在 SSE 寄存器中存储常量（GCC、C++）

Question

你好 Whosebug 社区

我遇到了以下挑战：在我的 C++ 应用程序中，我有一个非常复杂的（三次）循环，在其中，在所有深度，我执行以下操作：

计算 4 个浮点值
将所有 4 个值乘以一个常数
将浮点数转换为整数

此代码将运行每个循环中有数千次迭代（导致数十亿次操作），我想让它尽可能快，所以我试图利用 SSE 处理器指令.

在尝试手动优化代码时，我遇到了以下障碍：每次我到达将所有值乘以一个常数的部分时，该常数都必须加载到 XMM 寄存器。我的想法是保留一个寄存器（并禁止编译器使用它），一次加载值，然后用那个特定的寄存器对乘法进行硬编码，但是我找不到正确的方法来做到这一点。

顺便问一下，有人可以向我解释一下，为什么这段代码：

    vmovaps .LC0(%rip), %xmm1
    movl    00000000, %eax
    vmovaps .LC1(%rip), %xmm0
    .p2align 4,,10
    .p2align 3
.L2:
#APP
# 26 "sse.cpp" 1
    .intel_syntax noprefix;
    mulps %xmm1,%xmm0;
    .att_syntax prefix;

# 0 "" 2
#NO_APP
    subl    , %eax
    jne     .L2

性能比下面的更差（实际 0m1.656s vs 实际 0m1.618s）：

    vmovaps .LC0(%rip), %xmm1
    movl    00000000, %eax
    vmovaps .LC1(%rip), %xmm0
    .p2align 4,,10
    .p2align 3
.L2:
    vmulps  %xmm0, %xmm1, %xmm1
    subl    , %eax
    jne     .L2

（不同之处在于，我在 gcc [第一个片段] 和旧版 SSE 指令中使用 intel 语法以实现兼容性，而 gcc 使用 AVX 向量自动生成版本 [第二个片段]）

Answer 1

请注意，您需要更具体地说明编译方式，并可能提供最少的示例。我知道这可能不是最佳答案，但我认为它已经足够好了。它变长了，但这是因为代码。

下面工作的底线是留给编译器并使用适当的编译器标志应该是安全的。在底部我举了一个如何使用局部寄存器变量的例子，但它可能不会很有用（它很容易被忽略）。您可以使用全局寄存器变量，但它不会产生任何好的结果，因此不鼓励。

我的 set-up 是 Intel(R) Core(TM) i7-4770 CPU、gcc version 4.9.2 和 clang version 3.5.0。下面的代码确实将 avx_scalar 存储在具有 -O1 及更高版本的 xmm 寄存器中。没有或 -O0 他们没有。生成程序集的代码是：

[clang++|g++] -march=native -S -Ox ./sse.cpp,

其中 x 是优化级别。

有趣的是，在我测试的任何情况下，-march=archive 两个编译器都决定使用 SSE4.1 版本而不是旧版 SSE，即使我在代码本身中使用了旧版 SSE 内在函数。这个不错。

我还使用 SSE4.1 header smmintrin.h 进行了测试。如果没有标志，gcc 使用旧版 SSE 并且 clang 无法使用 error: "SSE4.1 instruction set not enabled" 进行编译。使用 xmmintrin.h 这是遗留的 SSE header，两个编译器都在存在标志的情况下生成 AVX 版本，而在没有标志的情况下生成遗留版本。

测试码avx.cpp:

extern "C" 
{
#include <smmintrin.h>
}

const float scalar = 3.14;
const __m128 avx_scalar = _mm_set1_ps(scalar);
__m128 vector;

__m128 its_me(){
    __m128 ret;
    __m128 result;
    for(int i = 0; i < 1000; ++i)
    {
        vector = _mm_set_ps(i*1,i*2,i*3,i*4);
        result = _mm_mul_ps(vector, avx_scalar);
        ret = _mm_add_ps(ret, result);
    }
    return ret;
}

g++ -march=native -S -O2 ./avx.cpp的相关部分：

.LFB639:
        .cfi_startproc
        vmovaps _ZL10avx_scalar(%rip), %xmm5
        xorl    %edx, %edx
        .p2align 4,,10
        .p2align 3
.L2:
        leal    (%rdx,%rdx), %ecx
        vxorps  %xmm2, %xmm2, %xmm2
        vxorps  %xmm1, %xmm1, %xmm1
        vxorps  %xmm3, %xmm3, %xmm3
        leal    0(,%rdx,4), %eax
        vcvtsi2ss       %ecx, %xmm3, %xmm3
        vxorps  %xmm4, %xmm4, %xmm4
        vcvtsi2ss       %eax, %xmm2, %xmm2
        leal    (%rcx,%rdx), %eax
        vcvtsi2ss       %edx, %xmm4, %xmm4
        addl    , %edx
        vcvtsi2ss       %eax, %xmm1, %xmm1
        vunpcklps       %xmm4, %xmm3, %xmm3
        vunpcklps       %xmm1, %xmm2, %xmm1
        vmovlhps        %xmm3, %xmm1, %xmm1
        vmulps  %xmm5, %xmm1, %xmm2
        vaddps  %xmm2, %xmm0, %xmm0
        cmpl    00, %edx
        jne     .L2
        vmovaps %xmm1, vector(%rip)
        ret
        .cfi_endproc

和clang++ -march=native -S -O2 ./avx.cpp：

# BB#0:
        xorl    %eax, %eax
        movl    , %ecx
        movl    , %edx
        vmovaps _ZL10avx_scalar(%rip), %xmm1
        xorl    %esi, %esi
                                        # implicit-def: XMM0
        .align  16, 0x90
.LBB0_1:                                # =>This Inner Loop Header: Depth=1
        leal    -2(%rdx), %r8d
        leal    -4(%rcx), %edi
        vmovd   %edi, %xmm2
        vpinsrd , %eax, %xmm2, %xmm2
        vpinsrd , %r8d, %xmm2, %xmm2
        vpinsrd , %esi, %xmm2, %xmm2
        vcvtdq2ps       %xmm2, %xmm2
        vmulps  %xmm1, %xmm2, %xmm2
        vaddps  %xmm2, %xmm0, %xmm0
        leal    1(%rsi), %r8d
        leal    3(%rax), %edi
        vmovd   %ecx, %xmm2
        vpinsrd , %edi, %xmm2, %xmm2
        vpinsrd , %edx, %xmm2, %xmm2
        vpinsrd , %r8d, %xmm2, %xmm2
        vcvtdq2ps       %xmm2, %xmm2
        vmulps  %xmm1, %xmm2, %xmm3
        vaddps  %xmm3, %xmm0, %xmm0
        addl    , %esi
        addl    , %eax
        addl    , %ecx
        addl    , %edx
        cmpl    00, %esi             # imm = 0x3E8
        jne     .LBB0_1
# BB#2:
        vmovaps %xmm2, vector(%rip)
        retq

仅作记录，您可以手动将局部变量放入寄存器，但 clang 完全忽略并且 gcc -01 和 above.I 鼓励在 g++ -march=native -S -Ox ./avx.cpp 的输出中寻找 xmm13，下面的代码具有不同的 x 值（假设您的 cpu 上至少有 13 个 xmm 寄存器）：

extern "C" 
{
#include <xmmintrin.h>
}

const float scalar = 3.14;

__m128 its_me(){
    __m128 vector;
    register __m128 avx_scalar asm ("xmm13") = _mm_set1_ps(scalar); // that's how you do it in gcc.
    //const __m128 avx_scalar = _mm_set1_ps(scalar);
    __m128 ret;
    __m128 result;
    for(int i = 0; i < 1000; ++i)
    {
        vector = _mm_set_ps(i*1,i*2,i*3,i*4);
            result = _mm_mul_ps(vector, avx_scalar);
        ret = _mm_add_ps(ret, result);
    }
    return ret;
}

在 SSE 寄存器中存储常量（GCC、C++）

Storing a constant in SSE register (GCC, C++)

c++

c

assembly

sse

inline-assembly