[英]Understanding of vectorization with SSE instructions
我试着理解SSE指令的矢量化是如何工作的。
这里是一个实现矢量化的代码片段:
#include <stdlib.h>
#include <stdio.h>
#define SIZE 10000
void test1(double * restrict a, double * restrict b)
{
int i;
double *x = __builtin_assume_aligned(a, 16);
double *y = __builtin_assume_aligned(b, 16);
for (i = 0; i < SIZE; i++)
{
x[i] += y[i];
}
}
和我的编译命令:
gcc -std=c99 -c example1.c -O3 -S -o example1.s
这里是汇编程序代码的输出:
.file "example1.c"
.text
.p2align 4,,15
.globl test1
.type test1, @function
test1:
.LFB7:
.cfi_startproc
xorl %eax, %eax
.p2align 4,,10
.p2align 3
.L3:
movapd (%rdi,%rax), %xmm0
addpd (%rsi,%rax), %xmm0
movapd %xmm0, (%rdi,%rax)
addq $16, %rax
cmpq $80000, %rax
jne .L3
rep ret
.cfi_endproc
.LFE7:
.size test1, .-test1
.ident "GCC: (Debian 4.8.2-16) 4.8.2"
.section .note.GNU-stack,"",@progbits
我多年前练习过Assembler,我想知道寄存器%rdi,%rax和%rsi之上的代码。
我知道%xmm0是SIMD寄存器,我们可以存储2个双精度数(16个字节)。
但我不明白如何同时添加:
我想这一切都发生在这里:
movapd (%rdi,%rax), %xmm0
addpd (%rsi,%rax), %xmm0
movapd %xmm0, (%rdi,%rax)
addq $16, %rax
cmpq $80000, %rax
jne .L3
rep ret
%rax是否代表“x”数组?
%rsi在C代码段中代表什么?
最终结果(例如a [0] = a [0] + b [0])是否存储在%rdi中?
谢谢你的帮助
您需要知道的第一件事是Unix系统上64位代码的调用约定。 请参阅Wikipedia的x86-64_calling_conventions ,有关更多详细信息,请阅读Agner Fog的调用约定手册 。
整数参数按以下顺序传递:rdi,rsi,rdx,rcx,r8,r9。 因此,您可以通过寄存器传递六个整数值(但在Windows上只能传递四个)。 这意味着在您的情况下:
rdi = &x[0],
rsi = &y[0].
寄存器rax
从零开始,每次迭代增加2*sizeof(double)=16
字节。 然后将其与每次迭代的sizeof(double)*10000=80000
进行比较,以测试循环是否结束。
这里使用cmp
实际上是GCC编译器的低效率。 现代英特尔处理器可以将cmp
和jne
指令融合到一条指令中,它们也可以将add
和jne
融合到一条指令中,但它们不能将add
, cmp
和jne
融合到一条指令中。 但是可以删除cmp
指令 。
GCC应该做些什么
rdi = &x[0] + 80000;
rsi = &y[0] + 80000;
rax = -80000
然后循环可以像这样完成
movapd (%rdi,%rax), %xmm0 ; temp = x[i]
addpd (%rsi,%rax), %xmm0 ; temp += y[i]
movapd %xmm0, (%rdi,%rax) ; x[i] = temp
addq $16, %rax ; i += 2
jnz .L3 ; then loop
现在循环计数从-80000
到0
并且不需要cmp
指令, add
和jnz
将融合到一个微操作中。
movapd (%rdi,%rax), %xmm0 ; temp = x[i]
addpd (%rsi,%rax), %xmm0 ; temp += y[i]
movapd %xmm0, (%rdi,%rax) ; x[i] = temp
addq $16, %rax ; i += 2
cmpq $80000, %rax ; if (i < SIZE)
jne .L3 ; then loop
rax寄存器表示i
变量,但存储为字节索引,rdi是&x,rsi是&y。 每次通过循环都会增加两个双精度数,因此rax的增量为2 * sizeof(double)或16个字节。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.