我有一个需要优化的着色器(涉及大量向量运算),我正在尝试使用SSE指令以更好地理解问题。
我有一些非常简单的示例代码。在使用
编译器和平台为:gcc 4.7.1(tdm64),目标x86_64-w64-mingw32,Ivy Bridge上的Windows 7。
以下是测试代码:
我有一些非常简单的示例代码。在使用
USE_SSE
定义时,它使用显式的SSE内置函数;如果没有定义,则希望GCC为我完成工作。自动向量化感觉有点棘手,但我希望它能节省我的一些精力。编译器和平台为:gcc 4.7.1(tdm64),目标x86_64-w64-mingw32,Ivy Bridge上的Windows 7。
以下是测试代码:
/*
Include all the SIMD intrinsics.
*/
#ifdef USE_SSE
#include <x86intrin.h>
#endif
#include <cstdio>
#if defined(__GNUG__) || defined(__clang__)
/* GCC & CLANG */
#define SSVEC_FINLINE __attribute__((always_inline))
#elif defined(_WIN32) && defined(MSC_VER)
/* MSVC. */
#define SSVEC_FINLINE __forceinline
#else
#error Unsupported platform.
#endif
#ifdef USE_SSE
typedef __m128 vec4f;
inline void addvec4f(vec4f &a, vec4f const &b)
{
a = _mm_add_ps(a, b);
}
#else
typedef float vec4f[4];
inline void addvec4f(vec4f &a, vec4f const &b)
{
a[0] = a[0] + b[0];
a[1] = a[1] + b[1];
a[2] = a[2] + b[2];
a[3] = a[3] + b[3];
}
#endif
int main(int argc, char *argv[])
{
int const count = 1e7;
#ifdef USE_SSE
printf("Using SSE.\n");
#else
printf("Not using SSE.\n");
#endif
vec4f data = {1.0f, 1.0f, 1.0f, 1.0f};
for (int i = 0; i < count; ++i)
{
vec4f val = {0.1f, 0.1f, 0.1f, 0.1f};
addvec4f(data, val);
}
float result[4] = {0};
#ifdef USE_SSE
_mm_store_ps(result, data);
#else
result[0] = data[0];
result[1] = data[1];
result[2] = data[2];
result[3] = data[3];
#endif
printf("Result: %f %f %f %f\n", result[0], result[1], result[2], result[3]);
return 0;
}
这是使用以下方式编译的:
g++ -O3 ssetest.cpp -o nossetest.exe
g++ -O3 -DUSE_SSE ssetest.cpp -o ssetest.exe
除了明确的SSE版本稍微快一点外,输出没有任何区别。
这是循环的汇编代码,首先是明确的SSE:
.L3:
subl $1, %eax
addps %xmm1, %xmm0
jne .L3
它内联了函数调用。很好,基本上只是一个直接的_mm_add_ps
。
数组版本:
.L3:
subl $1, %eax
addss %xmm0, %xmm1
addss %xmm0, %xmm2
addss %xmm0, %xmm3
addss %xmm0, %xmm4
jne .L3
它确实在每个数组成员上使用了 SSE 算法,但不是很理想。
我的问题是,我该如何帮助 GCC 更好地优化 vec4f
的数组版本?
任何关于 Linux 的专业建议都很有用,因为真正的代码将在 Linux 上运行。
float result[4]
在堆栈上可能不是16字节对齐的 - 在这种情况下它可以工作,否则_mm_store_ps
将会出错。 - Brett Hale