SSE指令在實踐中優化了什么，編譯器如何啟用和使用它們？

Question

現在SSE和/或3D！ 有矢量指令，但他們在實踐中優化了什么？ 例如，8位字符是4乘4還是1乘1？ 某些算術運算是否有優化？ 字大小是否有任何影響（16位，32位，64位）？

所有編譯器在可用時是否使用它們？

是否真的必須了解匯編才能使用SSE指令？ 了解電子和門邏輯有助於理解這一點嗎？

Answer 1

背景：SSE有向量和標量指令。 支持3DNow！ 死了

如果沒有程序員的幫助，任何編譯器都無法從向量化中獲取有意義的好處，這種情況並不常見。 通過編程工作和實驗，人們通常可以接近純裝配的速度，而無需實際提及任何特定的矢量指令。 有關詳細信息，請參閱編譯器的向量編程指南。

涉及幾個可移植性權衡。 如果您編寫GCC的矢量化器代碼，您可以使用非英特爾架構，如PowerPC和ARM，但不能使用其他編譯器。 如果您使用英特爾內在函數來使您的C代碼更像匯編，那么您可以使用其他編譯器，但不能使用其他架構。

電子知識對你沒有幫助。 學習可用的說明將。

Answer 2

在一般情況下，你不能依賴於編譯器都使用矢量指令。 有些人（英特爾的C ++編譯器在許多簡單的情況下做了合理的工作，GCC也嘗試這樣做，並取得了成功）

但這個想法只是將相同的操作應用於4個32位字（在某些情況下為2個64位值）。

因此，除了傳統的“add”指令（將2個不同的32位寬寄存器的值加在一起）之外，您可以使用矢量化的add，它使用包含4個32位值的特殊128位寬寄存器，並將它們相加作為一個單一的操作。

Answer 3

其他問題重復： 使用SSE說明

簡而言之，SSE是Streaming SIMD Extensions的縮寫，其中SIMD =單指令，多數據。 這對於一次對許多值執行單個數學或邏輯運算非常有用，這通常用於矩陣或矢量數學運算。

編譯器可以將此指令集作為其優化的一部分（研究您的/ O選項），但是您通常必須重新構建代碼並手動編寫SSE代碼，或使用像Intel Performance Primitives這樣的庫來真正利用它。

Answer 4

如果你知道自己在做什么，那么你可能會獲得巨大的性能提升。 例如，在這里看到這個人改進了他的算法的性能6次。