sse

我目前在许多具有 GPU 的服务器上运行 BOINC。 服务器运行 GPU 和 CPU BOINC 应用程序。 由于 AVX 和 SSE 在 CPU 应用程序中使用时会降低 CPU 频率，因此我必须选择一起运行哪个 CPU/GPU，因为某些 GPU 应用程序会遇到瓶颈（运行时间完成速度较慢），而其他应用程序则这样做不是。 目前，一些 CPU 应用程序已命名，因此可以清楚地看到它们是否使用 A... »

我正在尝试编写一些 SIMD 代码（在 C++Builder 10.1 Berlin 中），但在 mmintrin.h 中出现 E2257 错误（包含在 xmmintrin.h 中，应该包含在SIMD 的东西）。有一堆相同的错误，所以 bcc32 似乎无法处理这些标头中的语法。 例如，所有包含__atribute__ 的行似乎都会导致此错误： typedef long long __m64 __a... »

我发现了这个问题： Is an __m128i variable zero? 我用来创建以下示例： int main(){ __m128i intrinreg; intrinreg.m128i_i64[0] = 0; intrinreg.m128i_i64[1] = 6; __m128i zero = _mm_setzero_si128(); i... »

AVX2 有很多好东西。例如，它有很多指令，这些指令比它们的前身要强大得多。以VPERMD 为例：它允许您完全任意地从一个 256 位长的 32 位值向量广播/洗牌/置换到另一个，并在运行时选择置换1。从功能上讲，这淘汰了一大堆现有的旧解包、广播、置换、随机播放和移位指令3。 酷豆。 那么VPERMB 在哪里？即，相同的指令，但在字节大小的元素上工作。或者，就此而言，对于 16 位元素，VPE... »

我正在尝试优化我的一段运行 CRC32 检查的代码。 对于测试缓冲区，我做了以下操作： char *buff = new char[1024]; for (int i = 0; i < 1024; ++i) buff[i] = i; 目前，我使用boost的crc实现如下： boost::crc_optimal<32, 0x1EDC6F41, 0, 0> cr... »

我在使用 Google Benchmark 优化函数时搞砸了，遇到了我的代码在某些情况下意外变慢的情况。我开始尝试它，查看已编译的程序集，并最终提出了一个显示该问题的最小测试用例。这是我想出的展示这种减速的程序集： .text test: #xorps %xmm0, %xmm0 cvtsi2ss %edi, %xmm0 addss %xmm0, %xm... »

我目前正在使用英特尔 SIMD 功能：_mm_cmplt_ps( V1, V2 )。 该函数返回一个包含每个组件测试结果的向量。根据 V1 组件是否小于 V2 组件，例如： XMVECTOR Result; Result.x = (V1.x < V2.x) ? 0xFFFFFFFF : 0; Result.y = (V1.y < V2.y) ? 0xFFFFFFFF : 0; Res... »

_m256i 和 _m256d 和 _m256 有什么区别？和 _m128i和_m128d和_m128有什么区别？... »

使用 4 个打包的 float (__m128)，我可以使用 SSE 内在函数 __m128 X; __m128 H = _mm_shuffle_ps(X,X,_MM_SHUFFLE(3,3,3,3)); 将H的所有元素设置为X的第三个元素（这是最快的方法吗？） 现在，我想对 4 个打包的 double (__m256d) 做同样的事情。我天真地编码 __m256d X; __m256d... »

我有一个大像素处理函数，我目前正在尝试使用内部函数进行优化。 作为 SSE 新手，我不知道如何处理涉及查找表的代码部分。 基本上，我正在尝试对以下 vanilla C++ 代码进行矢量化： //outside loop const float LUT_RATIO = 1000.0F; //in loop float v = ... //input value v = myLookupTa... »

我正在使用 SSE2/AVX 内在函数在 C++ 中编写符合 HLSL float4 的类型，目前我正在实现 HLSL 中可用于 float4 的所有 set-swizzle 操作。我试图找出一个最佳的 SSE2 实现来处理涉及（swizzle）设置 2 或 3 个组件的 set-swizzle 操作（因为使用一个 SSE shuffle 操作来实现 4-component set-swizzle... »

将两个 _mm256i 寄存器的每个 32 位条目相乘的最佳方法是什么？ _mm256_mul_epu32 不是我想要的，因为它产生 64 位输出。我想要每个 32 位输入元素的 32 位结果。 而且，我确信两个32位值的乘法不会溢出。 谢谢！ ... »

使用 SSE 内在函数时，通常需要零向量。避免在函数被调用时（每次有效地调用一些异或向量指令）在函数内部创建零变量的一种方法是使用静态局部变量，如 static inline __m128i negate(__m128i a) { static __m128i zero = __mm_setzero_si128(); return _mm_sub_epi16(zero, a); } ... »

检查 AVX 内在 __m256（8 个向量 float）是否包含任何 inf 的最佳方法是什么？我试过了 __m256 X=_mm256_set1_ps(1.0f/0.0f); _mm256_cmp_ps(X,X,_CMP_EQ_OQ); 但这与true 相比。请注意，此方法将找到 nan（与 false 相比）。所以一种方法是检查X!=nan && 0*X==nan： ... »

SSE 4.2 对一次 16 字节的两个操作数进行比较。但是也可以用普通的处理器指令比较两个8字节的操作数。 差别不大，才有这种比较的特殊硬件实现。 SSE 4.2 是否如此无关紧要，还是我错过了什么？ ... »

我的程序执行 NxN 矩阵乘法，其中两个矩阵的元素都使用 for 循环初始化为值 (0, 1, 2, ... N)。两个矩阵元素都是浮点类型。不存在内存分配问题。矩阵大小输入为 4 的倍数，例如：4x4 或 8x8 等。通过顺序计算验证答案。在 64x64 的矩阵大小下一切正常。仅当矩阵大小超过 64（例如：68 x 68）时，才会观察到顺序版本和 SSE 版本之间的差异。 SSE sn-p如... »

我正在使用 Apple GCC 4.2.1，我偶然发现了以下代码的一个奇怪问题...我在尝试初始化 __m128 类成员变量。不幸的是，下面的简化代码在测试应用程序中工作，但也许你仍然可以帮助我找到这个问题的根源？ 我不明白 EXC_BAD_ACCESS 异常背后的原因 - __m128 类型不是指针，所有其他 MyClass 成员都在没有的情况下初始化和访问任何问题，没有堆栈/堆损坏的迹象，如... »

我已经反汇编了一个使用 MSVC v140 编译的小型 C++ 程序，并试图估计每条指令的周期，以便更好地了解代码设计如何影响性能。我一直在关注 Mike Acton 在 "Data-Oriented Design and C++" 上的 CppCon 2014 演讲，特别是我链接到的部分。 在其中，他指出了以下几行： movss 8(%rbx), %xmm1 movss 12(%rb... »

如何将1 或2 添加到寄存器xmm0（双精度）？ 我可以这样做，但肯定有更简单的方法： movsd xmm0, [ecx] xor eax, eax 公司 cvtsi2sd xmm1, eax 添加 xmm0, xmm1 movsd [ecx], xmm0 也可以用浮点 x87 指令来做到这一点吗？ 这对我不起作用： fld dword ptr [ecx] fld1 faddp... »

我最近发现 AVX2 没有 __m256i 的 popcount，我发现做类似事情的唯一方法是遵循 Wojciech Mula 算法： __m256i count(__m256i v) { __m256i lookup = _mm256_setr_epi8(0, 1, 1, 2, 1, 2, 2, 3, 1, 2, 2, 3, 2, 3, 3, ... »