的编译器可以，因为 FPU 是每个新 CPU 的一部分。那么，新的编译器是否使用了 CPU 的新特性？

或者，更应该问的是，新的 C/C++ 标准库函数是否使用了新特性？

感谢您的回答。

编辑：

好的，所以，如果我让你们所有人都说对了，即使是一些标准操作，尤其是浮点数，也可以使用 SSE 更快地完成。

为了使用它，我必须在我的编译器中启用这个特性，如果它支持的话。如果是这样，我必须确保目标平台支持该功能。

对于某些需要顶级性能的系统库，如OpenGL、DirectX等，系统可能会支持这种支持。

默认情况下，出于兼容性原因，编译器不支持它，但您可以使用 Intel 等提供的特殊 C 函数添加此支持。这应该是最好的方式，因为您可以直接控制天气，当您使用所需平台的特殊功能时，可以编写支持多 CPU 的应用程序。

这是我第一次在 stackoverflow 上发布问题，所以请尝试忽略我在格式化问题/代码时可能犯的任何错误。但请向我指出同样的问题，这样我可能会更加小心。

我试图编写一些简单的内在函数例程来添加两个 128 位（包含 4 个浮点变量）数字。我在网上找到了一些代码，并试图让它在我的系统上运行。代码如下：

我使用的 g++ 参数是：

我得到的错误如下：

我花了很多时间尝试调试这些错误，搜索它们等等。我是内在学的完全菜鸟，因此可能忽略了一些重要的事情。

感谢您提供任何帮助，
谢谢，
Sriram。

我在循环中有一些代码

因此，u 和 b 是相同长度的向量，而 c 和 s 是标量。此代码是否适合与 SSE 一起使用以获得加速的矢量化？

更新

我学习了矢量化（如果你使用内在函数，这并不难）并在 SSE 中实现了我的循环。但是，在 VC++ 编译器中设置 SSE2 标志时，我得到的性能与我自己的 SSE 代码大致相同。另一方面，英特尔编译器比我的 SSE 代码或 VC++ 编译器快得多。

这是我写的代码供参考

我正在努力将一些代码转换为 SSE，虽然我有正确的输出，但结果却比标准 c++ 代码慢。

我需要这样做的代码是：

我对 SSE 代码的了解是：

由于它很难阅读代码，我将解释我做了什么：

加载向量4，xmm0 _____ p = [px，py，px，py]
mult。通过vector4，xmm1 _ cs = [c，c，s，s]
__________________________mult----------------------------
结果，_____________ xmm0 = [px c, py c, px s, py s]

重用结果，xmm0 = [px c, py c, px s, py s]
洗牌结果, xmm2 = [py s, px s, py c, px c]
_____________________减法---------- ---------------
结果，xmm0 = [px c-py s，py c-px s，px s-py c，py s-px c]

重用结果，xmm0 = [px c-py s, py c-px s, px s-py c, py s-px c]
load m vector4, scale = [m, m, m, m]
__________________________mult---- ------------------------
结果，xmm0 = [(px c-py s) m, (py c-px*s) m, (px s-py*c) m, (py s-px*c) m]


加载 xy vector4, xmm3 = [p2x, p2x, p2y, p2y]
重用, xmm0 = [(px c-py*s) m, (py c-px*s) m, (px s-py*c) m, (py s-px*c) m]
_____________________减------------------ -------
结果，xmm3 = [p2x-(pxc-py*s) m, p2x-(py c-px*s) m, p2y-(px s-py*c) m, p2y-(py s-px*c)*m]

然后 ox = xmm3[0] 和 oy = xmm3[3]，所以我基本上不使用 xmm3[1] 或 xmm3[4]

对于阅读本文的困难，我深表歉意，但我希望有人能够为我提供一些指导，因为标准 c++ 代码运行时间为 0.001444 毫秒，而 SSE 代码运行时间为 0.00198 毫秒。

让我知道我是否可以做些什么来进一步解释/清理一下。我尝试使用 SSE 的原因是因为我运行了这个计算数百万次，它是减慢我当前代码的一部分。

提前感谢您的帮助！布雷特

我编写了一个简单的程序来实现 SSE 内在函数，用于计算两个大（100000 或更多元素）向量的内积。该程序比较了两者的执行时间，内积计算传统方式和使用内在函数。一切正常，直到我在计算内积的语句之前插入（只是为了好玩）一个内循环。在我继续之前，这里是代码：

我使用以下 g++ 调用来构建它：

上面的每个循环，在这两个函数中，总共运行 N^2 次。但是，假设 arr1 和 arr2（两个浮点向量）加载的值为 2.5，则数组的长度为 100,000，两种情况下的结果都应为 6.25e+10。我得到的结果是：

结果：
result_Conventional = 6.25e+10
result_Intrinsics = 5.36871e+08

这还不是全部。从使用内在函数的函数返回的值似乎在上述值处“饱和”。我尝试为数组元素和不同大小设置其他值。但似乎数组内容的任何大于 1.0 的值和大于 1000 的任何大小都符合我们在上面看到的相同值。

最初，我认为这可能是因为 SSE 中的所有操作都是浮点数，但浮点数应该能够存储 e+08 数量级的数字。

我试图看看我可能出错的地方，但似乎无法弄清楚。我正在使用 g++ 版本：g++ (GCC) 4.4.1 20090725 (Red Hat 4.4.1-2)。

非常欢迎对此提供任何帮助。

谢谢，
斯里拉姆。

我正在尝试通过使用带有内联汇编的 MMX 和 SSE 指令集来优化一些算术。但是，我一直无法找到有关这些增强指令集的时序和用法的良好参考。您能否帮我找到包含有关吞吐量、延迟、操作数以及指令的简短描述的信息的参考资料？

到目前为止，我发现：

英特尔指令参考 英特尔 64 和 IA-32 架构开发人员手册：卷。2A和 Intel 64 和 IA-32 架构开发人员手册：卷。2B

英特尔优化指南 http://www.intel.com/Assets/PDF/manual/248966.pdf

整数运算的时序 http://gmplib.org/~tege/x86-timing.pdf

快速总结：

我有一个 24 位值的数组。关于如何将单个 24 位数组元素快速扩展为 32 位元素的任何建议？

细节：

我正在使用 DirectX 10 中的像素着色器实时处理传入的视频帧。一个绊脚石是我的帧来自捕获硬件，具有 24 位像素（作为 YUV 或 RGB 图像），但 DX10 需要 32 位像素纹理。因此，我必须先将 24 位值扩展为 32 位，然后才能将它们加载到 GPU 中。

我真的不在乎我将剩余的 8 位设置为什么，或者传入的 24 位在该 32 位值中的位置——我可以在像素着色器中修复所有这些。但我需要非常快速地完成从 24 位到 32 位的转换。

我对 SIMD SSE 操作不是很熟悉，但是从我粗略的一瞥看来，我似乎无法使用它们进行扩展，因为我的读写大小不同。有什么建议么？还是我被卡在按顺序按摩这个数据集？

这感觉非常愚蠢 - 我正在使用像素着色器进行并行处理，但在此之前我必须执行逐像素的顺序操作。我一定遗漏了一些明显的东西......

有没有一种快速的方法可以将双精度值转换为短裤（16 位有符号），目前我正在做这样的事情：

我怀疑有一种使用 SSE 的快速方法可以显着提高效率。

我必须使用 SSE 扩展优化一段代码。我的目标平台是 Windows 和 Linux，所以我使用 MS 编译器 (VStudio) 和 GCC 编译器构建我的应用程序。

涉及 SSE 的方法有哪些？我可以找到很多如何将 SSE 与 GCC 一起使用的示例，但它们似乎与 MS 编译器不兼容。是否存在多平台 SSE 方法？

我想知道是否有办法扩展 ruby​​ 数组类型来进行 SIMD 和 SSE 向量计算。

我的意思是用一种低级语言实现，以在 ruby​​ 程序中用于数字运算任务。