稀疏矩阵向量乘在向量场景下的优化研究（毕设踩坑记录）

算法计算瓶颈：主要集中在SIMD指令计算的过程中，取 __m256d 其中一个元素或者置一个元素为零。

---

问题一：置__m256d一个元素为0，但是AVX256没有掩码操作。

初步解决 ：使用 _mm256_set_pd() 指令把要置0的位置设为0，其他位置设为1，再使用_mm256_mul_pd() 指令做乘法。

后期改进：使用 _mm256_set_pd() 指令设置mask，在使用_mm256_and_pd() ，每次写回可以降低4-5个时钟周期cycle。

---

问题二：取 __m256d 其中一个元素（double 类型） 。

目前方案：( (double*)&a )[idx] , 太慢了，AVX256没有reduce指令，有待解决。

---

问题三：AVX256-SSE指令切换会浪费100个cycle。

解决方案：查英特尔手册Avoiding AVX-SSE Transition Penalties。其中第一种方法似乎没什么优化效果，第二种反而会造成结果错误。

---

问题四：改多线程之后，同样的代码，运行一次结果正确，连续调用第二次结果出错。

发现问题：并行域中的SIMD指令单元，定义时不初始化就会导致连续第二次结果出错，在定义时初始化。

暂存疑惑：所有的变量均为线程内局部变量，为什么会导致第一次运行影响了第二次运行的结果。

---

问题五：待更。。。

 

 

 

 

 

学长说，要对于数据有自己的思考，即使做崩了也要分析出为什么崩。

学长说，一切都是有原因的。