SSE 优化代码执行类似于普通版本答案

【问题标题】：SSE optimized code performs similar to plain versionSSE 优化代码执行类似于普通版本
【发布时间】：2011-10-24 05:58:20
【问题描述】：

我想在英特尔的 SSE 上迈出第一步，所以我按照发布的指南 here 987654322@ 但posix_memalign)。

我还在不使用 SSE 扩展的情况下实现了一种计算密集型方法。令人惊讶的是，当我运行程序时，两段代码（带有 SSE 和没有 SSE 的一段）都需要相似的时间来运行，通常是使用 SSE 的时间略高于另一段。

这正常吗？ GCC 是否可能已经使用 SSE 进行了优化（也使用 -O0 选项）？我也试过-mfpmath=387选项，但没办法，还是一样。

【问题讨论】：

你用的是什么CPU？
我使用的是 Intel Core i7 M640 2.80GHz
好的 - 请参阅下面的答案，您可能还想发布您的代码和用于构建它的命令行。

标签： c gcc x86 sse simd

【解决方案1】：

对于浮点运算，您可能看不到 SSE 的巨大优势。大多数现代 x86 CPU 都有两个 FPU，因此双精度对于 SIMD 与标量的速度可能只有大约相同的速度，而单精度可能会给您带来 2 倍的 SIMD 比标量在好的一天。但是对于整数运算，例如8 位或 16 位的图像或音频处理，您仍然可以通过 SSE 获得显着优势。

【讨论】：

这可能是原因。我会尝试单精度版本。
OK - 将代码和命令行也添加到您的问题中 - 有很多简单的事情在开始使用 SIMD 时可能会出错。
你说得对，Paul R。使用 32 位整数的版本的速度提高了大约 2 倍。我想在 16 位和 8 位操作中，好处会更好。顺便说一句，我删除了整数版本中的平方根运算。非常感谢。

【解决方案2】：

GCC 有一个非常好的内置代码矢量化器（iirc 在 -O0 及以上启动），因此这意味着它将在任何地方使用 SIMD 以加速标量代码（它还将优化 SIMD如果可能的话，也写一点代码。

很容易确认这确实是这里发生的事情，只需反汇编输出（或让 gcc 发出带注释的 asm 文件）。

【讨论】：

我检查了汇编代码，我只看到了我期望从具有显式（至少）SSE 的代码中得到的一对 addps 指令。
我怀疑自动矢量化是否会在 O0 时发挥作用（无优化），因为它是一个非常繁重的优化，应该只在 O2 或 O3 时发挥作用。
如果您查看 gcc 手册页，它会说 -ftree-vectorize 由 -O3 设置。那是在 Debian/Ubuntu 上，在其他平台上可能会有所不同。小心，-O0 是 0 优化。优化开始于-O1