SIMD 与否 SIMD - 跨平台

Question

我需要了解如何编写一些可并行化问题的 C++ 跨平台实现，以便在可用的情况下利用 SIMD（SSE、SPU 等）。以及我希望能够在运行时在 SIMD 和非 SIMD 之间切换。

您建议我如何解决这个问题？ （当然我不想针对所有可能的选项多次实现这个问题）

我知道这对于 C++ 来说可能不是一件容易的事，但我相信我遗漏了一些东西。到目前为止，我的想法看起来像这样...... 类 cStream 将是单个字段的数组。使用多个 cStreams 我可以实现 SoA（数组结构）。然后使用一些 Functor，我可以伪造需要在整个 cStream 上执行的 Lambda 函数。

// just for example I'm not expecting this code to compile
cStream a; // something like float[1024]
cStream b;
cStream c;

void Foo()
{
    for_each(
        AssignSIMD(c, MulSIMD(AddSIMD(a, b), a)));
}

for_each 将负责增加流的当前指针，以及用 SIMD 和不使用 SIMD 内联函子的主体。

类似这样的：

// just for example I'm not expecting this code to compile
for_each(functor<T> f)
{
#ifdef USE_SIMD
    if (simdEnabled)
        real_for_each(f<true>()); // true means use SIMD
    else
#endif
        real_for_each(f<false>());
}

请注意，如果 SIMD 已启用，则检查一次并且循环围绕主函子。

Answer 1

请注意，给定的示例决定在编译时执行什么（因为您使用的是预处理器），在这种情况下，您可以使用更复杂的技术来决定您实际想要执行的内容；例如，标签调度：http://cplusplus.co.il/2010/01/03/tag-dispatching/ 按照那里显示的示例，您可以使用 SIMD 实现快速实现，而没有实现则慢。

Answer 2

您可能想查看 MacSTL 库的源代码以了解这方面的一些想法：www.pixelglow.com/macstl/

Answer 3

如果有人感兴趣，这是我用来测试我在阅读 Paul 发布的库时带来的新想法的脏代码。

谢谢保罗！

// This is just a conceptual test
// I haven't profile the code and I haven't verified if the result is correct
#include <xmmintrin.h>


// This class is doing all the math
template <bool SIMD>
class cStreamF32
{
private:
    void*       m_data;
    void*       m_dataEnd;
    __m128*     m_current128;
    float*      m_current32;

public:
    cStreamF32(int size)
    {
        if (SIMD)
            m_data = _mm_malloc(sizeof(float) * size, 16);
        else
            m_data = new float[size];
    }
    ~cStreamF32()
    {
        if (SIMD)
            _mm_free(m_data);
        else
            delete[] (float*)m_data;
    }

    inline void Begin()
    {
        if (SIMD)
            m_current128 = (__m128*)m_data;
        else
            m_current32 = (float*)m_data;
    }

    inline bool Next()
    {
        if (SIMD)
        {
            m_current128++;
            return m_current128 < m_dataEnd;
        }
        else
        {
            m_current32++;
            return m_current32 < m_dataEnd;
        }
    }

    inline void operator=(const __m128 x)
    {
        *m_current128 = x;
    }
    inline void operator=(const float x)
    {
        *m_current32 = x;
    }

    inline __m128 operator+(const cStreamF32<true>& x)
    {
        return _mm_add_ss(*m_current128, *x.m_current128);
    }
    inline float operator+(const cStreamF32<false>& x)
    {
        return *m_current32 + *x.m_current32;
    }

    inline __m128 operator+(const __m128 x)
    {
        return _mm_add_ss(*m_current128, x);
    }
    inline float operator+(const float x)
    {
        return *m_current32 + x;
    }

    inline __m128 operator*(const cStreamF32<true>& x)
    {
        return _mm_mul_ss(*m_current128, *x.m_current128);
    }
    inline float operator*(const cStreamF32<false>& x)
    {
        return *m_current32 * *x.m_current32;
    }

    inline __m128 operator*(const __m128 x)
    {
        return _mm_mul_ss(*m_current128, x);
    }
    inline float operator*(const float x)
    {
        return *m_current32 * x;
    }
};

// Executes both functors
template<class T1, class T2>
void Execute(T1& functor1, T2& functor2)
{
    functor1.Begin();
    do
    {
        functor1.Exec();
    }
    while (functor1.Next());

    functor2.Begin();
    do
    {
        functor2.Exec();
    }
    while (functor2.Next());
}

// This is the implementation of the problem
template <bool SIMD>
class cTestFunctor
{
private:
    cStreamF32<SIMD> a;
    cStreamF32<SIMD> b;
    cStreamF32<SIMD> c;

public:
    cTestFunctor() : a(1024), b(1024), c(1024) { }

    inline void Exec()
    {
        c = a + b * a;
    }

    inline void Begin()
    {
        a.Begin();
        b.Begin();
        c.Begin();
    }

    inline bool Next()
    {
        a.Next();
        b.Next();
        return c.Next();
    }
};


int main (int argc, char * const argv[]) 
{
    cTestFunctor<true> functor1;
    cTestFunctor<false> functor2;

    Execute(functor1, functor2);

    return 0;
}

Answer 4

您可能想看看我在 SIMD/非 SIMD 方面的尝试：

• vrep，一个专门针对 SIMD 的模板化基类（请注意它如何区分仅浮点 SSE 和引入整数向量的 SSE2。）。

• 更有用的v4f、v4i 等类（通过中间v4 子类化）。

当然，对于rgba/xyz 类型的计算，它比 SoA 更适合 4 元素向量，因此当 8 路 AVX 出现时将完全失去动力，但一般原则可能有用。

Answer 5

我见过的最令人印象深刻的 SIMD 缩放方法是 RTFact 光线追踪框架：slides、paper。很值得一看。研究人员与英特尔密切相关（萨尔布吕肯现在是英特尔视觉计算研究所的所在地），因此您可以确定向前扩展至 AVX 和 Larrabee 是他们的想法。

英特尔的Ct“数据并行”模板库看起来也很有前途。

Answer 6

您是否考虑过使用现有的解决方案，例如 liboil？它实现了lots of common SIMD operations，可以在运行时决定是否使用SIMD/非SIMD代码（使用初始化函数分配的函数指针）。