相关疑难解决方法(0)

我试图对包含在数学库中使用'pow'函数的循环进行矢量化.我知道英特尔编译器支持使用'pow'作为sse指令 - 但我似乎无法使用gcc运行(我认为).这是我正在使用的情况:

int main(){
        int i=0;
        float a[256],
        b[256];

        float x= 2.3;


        for  (i =0 ; i<256; i++){
                a[i]=1.5;
        }

        for (i=0; i<256; i++){
                b[i]=pow(a[i],x);
        }

        for (i=0; i<256; i++){
                b[i]=a[i]*a[i];
        }
    return 0;

}

我正在编译以下内容:

gcc -O3 -Wall -ftree-vectorize -msse2 -ftree-vectorizer-verbose=5 code.c -o runthis

这是在使用gcc版本4.2的os X 10.5.8上(我也使用4.5并且无法判断它是否已经向量化了 - 因为它根本没有输出任何内容).似乎没有一个循环矢量化 - 是否存在一个对齐问题或者我需要使用限制的其他问题？如果我将其中一个循环写为函数,我会得到更详细的输出(代码):

void pow2(float *a, float * b, int n) {
        int i;
        for (i=0; i<n; i++){
                b[i]=a[i]*a[i];
        }
}

输出(使用7级详细输出):

note: not vectorized: can't determine dependence between *D.2878_13 …

float pow(float base, int iexp )在C++ 11中删除了重载的函数,现在pow返回一个double.在我的程序中,我计算了很多这些(单精度),我对如何做到最有效的方式感兴趣.

是否有一些特殊功能(在标准库或任何其他)具有上述签名？

如果没有,在任何其他操作(将其他所有内容都投入)或者转换为使用重载函数之前,是否更好(在单精度方面的性能方面)显式地pow转换结果？floatdoubleiexpfloatfloat pow(float base, float exp)

编辑:为什么我需要float和不使用double？

主要原因是RAM - 我需要数十或数百GB,因此这种减少是巨大的优势.所以我需要float得到float.现在我需要最有效的方法来实现这一目标(减少演员阵容,使用已经优化的算法等).

假设我有一个2元素向量定义如下(使用GCC语法打包向量)

// packed vector of 2-elements
typedef double v2d __attribute__((vector_size(sizeof(double)*2)));

v2d x = ...;
double y = ...;

x[0] = pow(x[0], y)
x[1] = pow(x[1], y)

我想知道是否有更快的方法使用向量运算进行两次幂计算.该架构是x86-64上的GCC,平台特定代码是可以的.

在现代x86_64 CPU上,AVX/SSE指数需要多少个时钟周期？

我是这样的: pow(x, y) = exp(y*log(x))

即两者兼而有之exp(),log()AVX x86_64指令需要一定的已知周期数？

• EXP(): _mm256_exp_ps()
• 日志(): _mm256_log_ps()

或者循环次数可能会根据指数级别而变化,是否有最大循环次数可以进行成本求幂？

我必须多次将 10 提高到两倍的幂。

有没有比使用数学库更有效的方法来做到这一点pow(10,double)？如果重要的话，我的双打总是在 -5 到 -11 之间为负。

我假设 pow(double,double) 使用比 pow(10,double) 所需的更通用的算法，因此可能不是最快的方法。鉴于下面的一些答案，这可能是一个不正确的假设。

至于为什么，是对数插值。我有一个 x 和 y 值表。我的对象有一个已知的 x 值（几乎总是双精度值）。

double Dbeta(struct Data *diffusion, double per){
  double frac;
  while(per>diffusion->x[i]){
      i++;
  }
  frac = (per-diffusion->x[i-1])/(diffusion->x[i]-diffusion->x[i-1]);
  return pow(10,log10DB[i-1] + frac * (log10DB[i]-log10DB[i-1]));
}

这个函数被调用了很多次。我被告知要研究分析，所以这就是我首先要做的。

我刚刚被告知我可以使用自然对数代替以 10 为底的，这显然是正确的。（我的愚蠢有时甚至让我自己感到惊讶。）

用自然对数替换所有内容后，一切都运行得更快了。通过分析（这是我今天学到的一个新词），我发现 39% 的代码都用在了 exp 函数中，所以对于那些想知道这部分是否真的阻碍了我的代码的人来说，它是。