如何使用std::实验::simd
How to use std::experimental::simd?
我试着做github std::simd上给出的例子,但我的矢量化版本最终慢了2-3倍。如何正确使用它?
文件似乎缺乏,没有足够的例子。没有列出构造函数等。我确信我可能用错了方法,但由于文档有限,我不知道如何继续。
g++-o测试.cpp--std=c++2a-O0
#include <array>
#include <chrono>
#include <cstdlib>
#include <experimental/simd>
#include <iostream>
#include <random>
using std::experimental::native_simd;
using Vec3D_v = std::array<native_simd<float>, 3>;
native_simd<float> scalar_product(const Vec3D_v& a, const Vec3D_v& b) {
return a[0] * b[0] + a[1] * b[1] + a[2] * b[2];
}
using Vec3D = std::array<float, 3>;
float scalar_product(const std::array<float, 3>& a, const std::array<float, 3>& b) {
return a[0] * b[0] + a[1] * b[1] + a[2] * b[2];
}
int main(){
constexpr std::size_t VECREG_SIZE = native_simd<float>::size();
std::array<Vec3D, VECREG_SIZE * 1000> arr;
std::array<Vec3D_v, VECREG_SIZE * 1000> arr_v;
std::random_device rd;
std::mt19937 generator(rd());
std::uniform_real_distribution<float> distribution(0.f, 1.f);
for( std::size_t i = 0; i < arr.size(); ++i ){
arr[i] = {distribution(generator), distribution(generator), distribution(generator)};
arr_v[i] = {distribution(generator), distribution(generator), distribution(generator)};
}
float result = 0.f;
auto start = std::chrono::high_resolution_clock::now();
for( std::size_t i = 1; i < arr.size(); ++i ){
result += scalar_product(arr_v[i-1], arr_v[i])[0];
}
auto end = std::chrono::high_resolution_clock::now();
auto elapsed = end - start;
std::cout << "VC: " << elapsed.count() << 'n' << std::endl;
result = 0;
start = std::chrono::high_resolution_clock::now();
for( std::size_t i = 1; i < arr.size(); ++i ){
result += scalar_product(arr[i-1], arr[i]);
}
end = std::chrono::high_resolution_clock::now();
elapsed = end - start;
std::cout << "notVC: " << elapsed.count() << 'n';
return EXIT_SUCCESS;
}
问题1:使用SIMD指令时会产生初始成本。拿你的代码,循环三次(我用-O3
编译,打印result
,否则大部分代码都会被删除(:
$ ./test
VC: 37240 (result: 5986.1)
notVC: 18668 (result: 5983.29)
VC: 26177 (result: 5986.1)
notVC: 18516 (result: 5983.29)
VC: 25895 (result: 5986.1)
notVC: 18083 (result: 5983.29)
_v
版本的主循环组件现在为:
1840: c5 fc 28 d5 vmovaps %ymm5,%ymm2
1844: c5 fc 28 28 vmovaps (%rax),%ymm5
1848: c5 fc 28 cc vmovaps %ymm4,%ymm1
184c: c5 fc 28 c3 vmovaps %ymm3,%ymm0
1850: c5 fc 28 60 20 vmovaps 0x20(%rax),%ymm4
1855: c5 fc 28 58 40 vmovaps 0x40(%rax),%ymm3
185a: 48 83 c0 60 add $0x60,%rax
185e: c5 d4 59 d2 vmulps %ymm2,%ymm5,%ymm2
1862: c4 e2 6d 98 cc vfmadd132ps %ymm4,%ymm2,%ymm1
1867: c4 e2 75 98 c3 vfmadd132ps %ymm3,%ymm1,%ymm0
186c: c5 ca 58 f0 vaddss %xmm0,%xmm6,%xmm6
1870: 48 39 d8 cmp %rbx,%rax
1873: 75 cb jne 1840 <main+0x6f0>
问题2:在循环的每一圈,您都可以使用[0]
运算符将native_simd<float>
结果转换为float
。这可能会产生可怕的后果,但编译器足够聪明,不会这样做,正如上面的程序集所示。
问题3:正如我们所看到的,native
只是指示编译器将值放入SIMD寄存器中。这样做没有多大好处:这里的多数据方面在哪里?您要做的是将您的3D向量打包到一个SIMD寄存器中,并重写循环以将标量乘积的每个维度累积到一个组件中。最后,你会得到所有组件的总和:
using std::experimental::fixed_size_simd;
using Vec3D_v = fixed_size_simd<float, 3>;
和
for( std::size_t i = 1; i < arr.size(); ++i ){
result_v += arr_v[i-1] * arr_v[i];
}
float result = std::experimental::reduce (result_v);
运行这个,我们有:
$ ./test
VC: 14958 (result: 2274.7)
notVC: 5279 (result: 2274.7)
VC: 4718 (result: 2274.7)
notVC: 5177 (result: 2274.7)
VC: 4720 (result: 2274.7)
notVC: 5132 (result: 2274.7)
主回路的组装就是一个美丽的部分:
1588: c5 f8 28 d0 vmovaps %xmm0,%xmm2
158c: c5 f8 28 00 vmovaps (%rax),%xmm0
1590: 48 83 c0 10 add $0x10,%rax
1594: c4 e2 79 b8 ca vfmadd231ps %xmm2,%xmm0,%xmm1
1599: 48 39 c3 cmp %rax,%rbx
159c: 75 ea jne 1588 <main+0x438>
这里,每个%xmm
寄存器同时保存3个浮点值。此外,编译器对第二个循环进行了大量优化,以使用AVX指令,因此增益并不那么重要(但仍然存在!(。
完整代码:
#include <array>
#include <chrono>
#include <cstdlib>
#include <experimental/simd>
#include <iostream>
#include <random>
using std::experimental::fixed_size_simd;
using Vec3D_v = fixed_size_simd<float, 3>;
using Vec3D = std::array<float, 3>;
float scalar_product (const std::array<float, 3> &a, const std::array<float, 3> &b) {
return a[0] * b[0] + a[1] * b[1] + a[2] * b[2];
}
int main () {
constexpr std::size_t VECREG_SIZE = fixed_size_simd<float, 3>::size ();
std::array<Vec3D, VECREG_SIZE * 1000> arr;
std::array<Vec3D_v, VECREG_SIZE * 1000> arr_v;
std::random_device rd;
std::mt19937 generator (rd ());
std::uniform_real_distribution<float> distribution (0.f, 1.f);
for (std::size_t i = 0; i < arr.size (); ++i) {
arr[i] = {distribution (generator), distribution (generator), distribution (generator) };
for (int j = 0; j < 3; ++j)
arr_v[i][j] = arr[i][j];
}
Vec3D_v result_v;
for (int iter = 0; iter < 3; ++iter) {
for (int j = 0; j < 3; ++j)
result_v[j] = 0.f;
auto start = std::chrono::high_resolution_clock::now ();
for (std::size_t i = 1; i < arr.size (); ++i) {
result_v += arr_v[i - 1] * arr_v[i];
}
float result = std::experimental::reduce (result_v);
auto end = std::chrono::high_resolution_clock::now ();
auto elapsed = end - start;
std::cout << "VC: " << elapsed.count () << " (result: " << result << ")" << std::endl;
result = 0;
start = std::chrono::high_resolution_clock::now ();
for (std::size_t i = 1; i < arr.size (); ++i) {
result += scalar_product (arr[i - 1], arr[i]);
}
end = std::chrono::high_resolution_clock::now ();
elapsed = end - start;
std::cout << "notVC: " << elapsed.count () << " (result: " << result << ")" << std::endl;
}
return EXIT_SUCCESS;
}
相关文章:
- 在 C++ 中使用 SIMD 向量的矩阵乘法
- 为什么从具有较大阵列的 SIMD 内部函数中获得的相对加速比标量更大?
- 是否有用于元素部分移位的 simd 指令/内在/内置指令?
- 在工人类中使用不同类的静态函数进行实验
- C++ VS 错误:<实验/文件系统>提供 std::experimental::文件系统的标头已被Microsoft弃用,将被删除
- 玉米片实验中"*"标记之前的预期初始值设定项
- 如何启用标准::实验::atomic_shared_pointer
- 关于连续迭代器的 SIMD 指令
- 为什么 C++ 标准库中没有 SIMD 功能?
- 在硬件SIMD矢量指针和相应类型之间进行"interpret_cast"是一种未定义的行为吗
- 如何在 cpp20 实验中导入 C 断言
- 在C++中,转换为simd类型是否有未定义的行为
- 使用 SIMD 基于另一个矢量位值计算值的乘积
- 如何使用std::实验::simd
- 在 CUDA 中使用 SIMD 实现位旋转运算符
- 标准实验闩锁和屏障使用ptrdiff_t
- AVX2 SIMD Instrinsics 16 位到 8 位,反之亦然
- 我是否缺少<实验/文件系统>移动操作?
- 为什么这个简单的 C++ SIMD 基准测试在使用 SIMD 指令时运行速度较慢?
- 只有一个可执行文件即可进行跨平台 SIMD 调用?