Nec*_*lis 15 c c++ assembly sse visual-c++
一般来说,我在网上看到的与SSE/MMX相关的一切都是向量和数据的数学东西.但是,我正在寻找SSE优化的"标准函数"库,如Agner Fog提供的库,或GCC中的一些基于SSE的字符串扫描算法.
作为一个简单的概述:这些将是像memset,memcpy,strstr,memcmp BSR/BSF,即从SSE intrsuctions构建的stdlib-esque
我最好喜欢它们用于SSE1(正式MMX2)使用内在函数而不是汇编,但两者都很好.希望这不是一个广泛的范围.
更新1
经过一番搜索,我发现了一些有前途的东西,一个图书馆引起了我的注意
我还看到一篇关于一些矢量化字符串函数的文章(strlen,strstr strcmp).然而SSE4.2是这样我够不着的地方(如前面所说的,我想坚持到SSE1/MMX).
更新2
Paul R激励我做一些基准测试,遗憾的是,由于我的SSE汇编编码经验接近于zip,我使用了别人的(http://www.mindcontrol.org/~hplus/)基准测试代码并添加到其中.所有测试(不包括原始版本,即VC6 SP5),在VC9 SP1下编译,具有完整/自定义优化/arch:SSE功能.
第一次测试是我的家用机器(AMD Sempron 2200+ 512mb DDR 333),上限为SSE1(因此没有MSVC memcpy的矢量化):
comparing P-III SIMD copytest (blocksize 4096) to memcpy
calculated CPU speed: 1494.0 MHz
size SSE Cycles thru-sse memcpy Cycles thru-memcpy asm Cycles thru-asm
1 kB 2879 506.75 MB/s 4132 353.08 MB/s 2655 549.51 MB/s
2 kB 4877 598.29 MB/s 7041 414.41 MB/s 5179 563.41 MB/s
4 kB 8890 656.44 MB/s 13123 444.70 MB/s 9832 593.55 MB/s
8 kB 17413 670.28 MB/s 25128 464.48 MB/s 19403 601.53 MB/s
16 kB 34569 675.26 MB/s 48227 484.02 MB/s 38303 609.43 MB/s
32 kB 68992 676.69 MB/s 95582 488.44 MB/s 75969 614.54 MB/s
64 kB 138637 673.50 MB/s 195012 478.80 MB/s 151716 615.44 MB/s
128 kB 277678 672.52 MB/s 400484 466.30 MB/s 304670 612.94 MB/s
256 kB 565227 660.78 MB/s 906572 411.98 MB/s 618394 603.97 MB/s
512 kB 1142478 653.82 MB/s 1936657 385.70 MB/s 1380146 541.23 MB/s
1024 kB 2268244 658.64 MB/s 3989323 374.49 MB/s 2917758 512.02 MB/s
2048 kB 4556890 655.69 MB/s 8299992 359.99 MB/s 6166871 484.51 MB/s
4096 kB 9307132 642.07 MB/s 16873183 354.16 MB/s 12531689 476.86 MB/s
第二次测试批次是在大学工作站上完成的(Intel E6550,2.33Ghz,2gb DDR2 800？)
VC9 SSE/memcpy/ASM:
comparing P-III SIMD copytest (blocksize 4096) to memcpy
calculated CPU speed: 2327.2 MHz
size SSE Cycles thru-sse memcpy Cycles thru-memcpy asm Cycles thru-asm
1 kB 392 5797.69 MB/s 434 5236.63 MB/s 420 5411.18 MB/s
2 kB 882 5153.51 MB/s 707 6429.13 MB/s 714 6366.10 MB/s
4 kB 2044 4447.55 MB/s 1218 7463.70 MB/s 1218 7463.70 MB/s
8 kB 3941 4613.44 MB/s 2170 8378.60 MB/s 2303 7894.73 MB/s
16 kB 7791 4667.33 MB/s 4130 8804.63 MB/s 4410 8245.61 MB/s
32 kB 15470 4701.12 MB/s 7959 9137.61 MB/s 8708 8351.66 MB/s
64 kB 30716 4735.40 MB/s 15638 9301.22 MB/s 17458 8331.57 MB/s
128 kB 61019 4767.45 MB/s 31136 9343.05 MB/s 35259 8250.52 MB/s
256 kB 122164 4762.53 MB/s 62307 9337.80 MB/s 72688 8004.21 MB/s
512 kB 246302 4724.36 MB/s 129577 8980.15 MB/s 142709 8153.80 MB/s
1024 kB 502572 4630.66 MB/s 332941 6989.95 MB/s 290528 8010.38 MB/s
2048 kB 1105076 4211.91 MB/s 1384908 3360.86 MB/s 662172 7029.11 MB/s
4096 kB 2815589 3306.22 MB/s 4342289 2143.79 MB/s 2172961 4284.00 MB/s
可以看出,SSE在我的家庭系统上非常快,但落在了intel机器上(可能是由于编码错误？).我的x86程序集变体在我的家用机器上排在第二位,在intel系统上排在第二位(但结果看起来有点不一致,一个拥抱它阻塞它在SSE1版本中占主导地位).MSVC memcpy赢得了英特尔系统测试手的完成,这是由于SSE2矢量化,但在我的家用机器上,它失败了,甚至可怕的__movsd打败它......
陷阱:内存是所有对齐的权力2.缓存(希望)刷新.rdtsc用于计时.
兴趣点:MSVC有一个(未列出任何参考文献)__movsd内在函数,它输出我正在使用的相同汇编代码,但它失败了(即使内联!).这可能是它未上市的原因.
可以强制VC9 memcpy在我的非sse 2机器上进行矢量化,但它会破坏FPU堆栈,它似乎也有一个bug.
这是我以前测试的完整来源(包括我的修改,再次,归功于http://www.mindcontrol.org/~hplus/原版).二进制文件可根据要求提供项目文件.
总而言之,似乎切换变体可能是最好的,类似于MSVC crt one,只有更坚固更多选项和单次一次性检查(通过内联函数指针？或更像内部直接调用更狡猾的东西)补丁),但内联可能不得不使用最佳案例方法
更新3
Eshan提出的问题提醒了一些有用且与此相关的问题,虽然只对比特集和比特操作,BitMagic而且对于大比特集非常有用,它甚至有一篇关于SSE2(比特)优化的好文章.不幸的是,这仍然不是CRT/stdlib esque类型库.似乎大多数这些项目都专注于特定的小部分(问题).
这提出了一个问题,那么它是否值得创建一个开源的,可能是多平台性能的crt/stdlib项目,创建各种版本的标准化功能,每个版本都针对特定情况进行了优化以及"最佳情况" '/ general函数的变体,带有标量/ MMX/SSE/SSE2 +(即MSVC)的运行时分支或强制编译时标量/ SIMD swich.
这对于HPC或者每个性能都很重要的项目(如游戏)都很有用,可以让程序员免于担心内置函数的速度,只需要进行一点调整即可找到最佳的优化变体.
更新4
我认为应该扩展这个问题的性质,包括可以使用SSE/MMX来优化非矢量/矩阵应用程序的技术,这也可以用于32/64位标量代码.一个很好的例子是如何使用标量技术(位操作),MMX和SSE/SIMD一次检查给定32/64/128/256位数据类型中字节的出现
另外,我看到很多答案都是"只使用ICC",这是一个很好的答案,这不是我的答案,因为首先,ICC不是我可以持续使用的东西(除非英特尔有免费的学生版本)对于Windows),由于30试验.其次,更有针对性的是,我不仅仅是在库之后,而是用于优化/创建它们所包含的功能的技术,用于我个人的编辑和改进,因此我可以将这些技术和原理应用到我自己的代码中(如果需要),与这些库的使用相结合.希望清除那部分:)