题
我使用SIMD计算快速指数结果。我比较非SIMD代码的时间。乘方是使用正方形和乘法算法来实现。
普通(非SIMD)的代码版本:
b = 1;
for (i=WPE-1; i>=0; --i){
ew = e[i];
for(j=0; j<BPW; ++j){
b = (b * b) % p;
if (ew & 0x80000000U) b = (b * a) % p;
ew <<= 1;
}
}
SIMD版本:
B.data[0] = B.data[1] = B.data[2] = B.data[3] = 1U;
P.data[0] = P.data[1] = P.data[2] = P.data[3] = p;
for (i=WPE-1; i>=0; --i) {
EW.data[0] = e1[i]; EW.data[1] = e2[i]; EW.data[2] = e3[i]; EW.data[3] = e4[i];
for (j=0; j<BPW;++j){
B.v *= B.v; B.v -= (B.v / P.v) * P.v;
EWV.v = _mm_srli_epi32(EW.v,31);
M.data[0] = (EWV.data[0]) ? a1 : 1U;
M.data[1] = (EWV.data[1]) ? a2 : 1U;
M.data[2] = (EWV.data[2]) ? a3 : 1U;
M.data[3] = (EWV.data[3]) ? a4 : 1U;
B.v *= M.v; B.v -= (B.v / P.v) * P.v;
EW.v = _mm_slli_epi32(EW.v,1);
}
}
的问题是尽管它是正确的计算,SIMD版本花费更多的时间比非SIMD版本。
请帮我调试的原因。上SIMD编码任何建议也受欢迎。
感谢和问候, 阿努普。
解决方案
for循环中所有的功能应该是SIMD功能,而不是只有两个。时间服用设置参数为您的2个功能是不太理想那么你的原始实例(其最有可能由编译器优化)
其他提示
一个SIMD环32位的int数据通常看起来像这样:
for (i = 0; i < N; i += 4)
{
// load input vector(s) with data at array index i..i+3
__m128 va = _mm_load_si128(&A[i]);
__m128 vb = _mm_load_si128(&B[i]);
// process vectors using SIMD instructions (i.e. no scalar code)
__m128 vc = _mm_add_epi32(va, vb);
// store result vector(s) at array index i..i+3
_mm_store_si128(&C[i], vc);
}
如果你发现你所需要的循环内标码和SIMD代码之间移动,那么你可能不会得到来自SIMD优化任何东西。
在许多编程SIMD的功力来自想尽办法把你的算法工作,支持的指令和数据类型,一个给定的SIMD架构提供的数量有限。你会经常需要利用的的先验的数据集的知识,以获得最佳的性能,例如如果你肯定知道你的32个整型值实际上有一定范围的16位之内配合,那么这将让你的算法有很多更容易实现的乘法部分。
不隶属于 StackOverflow