使用Intrinsics优化

#include "counter.h"  #include <intrin.h>  #include <stdlib.h>  #include <math.h>/*标题:我的第一个调用Intrinsics函数的程序所属项目名称:TestSSE项目类型：Win32控制台项目依赖：counter.h文件//提供计时功能描述：以前需要使用汇编对CPU的指令集进行优化，现在可以直接使用Intrinsic函数达到类似效果，      可读性和移植性相对于汇编语言有长足进步。现在极少有x86架构cpu不支持SSE/SSE3指令集  所以是时候了解Intrinsic函数(SSE、SSE2)的使用。  现在让我们通过简单的例子,来了解Intrinsic函数（SSE/SSE2指令）如何使用！依赖：counter.h最后更新：kagula 2014-04-22测试环境：Windows 8.1 64bit、Visual Studio 2013 Update1测试结果：在Core i5-2500k上，addWithSSE函数相对于add函数大概缩短了一半的运算时间。如何调用Intrinsics函数还可参考下面资料：[1]《跨平台使用Intrinsic函数范例1——使用SSE、AVX指令集 处理 单精度浮点数组求和（支持vc、gcc，兼容Windows、Linux、Mac） 》http://www.cnblogs.com/zyl910/archive/2012/10/22/simdsumfloat.html[2]《在C/C++代码中使用SSE等指令集的指令(5)SSE进行加法运算简单的性能测试》http://blog.csdn.net/gengshenghong/article/details/7011373[4]《Introduction to SSE Programming》http://www.codeproject.com/Articles/4522/Introduction-to-SSE-Programming*/struct MyData {_MM_ALIGN16 float *op1;//后面使用到的Intrinsics函数需要128位对齐_MM_ALIGN16 float *op2;_MM_ALIGN16 float *result1;_MM_ALIGN16 float *result2;MyData(const unsigned int count){op1 = new float[count];op2 = new float[count];result1 = new float[count];;result2 = new float[count];;}~MyData(){delete op1;delete op2;delete result1;delete result2;}};//初始化样本void initSample(const unsigned int count, MyData &md){for (unsigned int i = 0; i < count; i++){md.op1[i] = (float)rand() / (float)RAND_MAX;md.op2[i] = (float)rand() / (float)RAND_MAX;}}void add(const unsigned int count, MyData &md){for (unsigned int i = 0; i < count; i++)md.result1[i] = md.op1[i] + md.op2[i];}void addWithSSE(const unsigned int count, MyData &md){__m128  a;__m128  b;__m128  c;for (unsigned int i = 0; i < count; i = i + 4){//Intrinsic函数的调用分三个步骤，具体如下//[S1/3]装载数据  a = _mm_load_ps(md.op1 + i);b = _mm_load_ps(md.op2 + i);//[S2/3]四元组运算.  要求CPU支持SSE指令集c = _mm_add_ps(a, b);   // c = a + b  //[S3/3]保存数据_mm_store_ps(md.result2 + i, c);}}/*    Intrinsic函数名的形式为_mm_<intrin_op>_<suffix>有三部分组成，其中后缀(suffix)又分为两部分.    函数名中的mm，代表操作数是128位，把mm替换为mm256就是256位,需CPU支持AVX。    函数名中的add可替换为sub、mul、div、sqrt、rcp、rsqrt、max、min分别代表了减法、乘法、除法、平方根、倒数、平方根的倒数、返回较大值、较小值等。    函数名中的后缀有两部分组成第一部分，有三种，决定运算范围s  标量(scalar)  只操作元组的第一个因子p  包(pack)      操作元组中的全部因子ep 扩展包(extend pack) 相对于p，因子的位宽增加一倍。   比如原来128位容纳4个因子，现在只能2个因子，低位向高位做了符号扩展第二部分，有11种，决定元组中因子的数据类型（部分要求SSE2支持，比如双精）s    单精(single-precision floating point)d    双精(double-precision floating point)i128 128位整数(signed 128-bit integer)i64  64位整数(signed 64-bit integeru64  无符号64位整数(unsigned 64-bit integer)i32  32位整数(signed 32-bit integer)u32  无符号32位整数(unsigned 32-bit integer)i16  16位整数(signed 16-bit integeru16  无符号16位整数(unsigned 16-bit integer)i8   8位整数(signed 8-bit integer)u8   无符号8位整数(unsigned 8-bit integer所以_mm_add_ps函数名，表示128位，加法，元组，单精度函数因为一个单精度占32位，操作数为128位，128/32=4,所以元组含四个因子。例如：可以把_mm_add_ps中的ps替换为ss，就只对四元组中的第一个元素操作了。有哪些Intrinsic函数可供我们调用，参考下面资料[1]《VC++ 浮点数学SSE Intrinsics》http://blog.163.com/chenqneu@126/blog/static/457384842007814114410576/[2]《Intel Intrinsics Guide》https://software.intel.com/sites/landingpage/IntrinsicsGuide/通过Intrinsic形式要调用CPU扩展指令集SSE、SSE2，得考虑到还有少部分老机器不支持，可使用CPUID指令（在Visual Studio 2010以上版本中有对应的Intrinsic函数）判断。*/int main(int argc, wchar_t* argv[]){const unsigned int count = 400 * 100000; // 4*32bit=128bit对齐MyData md(count);initSample(count, md);srand((unsigned int)time(NULL));wprintf(L"Add a vector array:\n");startTiming();add(count, md);stopWithPrintTiming();printf("\n");wprintf(L"Add a vector array with SSE instructions:\n");startTiming();addWithSSE(count, md);stopWithPrintTiming();//system("pause");return 0;}

#ifndef _COUNTER_H_#define _COUNTER_H_/*功能:计数器调用者：TestSSE.cpp*/#include <time.h>  #include <stdio.h>  #ifdef WIN32  || WIN64#include <windows.h>  #define timing_t double  _LARGE_INTEGER g_startTime, g_stopTime;double g_dqFreq;inline void startTiming(){_LARGE_INTEGER f;QueryPerformanceFrequency(&f);g_dqFreq = (double)f.QuadPart;QueryPerformanceCounter(&g_startTime);}// unit: ms  inline timing_t stopTiming(){QueryPerformanceCounter(&g_stopTime);return ((double)(g_stopTime.QuadPart - g_startTime.QuadPart) / g_dqFreq * 1000);}inline timing_t stopWithPrintTiming(){timing_t timing;QueryPerformanceCounter(&g_stopTime);timing = ((double)(g_stopTime.QuadPart - g_startTime.QuadPart) / g_dqFreq * 1000);printf("Elapsed Timing(ms) : %.3lf\n\n", timing);return timing;}#else  #include <unistd.h>  typedef unsigned long long int64;#define timing_t int64  #if defined(__i386__)  inline int64 GetCycleCount() {int64 result;__asm__ __volatile__("rdtsc" : "=A" (result));return result;}#elif defined(__x86_64__)  inline int64 GetCycleCount(){int64 hi, lo;__asm__ __volatile__("rdtsc" : "=a"(lo), "=d"(hi));return ((int64)lo) | (((int64)hi) << 32);}#endif  int64 ticks_start, ticks_end;inline void startTiming(){ticks_start = GetCycleCount();}// unit: cycles  inline int64 stopTiming(){ticks_end = GetCycleCount();return (ticks_end - ticks_start);}inline int64 stopWithPrintTiming(){int64 timing;ticks_end = GetCycleCount();timing = (ticks_end - ticks_start);printf("----------Elapsed Timing(Cycles) : %llu\n", timing);printf("----------------------------------------\n");return timing;}#endif  // unit: ms  inline void wait(int ms){#ifdef WIN32  Sleep(ms);#else  usleep(ms * 1000);#endif  }#endif