Hotball 的小屋

SSE 介紹 [Page 4]

現在我們就先以一個很簡單的例子，來說明 SSE 浮點運算指令的使用。下面是一個簡單的程式片斷：


    
      float input1[4] = { 1.2f, 3.5f, 1.7f, 2.8f };
      float input2[4] = { -0.7f, 2.6f, 3.3f, -0.8f };
      float output[4];
      
      for(int i = 0; i < 4; i++) {
      
        output[i] = input1[i] + input2[i];
      
      }

這個程式片斷的動作非常簡單，只是把 input1 和 input2 中的四組數字兩兩相加，並把結果寫到 output 中。在執行完後，output 的內容應該是 { 0.5f, 6.1f, 5.0f, 2.0f }。

上面的程式很適合用 SSE 浮點運算指令來做。它所進行的四個加法運算，剛好可以用一個 SSE 浮點運算指令，也就是 addps 來完成。以下是修改後的程式：


    
      float input1[4] = { 1.2f, 3.5f, 1.7f, 2.8f };
      float input2[4] = { -0.7f, 2.6f, 3.3f, -0.8f };
      float output[4];
      
      __m128 a = _mm_load_ps(input1);
      __m128 b = _mm_load_ps(input2);
      __m128 t = _mm_add_ps(a, b);
      _mm_store_ps(output, t);

上面的程式中，先用兩個 _mm_load_ps 把浮點數資料載入 __m128 的變數中。要注意的是，這裡是假設這兩個浮點數陣列都是對齊在 16 bytes 的邊上。如果不是的話，就不能用 _mm_load_ps 這個 intrinsic 來載入，而要改用 _mm_loadu_ps 這個 intrinsic。它是專門用來處理沒有對齊在 16 bytes 邊上的資料的。但是，它的速度會比較慢。

另外，因為 x86 的 little endian 特性，位址較低的 byte 會放在暫存器的右邊。也就是說，若以上面的 input1 為例，在載入到 XMM 暫存器後，暫存器中的 DATA0 會是 1.2，而 DATA1 是 3.5，DATA2 是 1.7，DATA3 是 2.8。如果需要以相反的順序載入的話，可以用 _mm_loadr_ps 這個 intrinsic。當然，在這個例子中，順序並不影響結果，所以不需要利用這個 intrinsic。

一般來說，宣告一個 float 的陣列，並不會對齊在 16 bytes 的邊上。如果希望它會對齊在 16 bytes 的邊上，以便利用 SSE 指令的話，Visual C++ 6.0 Processor Pack 和 Intel C++ compiler 都可以指定對齊方式。指定的方式如下：


    
      __declspec(align(16)) float input1[4];

在上例中，input1 會被對齊在 16 bytes 的邊上。這樣就可以直接用較快的 _mm_load_ps 來載入資料了。因為 SSE 浮點數指令常常需要資料對齊在 16 bytes 的邊上，所以在 xmmintrin.h 也定義了一個巨集 _MM_ALIGN16，是同樣的意義。因此，上面的程式也可以寫成：


    
      _MM_ALIGN16 float input1[4];

利用 SSE 浮點數指令會帶來多大的差別呢？對 1,024 個浮點數進行測試的結果，結果如下（使用 Intel C++ Compiler 5.0 for Windows 編譯，在 Intel Pentium III 1.0B Ghz 上執行）：

可以看到利用 SSE 浮點運算可以得到大約兩倍於 x87 浮點運算的效率。事實上，因為 Pentium III 架構上的因素，所以，如果同時使用加法和乘法運算，最多可以得到四倍的效率。在後面會有一個例子。

[Part 1] [Page 2] [Part 3] [Part 4] [Part 5] [Part 6] [Part 7] [Part 8]

11/7/2001, Ping-Che Chen

Sorry, Traditional Chinese only. This page is encoded in UTF-8.