Bagaimanakah Arahan SIMD SSE Boleh Digunakan untuk Membangunkan Algoritma Jumlah Awalan Pantas pada CPU Intel?

Jumlah Awalan SIMD pada CPU Intel

Soalan:

Membangunkan algoritma jumlah awalan pantas menggunakan CPU SIMD SSE arahan.

Jawapan:

Penyelesaian optimum melibatkan dua hantaran selari:

Lulus 1:

• Kira jumlah separa secara selari menggunakan SSE SIMD.
• Simpan jumlah keseluruhan bagi setiap jumlah separa.

Pas 2:

• Tambah jumlah keseluruhan daripada mendahului jumlah separa kepada jumlah separa seterusnya, menggunakan SIMD.

Faedah:

• Paralelisme mengurangkan masa pengiraan dalam kedua-dua pas.
• Pengoptimuman SIMD dalam Pass 2 meningkatkan lagi prestasi .

Pelaksanaan Nota:

• Kos masa untuk algoritma dianggarkan sebagai (n/m)*(1 1/w), dengan n ialah saiz tatasusunan, m ialah bilangan teras, dan w ialah lebar SIMD.
• Algoritma ini jauh lebih pantas daripada pelaksanaan berjujukan, menawarkan faktor kelajuan sekitar 7 pada teras empat sistem.
• Untuk tatasusunan yang besar, pas kedua boleh dioptimumkan lagi dengan memotong dan melaksanakan ketulan secara berurutan sambil menyimpan data dalam cache.

Contoh Kod:

__m128 scan_SSE(__m128 x) {
    x = _mm_add_ps(x, _mm_castsi128_ps(_mm_slli_si128(_mm_castps_si128(x), 4)));
    x = _mm_add_ps(x, _mm_shuffle_ps(_mm_setzero_ps(), x, 0x40));
    return x;
}

float pass1_SSE(float *a, float *s, const int n) {
    __m128 offset = _mm_setzero_ps();
    #pragma omp for schedule(static) nowait
    for (int i = 0; i 

Atas ialah kandungan terperinci Bagaimanakah Arahan SIMD SSE Boleh Digunakan untuk Membangunkan Algoritma Jumlah Awalan Pantas pada CPU Intel?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!