SSE Intrinsics - 逻辑非优化答案

【问题标题】：SSE Intrinsics - Logical NOT OptimizationSSE Intrinsics - 逻辑非优化
【发布时间】：2016-09-11 21:26:48
【问题描述】：

我正在使用 SSE 对图像中的像素执行按位非运算。

我有一些问题：

能否使用 OpenMP 进一步优化？
我的算法中是否存在可以优化的瓶颈？

这是我的代码：

unsigned int iSSE2Size = (SrcImage1.GetHeight() * (SrcImage1.GetStepBytes() >> 1)) >> 3;
__m128i *m_ucSrcPtr = (__m128i *)SrcImage1.GetWordPtr();
__m128i *m_ucDstPtr = (__m128i *)DestImage.GetWordPtr();
__m128i iMaxVal = _mm_set1_epi16(0xFFFF); 
unsigned short *srcRowPtr, *dstRowPtr;
while (iSSE2Size-- > 0)
{
    *m_ucDstPtr = _mm_andnot_si128(*m_ucSrcPtr, iMaxVal );
    m_ucSrcPtr++;
    m_ucDstPtr++;
}

【问题讨论】：

你试过循环展开吗？
您是否从自动矢量化中获得了不错的结果？我猜a[i] = ~a[i] 会很好地自动矢量化。将其编写为全一的 XOR（即~0ULL）也可能会有所帮助，尤其是。如果您的目标是 AVX。（VPANDN 反转寄存器操作数，而不是寄存器/内存操作数）。您的目标是 AVX，还是仅限 SSE2 版本？ AVX 可以使用 256b FP 布尔运算，这没关系，因为无论如何您只能维持每个时钟吞吐量一个向量，因为您将结果存储回内存。您正在针对哪些微架构进行调整，您正在对哪些微架构进行基准测试？
为什么要更改舍入模式？您的代码不会执行任何 FP 操作，除非 SrcImage1.SembufGetHeight() 返回 float 或 double。
79 毫秒似乎很高，除非您的图像很大，或者您忘记打开编译器优化，或者您使用的是 20 年的计算机？
对于少量迭代，OpenMP 开销将太大，对于大尺寸，操作受内存带宽限制。这并不一定意味着您不会看到使用线程的大尺寸没有任何好处，但它肯定不会随着单个套接字系统上的线程数量而扩展。如果尺寸介于 L2 和 L3 之间，您可能会看到一些合适的。

标签： c++ performance openmp sse simd

【解决方案1】：

是的，您可以尝试循环展开并使用 OpenMP 来优化您的代码。

#pragma omp parallel for
for (;iSSE2Size-=2 > 0;)
{
    *m_ucDstPtr = _mm_andnot_si128(*m_ucSrcPtr, iMaxVal );
    m_ucSrcPtr++;
    m_ucDstPtr++;

    *m_ucDstPtr = _mm_andnot_si128(*m_ucSrcPtr, iMaxVal );
    m_ucSrcPtr++;
    m_ucDstPtr++;
}

请注意，您可能可以展开多次以提高性能。

我在您提供的 sn-p 中没有看到任何瓶颈。

【讨论】：