水木社区手机版
- 主题:有没有什么SIMD的方法来优化这种代码
- 代码如下：
void f(uint64_t flag, const uint8_t *src, uint8_t *dst) { int dstByteOff = 0; int srcByteOff = 0; for(int b = 0; b < 64; ++b){ if(flag & (UINT64_C(1) << b)){ dst[dstByteOff++] = 0; } else{ dst[dstByteOff++] = src[srcByteOff++]; } } }
感觉这种循环属于比较常见的代码了，各位巨佬有见过如何优化这种代码的吗？
GCC自己有自动优化吗？
--
修改:allegro FROM 158.140.1.*
FROM 158.140.1.* - 没有编译优化。
自己做。把下标计算改为指针步进。
【 在 allegro 的大作中提到: 】
: 代码如下：
: [code=c]
: void f(uint64_t flag, const uint8_t *src, uint8_t *dst)
: ...................
--
FROM 221.221.50.* - 步进指针的确是能提高大概5%，但这是在是杯水车薪。
沙雕硬件组设计ASIC时候，从来不考虑软件组的支持实现效率。
--
FROM 158.140.1.* - 这个操作的flag，还有64位，simd可能没有简单的办法
--
FROM 192.102.205.* - 【 在 allegro 的大作中提到: 】
: 代码如下：
: [code=c]
: void f(uint64_t flag, const uint8_t *src, uint8_t *dst)
: ...................
VPERMT2B好像是做类似的，AVX512的指令
https://www.felixcloutier.com/x86/vpermt2b
--
FROM 110.191.214.* - 这段代码里 srcByteOff 的变化与flag的值是相关的，所以这代码连并行都做不到，不太可能在SIMD指令上找帮助了。
【 在 allegro 的大作中提到: 】
: 代码如下：
: [code=c]
: void f(uint64_t flag, const uint8_t *src, uint8_t *dst)
: ...................
--
FROM 58.33.81.* - 感觉应该是有，这个指令就很像你的代码结构
这类指令挺多的，建议拿着手册找找吧
__m256d _mm256_mask_i32gather_pd (__m256d src, double const* base_addr, __m128i vindex, __m256d mask, const int scale)
#include <immintrin.h>
Instruction: vgatherdpd ymm, vm32x, ymm
CPUID Flags: AVX2
Description
Gather double-precision (64-bit) floating-point elements from memory using 32-bit indices. 64-bit elements are loaded from addresses starting at base_addr and offset by each 32-bit element in vindex (each index is scaled by the factor in scale). Gathered elements are merged into dst using mask (elements are copied from src when the highest bit is not set in the corresponding element). scale should be 1, 2, 4 or 8.
Operation
FOR j := 0 to 3
i := j*64
m := j*32
IF mask[i+63]
addr := base_addr + SignExtend64(vindex[m+31:m]) * ZeroExtend64(scale) * 8
dst[i+63:i] := MEM[addr+63:addr]
ELSE
dst[i+63:i] := src[i+63:i]
FI
ENDFOR
mask[MAX:256] := 0
dst[MAX:256] := 0
【 在 allegro 的大作中提到: 】
: 代码如下：
: [code=c]
: void f(uint64_t flag, const uint8_t *src, uint8_t *dst)
: ...................
--
FROM 180.168.126.* - 到底哪个是关键字？
【 在 allegro 的大作中提到: 】
: 代码如下：
: [code=c]
: void f(uint64_t flag, const uint8_t *src, uint8_t *dst)
: ...................
--
修改:ble FROM 222.129.48.*
FROM 222.129.48.* - 流操作符
【 在 ble 的大作中提到: 】
: 到底哪个是关键字？
:
--
FROM 158.140.1.* - gcc 编译选项-march=skylake -O2 -funroll-loops
结果：
1740 cycles used!
892 cycles used!
如果f 是循环中调用的，应该可以用SIMD优化，f2里面生成mask和xor都是简单的SIMD指令即可。void f(uint64_t flag, const uint8_t *src, uint8_t *dst) { int dstByteOff = 0; int srcByteOff = 0; for(int b = 0; b < 64; ++b){ if(flag & (UINT64_C(1) << b)){ dst[dstByteOff++] = 0; } else{ dst[dstByteOff++] = src[srcByteOff++]; } } } void f2(uint64_t flag, const uint8_t *src, uint8_t *dst) { int dstByteOff = 0; int srcByteOff = 0; uint64_t t1, t2; uint8_t mask; for(int b = 0; b < 64; ++b){ t1 = (flag >> b & 1UL); t2 = (flag >> b & 1UL)<<8; mask = (uint8_t) (t2 - t1); dst[dstByteOff++] = src[srcByteOff++] & mask; } } int main (void) { uint8_t *src, *dst; uint64_t flag = 0xaaaaaaaaaaaaaaaa; uint64_t t_begin, t_end; src = (void *)malloc(64 * sizeof(uint8_t)); dst = (void *)malloc(64 * sizeof(uint8_t)); RDTSCP(t_begin) f(flag, src, dst); RDTSCP(t_end); printf("%lu cycles used!\n", t_end-t_begin); RDTSCP(t_begin) f2(flag, src, dst); RDTSCP(t_end); printf("%lu cycles used!\n", t_end-t_begin); return 0; }
【 在 allegro 的大作中提到: 】
: 代码如下：
: [code=c]
: void f(uint64_t flag, const uint8_t *src, uint8_t *dst)
: ...................
--
修改:lambdago FROM 111.183.5.*
FROM 111.183.5.*