0
Ich würde erwarten, dass SSE schneller ist als SSE nicht. Muss ich einige zusätzliche Compiler-Flags hinzufügen? Könnte es sein, dass ich keine Beschleunigung sehe, weil das Integer-Code ist und nicht Fließkomma?SSE: Keine Beschleunigung durch Verwendung von _mm_add_epi32
Aufruf/Ausgabe
$ make sum2
clang -O3 -msse -msse2 -msse3 -msse4.1 sum2.c ; ./a.out 123
n: 123
SSE Time taken: 0 seconds 124 milliseconds
vector+vector:begin int: 1 5 127 0
vector+vector:end int: 0 64 66 68
NOSSE Time taken: 0 seconds 115 milliseconds
vector+vector:begin int: 1 5 127 0
vector+vector:end int: 0 64 66 68
Compiler
$ clang --version
Apple LLVM version 9.0.0 (clang-900.0.37)
Target: x86_64-apple-darwin16.7.0
Thread model: posix
sum2.c
#include <stdlib.h>
#include <stdio.h>
#include <x86intrin.h>
#include <time.h>
#ifndef __cplusplus
#include <stdalign.h> // C11 defines _Alignas(). This header defines alignas()
#endif
#define CYCLE_COUNT 10000
// add vector and return resulting value on stack
__attribute__((noinline)) __m128i add_iv(__m128i *a, __m128i *b) {
return _mm_add_epi32(*a,*b);
}
// add int vectors via sse
__attribute__((noinline)) void add_iv_sse(__m128i *a, __m128i *b, __m128i *out, int N) {
for(int i=0; i<N/sizeof(int); i++) {
//out[i]= _mm_add_epi32(a[i], b[i]); // this also works
_mm_storeu_si128(&out[i], _mm_add_epi32(a[i], b[i]));
}
}
// add int vectors without sse
__attribute__((noinline)) void add_iv_nosse(int *a, int *b, int *out, int N) {
for(int i=0; i<N; i++) {
out[i] = a[i] + b[i];
}
}
__attribute__((noinline)) void p128_as_int(__m128i in) {
alignas(16) uint32_t v[4];
_mm_store_si128((__m128i*)v, in);
printf("int: %i %i %i %i\n", v[0], v[1], v[2], v[3]);
}
// print first 4 and last 4 elements of int array
__attribute__((noinline)) void debug_print(int *h) {
printf("vector+vector:begin ");
p128_as_int(* (__m128i*) &h[0]);
printf("vector+vector:end ");
p128_as_int(* (__m128i*) &h[32764]);
}
int main(int argc, char *argv[]) {
int n = atoi (argv[1]);
printf("n: %d\n", n);
// sum: vector + vector, of equal length
int f[32768] __attribute__((aligned(16))) = {0,2,4};
int g[32768] __attribute__((aligned(16))) = {1,3,n};
int h[32768] __attribute__((aligned(16)));
f[32765] = 33; f[32766] = 34; f[32767] = 35;
g[32765] = 31; g[32766] = 32; g[32767] = 33;
// https://stackoverflow.com/questions/459691/best-timing-method-in-c
clock_t start = clock();
for(int i=0; i<CYCLE_COUNT; ++i) {
add_iv_sse((__m128i*)f, (__m128i*)g, (__m128i*)h, 32768);
}
int msec = (clock()-start) * 1000/CLOCKS_PER_SEC;
printf(" SSE Time taken: %d seconds %d milliseconds\n", msec/1000, msec%1000);
debug_print(h);
// process intense function again
start = clock();
for(int i=0; i<CYCLE_COUNT; ++i) {
add_iv_nosse(f, g, h, 32768);
}
msec = (clock()-start) * 1000/CLOCKS_PER_SEC;
printf("NOSSE Time taken: %d seconds %d milliseconds\n", msec/1000, msec%1000);
debug_print(h);
return EXIT_SUCCESS;
}
Auch Ihr Kommentar zu 'add_iv' (den Sie glücklicherweise nie verwenden) ist falsch: Ein' __m128i' Rückgabewert wird in XMM0 in der Aufrufkonvention x86-64 System V zurückgegeben, nicht auf dem Stapel. –
Danke Peter! Gibt es eine Möglichkeit zu verhindern, dass der Compiler SSE-Anweisungen in bestimmten Blöcken verwendet? – AG1
Ich aktualisierte meine Antwort mit einer Perfomanalyse des auto-vektorisierten Codes gegenüber Ihrer manuell-vektorisierten Schleife. Sie haben beide eine Menge Overhead, aber ich denke, dass Manual schneller hätte sein sollen, es sei denn, 4k-Aliasing würde seine Bandbreite beeinträchtigen. Vielleicht machen Turbo-Effekte den 2. Loop weniger wall-clock time, auch wenn es mehr CPU-Zyklen benötigt, oder vielleicht gibt es einen anderen Effekt. –