SSE与AVX指令集
SSE指令集是英特尔提供的基于SIMD（单指令多数据，也就是说同一时间内，对多个不同的数据执行同一条命令）的硬件加速指令，通过使用寄存器来进行并行加速。经过几代的迭代，最新的SSE4已经极大地扩展了指令集的功能，并且随后已经从128位寄存器继续扩展到256位的指令。
想要使用SSE或AVX指令集，需要包含以下头文件
#include <mmintrin.h> //mmx, 4个64位寄存器
#include <xmmintrin.h> //sse, 8个128位寄存器
#include <emmintrin.h> //sse2, 8个128位寄存器
#include <pmmintrin.h> //sse3, 8个128位寄存器
#include <smmintrin.h> //sse4.1, 8个128位寄存器
#include <nmmintrin.h> //sse4.2, 8个128位寄存器
#include <immintrin.h> // avx, 16个256位寄存器
1. intrinsics
intrinsic是将xmm、sse等指令封装，变成内联函数以减少函数调用的一种操作，具体语法如下：
#pragma intrinsic(function_name)
intrinsic只允许内联诸如标准库函数或部分函数，是通过内联底层标准函数而减小开销的，不是所有函数都能使用。而指令集SSE、AVX等属于封装好的标准内联函数，导入头文件之后可直接使用。
2. SSE指令集
完整的SSE指令集可以点击此处查看。
我们主要关注SSE指令集在C和C++上的应用。在工程中，对于128位的寄存器，最实用的操作就是当做4个32位单精度的浮点数。其中，包装指令集是指矢量指令集，单个指令会对VALU中的数据都进行同一指令操作；而标量指令是指指令只对寄存器最低位的数据进行操作。
以下是常用的函数。
-
编译语句
g++ -msse4 filename.cpp
-
编程实例
对于多核处理器，每一个核都有着自己的缓存，以及FPU、VALU模块。VALU允许同时操作4个浮点数，通过SSE指令集加速一个128位矢量的FDTD程序。
-
相加的简例
/* 对于变量v1与v2各有x、y、z、w四个属性，vec_res的结果便是v1、v2对应的属性相加 */ // 标量版本 vec_res.x = v1.x + v2.x; vec_res.y = v1.y + v2.y; vec_res.z = v1.z + v2.z; vec_res.w = v1.w + v2.w; // VALU版本 movaps xmm0, [v1]; // 将要移动v1变量到xmm0寄存器中 xmm0 = v1.w | v1.z | v1.y | v1.x ; // 将4个值加载到寄存器中 addps xmm0, [v2]; // 将要对xmm0和v2变量进行相加 xmm0 = v1.w + v2.w | v1.z + v2.z | v1.y + v2.y | v1.x + v2.x ; // 相加 movaps [vec_res], xmm0; // 将寄存器的值赋给vec_res -
C++矢量相乘简例
注意：在编译时必须使用
g++编译器，同时，SSE指令集有SSE、SSE2、SSE3、SSE4几种，越新的版本功能就越多，可以通过在使用g++编译链接时，加上-msse4使用SSE4指令集，其他以此类推。/* 使用SSE指令进行矢量相乘加速 */ #include<iostream> // 使用SSE指令集需要的头文件 #include<xmmintrin.h> using namespace std; int main() { // VALU加速版本: 0m0.004s __m128 a, b; a = _mm_set_ps(1, 2, 3, 4); b = _mm_set_ps(1, 2, 3, 4); __m128 c = _mm_add_ps(a, b); for(int i=0; i<4; i++) { cout << a[i] << endl; } return 0; }
-
3. 扩展后的AVX指令集
-
新增特性
- 将 128 位 SIMD 寄存器扩展至 256 位。
- 添加了 3 操作数非破坏性运算。之前在 A = A + B 类运算中执行的是 2 操作数指令，它将覆盖源操作数，而新的操作数可以执行 A = B + C 类运算，且保持原始源操作数不变。
需要启用AVX指令时，编译必须加上
-mvax，否则会报错。头文件中包含的所有函数在 此处 可以查看。
-
编译语句：
g++ -mavx filename.cpp
-
YMM寄存区
相比于早年128位的XMM寄存器，英特尔AVX提供了256位的YMM寄存器，而XMM被视作了相应的底层部分。
-
对齐
当源数据是关于n位对齐（也就是能完整地以n为一个单位切分）地存入YMM寄存器中，称之为数据对齐。对于SSE运算来说，默认必须保证数据对齐（虽不必须，但最好保证，某些操作并不提供非对齐的操作版本）。
-
尽量不要VEX与XMM指令混用
混合使用旧的仅 XMM 的指令和较新的AVX 指令会导致延迟 ，所以不要将 VEX 前缀的指令和非 VEX 前缀的指令混合使用，以实现最佳吞吐量 。
-
相加的例子
#include<iostream> #include<immintrin.h> // avx using namespace std; int main() { __m256 a, b; /* Note: 随着位数的变化，寄存器可以存放的同一类型数据的个数也发生了翻倍， 在128位的SSE中，_mm_set_ps()可以计算4个float型数据，而到了 256位的AVX中，_mm256_set_ps()可以计算8个float型数据。 */ a = _mm256_set_ps(1, 2, 3, 4, 5, 6, 7, 8); b = _mm256_set_ps(1, 2, 3, 4, 5, 6, 7, 8); __m256 c = _mm256_add_ps(a, b); for(int i=0; i<8; i++) { cout << c[i] << endl; } return 0; }
