浮点向量的 SSE 缩减

Question

如何使用 sse 内在函数获取浮点向量的总和元素（减少）？

简单的序列号：

void(float *input, float &result, unsigned int NumElems)
{
     result = 0;
     for(auto i=0; i<NumElems; ++i)
         result += input[i];
}

Answer 1

通常，您会在循环中生成 4 个部分和，然后在循环后对 4 个元素进行水平求和，例如

#include <cassert>
#include <cstdint>
#include <emmintrin.h>

float vsum(const float *a, int n)
{
    float sum;
    __m128 vsum = _mm_set1_ps(0.0f);
    assert((n & 3) == 0);
    assert(((uintptr_t)a & 15) == 0);
    for (int i = 0; i < n; i += 4)
    {
        __m128 v = _mm_load_ps(&a[i]);
        vsum = _mm_add_ps(vsum, v);
    }
    vsum = _mm_hadd_ps(vsum, vsum);
    vsum = _mm_hadd_ps(vsum, vsum);
    _mm_store_ss(&sum, vsum);
    return sum;
}

注意：对于上面的例子a必须是16字节对齐，n必须是4的倍数。如果不能保证a的对齐，那么使用_mm_loadu_ps而不是_mm_load_ps。如果 n 不能保证是 4 的倍数，则在函数末尾添加一个标量循环以累积所有剩余元素。