本文主要是介绍SIMD 编程的优势与SIMD指令：SSE/AVX 与编程demo，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
资源：https://download.csdn.net/download/Rong_Toa/18745608
《Benefits of SIMD Programming | SIMD的优势》
目录
SIMD指令编程demo
正常代码
一次循环计算4次
使用SSE指令
使用AVX指令
性能对比
更多参考
SIMD指令编程demo
本文更新于 2018.10.24
本demo主要使用矩阵相乘, 演示了Intel SSE和AVX内部指令(intrinsics)的显式使用, 并对比了使用gcc和icc(Intel C/C++编译器)使用不同编译选项编译后的代码性能.
完整源码见: https://raw.githubusercontent.com/zzqcn/storage/master/code/c/simd_multiply.c
参考: https://software.intel.com/zh-cn/articles/ticker-tape-part-2
本文的软硬件环境如下:
- CPU: Intel(R) Xeon(R) CPU E5-2620 v3 @ 2.40GHz
- 操作系统: CentOS Linux release 7.0.1406
- 内核: 3.10.0-123.el7.x86_64
- gcc: 4.8.5 20150623
- icc: 19.0.0.120 20180804
正常代码
正常代码如下, 直接使用基本算法计算2个矩阵a和b, 结果放在c中:
void multiply(void) {unsigned i;for(i=0; i<N; i++) {c[i] = a[i] * b[i];}
}一次循环计算4次
可以将正常代码改为一次循环内计算4次乘法, 某种情况下可以提升性能:
void multiply(void) {unsigned i;for(i=0; i<(N & ((~(unsigned)0x3))); i+=4) {c[i] = a[i] * b[i];c[i+1] = a[i+1] * b[i+1];c[i+2] = a[i+2] * b[i+2];c[i+3] = a[i+3] * b[i+3];}for(; i<N; i++) {c[i] = a[i] * b[i];}
}使用SSE指令
Intel SSE指令通过128bit位宽的专用寄存器, 支持一次操作128bit数据. float是单精度浮点数, 占32bit, 那么可以使用一条SSE指令一次计算4个float数:
void multiply(void) {unsigned i;__m128 A, B, C;for(i=0; i<(N & ((~(unsigned)0x3))); i+=4) {A = _mm_load_ps(&a[i]);B = _mm_load_ps(&b[i]);C = _mm_mul_ps(A, B);_mm_store_ps(&c[i], C);}for(; i<N; i++) {c[i] = a[i] * b[i];}
}注意这些SSE指令要求参数中的内存地址必须对齐于16字节边界, 所以可以用以下函数分配内存:
a = (float*) _mm_malloc(N*sizeof(float), 16);
b = (float*) _mm_malloc(N*sizeof(float), 16);
c = (float*) _mm_malloc(N*sizeof(float), 16);要使用这些intrinsics, 需要包含x86intrin.h头文件.
使用AVX指令
较新的Intel CPU都支持AVX指令集, 它可以一次操作256bit数据, 是SSE的2倍. 使用AVX的代码如下:
void multiply(void) {unsigned i;__m256 A, B, C;for(i=0; i<(N & ((~(unsigned)0x7))); i+=8) {A = _mm256_load_ps(&a[i]);B = _mm256_load_ps(&b[i]);C = _mm256_mul_ps(A, B);_mm256_store_ps(&c[i], C);}for(; i<N; i++) {c[i] = a[i] * b[i];}
}AVX指令要求内存地址对齐于32字节边界, 所以内存分配代码改为:
a = (float*) _mm_malloc(N*sizeof(float), 32);
b = (float*) _mm_malloc(N*sizeof(float), 32);
c = (float*) _mm_malloc(N*sizeof(float), 32);
性能对比
我分别使用gcc和icc以默认选项和-O3选项编译了以上3种版本的代码, 其中用gcc编译AVX版代码时需要加-mavx选项.
代码执行时间如下(单位毫秒):
| 代码版本 | gcc | gcc -O3 | icc | icc -O3 |
|---|---|---|---|---|
| 原始 | 946 | 438 | 405 | 404 |
| 每次计算4项 | 780 | 438 | 439 | 442 |
| SSE | 680 | 439 | 405 | 406 |
| AVX | 545 | 447 | 407 | 406 |
代码执行时间是连续运行10次取的平均值. 某些时候执行时间起伏时间较大. 下图是根据上表生成的对比图:
由上图可知:
- 现代编译器在-O3编译时会对代码进行充分优化, 使得本文中的代码无论使不使用SIMD指令性能差距不大
- gcc编译器默认编译时未对代码进行充分优化, 使得不同算法的代码性能差距较大
- intel编译器对-O3编译选项不敏感, 总是会自动优化代码
更多参考
- Intel 64 and IA-32 Architectures Software Developer’s Manual
- Intel Intrinsics Guide
这篇关于SIMD 编程的优势与SIMD指令：SSE/AVX 与编程demo的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
