关于Loop Vectorization的二三事

VIP文章 已于 2022-01-21 11:49:22 修改
阅读量1.9k 收藏 4
点赞数 3
分类专栏： 编译优化 向量化 文章标签： 编译优化 编译器
于 2022-01-21 11:44:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sang749992462/article/details/122617731
版权

通过一些简单例子了解循环向量化

这是一篇关于LLVM Loop Vectorize的调研记录，并将在 January 19, 2022 进行线上报告。

本文章参考了：
高伟, 赵荣彩, 韩林, 等. SIMD 自动向量化编译优化概述[J]. 软件学报, 2015, 6.
PLDI 2011 Tutorial: Program Optimization through Loop Vectorization。
Allen R, Kennedy K. Automatic translation of Fortran programs to vector form. ACM Trans.on Programming Languages andSystems, 1987,9(4):491−542. [doi: 10.1145/29873.29875]
Auto-Vectorization in LLVM. https://llvm.org/docs/Vectorizers.html

本文章将随着LLVM和Loop Vectorization的学习持续更新修改。

What is “vectorization”?

Loop Vectorization，即循环向量化，是利用处理器中“向量”或“SIMD”的指令集拓展，同时操作多个数据，以达到优化循环的目的。
循环向量化的简单理解，是利用ISA的特性。同时执行多条相同的指令，以达到提高效率的目的。对于简单定义与简单例子的展示，是通过StarkOverflow的一则提问了解的。

对于上述的简单循环，出去常规的循环展开外，使用SSE向量化可以得到更高效的结果。对比普通计算单元，向量单元可以同时计算多个数据。

在这里插入图片描述
在这里插入图片描述

SIMD向量化技术

SIM

最低0.47元/天 解锁文章
Chen_hsuan
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python循环，“向量化”让我们代码更高效
wjianwei666的专栏
02-26 470
向量化是在数据集上实现（NumPy）数组操作的技术。在后台，它将操作应用于数组或系列的所有元素，一次性完成（不像“for”循环一次操作一行）。在这篇文章中中，我们可以轻松地用向量化替代Python循环。这将帮助我们节省时间，并在编码方面变得更加熟练。
LoopVectorization.jl:用于向量化循环的宏
04-17
循环矢量化 安装 using Pkg Pkg . add ( " LoopVectorization " ) Julia 1.1和更高版本支持LoopVectorization。 每晚都在Julia 1.5上进行测试。 警告 错误地使用LoopVectorization可能会导致。 像@inbounds一样，滥用它可能导致段错误和内存损坏。 我们希望您@avx将@avx宏与给定的代码块一起使用时，都会： 没有索引数组超出范围。 @avx不执行任何边界检查。 没有遍历一个空集合。 对空循环进行迭代（例如for i ∈ eachindex(Float64[])是未定义的行为，并且可能会导致超出范围的内存访问。 确保循环行为正确。 不依赖特定的执行顺序。 @avx可以并且将在其范围内重新排序操作和循环，因此正确性不能取决于特定的顺序。 您不能实现cumsum与@avx 。 在嵌套循环中
intel自动向量化
10-19
A Guide to Vectorization with Intel® C++ Compilers
vectorization_exercise.rar_deep learning_vectorization_深度学习
09-23
该文档包含了深度学习中的矢量化编程方式和程序示例
Vectorization vs. Compilation in Query Execution.pdf
10-20
Vectorization vs. Compilation in Query Execution.pdf
吴恩达【深度学习】笔记01——向量化、For循环及Python中的Broadcasting
Serendipity_zyx的博客
09-20 942
向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以代码的运行速度非常重要。否则在数据集很大时，代码需要花费很长时间去处理。在深度学习领域，运行向量化是一个关键的技巧。 文章目录1. 向量化2. 向量化实现3. 非向量化实现4. python中的广播5. 补充：关于numpy中向量的说明 1. 向量化 举一个例子说明什么是向量化： 在逻辑回归中需要计算 z=wTx+bz = w^Tx + bz=wTx+b
【设计模式_0】设计模式6大原则
J.R.Leonardo的博客
07-19 191
简述设计模式的6大原则（大白话） 一、单一职责 一个类只负责一个功能领域中的相应职责，是实现高内聚、低耦合的指导方针。 二、里氏替换 三、依赖倒置 四、接口隔离 五、迪米特原则 六、开闭原则 一个软件实体应当对扩展开放，对修改关闭。即软件实体应尽量在不修改原有代码的情况下进行扩展 ...
循环向量化
程序人生
10-31 3789
clc; close all; clear; I=imread('1.bmp'); W=fspecial('gaussian',3,0.5); size_a=size(I); g=imfilter(I,W,'conv','symmetric','same'); t=g(1:2:size_a(1),1:2:size_a(2) ); imshow(I); figure,imshow(t)
向量化(Vectorization)
一只攻城狮的博客
12-05 6440
向量化(Vectorization)   向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以你的代码运行速度非常重要，否则如果在大数据集上，你的代码可能花费很长时间去运行，你将要等待非常长的时间去得到结果。所以在深度学习领域，运行向量化是一个关键的技巧。 下面举一个例子： import nump...
编译优化之 - 向量化优化入门
热门推荐
zhugl的博客
03-30 1万+
1. 介绍 2. Intel高级向量扩展 3. GCC中向量化 4. ICC中向量化 5. AOCC/LLVM中向量化 1. 介绍 什么是自动向量化？   自动向量化（automatic vectorization）是自动并行化（automatic parallelization）的一种特殊情况，它将一次处理一对的标量运算转换为一次并行处理多对的向量运算。因此向量化可以显着加速一些带循环的...
image-color-vectorization
04-17
图像颜色矢量化 上传的图像将像波普艺术一样进行转换。
Loop Independence, Compiler Vectorization and Threading of Loops (SSE and AVX) - Intel - Slides-计算机科学
04-22
Vectorization and Threading of Loops(SSE & AVX)Michael Klemm Software & Services GroupDeveloper Relations Division1Software & Services GroupLegal DisclaimerINFORMATION IN THIS DOCUMENT IS PROVIDED IN ...
building vectorization
03-09
对于划分后的雷达点，建筑物的三维建模的过程，主要是基于micro sation 软件
node-v9.6.0-x86.msi
04-29
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
Python基于机器学习的分布式系统故障诊断系统源代码，分布式系统的故障数据进行分析，设计故障诊断模型，高效地分析并识别故障类别
04-29
基于技术手段（包括但不限于机器学习、深度学习等技术）对分布式系统的故障数据进行分析，设计故障诊断模型，高效地分析并识别故障类别，实现分布式系统故障运维的智能化，快速恢复故障的同时大大降低分布式系统运维工作的难度，减少运维对人力资源的消耗。在分布式系统中某个节点发生故障时，故障会沿着分布式系统的拓扑结构进行传播，造成自身节点及其邻接节点相关的KPI指标和发生大量日志异常
JavaScript前端开发的核心语言前端开发的核心语言
最新发布
04-29
javascript 当今互联网时代，JavaScript已经成为了前端开发的核心语言它是一种高级程序设计语言，通常用于网页的交互和动态效果的实现。JavaScript的灵活性以及广泛的使用使得它变得异常重要，能够为用户带来更好的用户体验。 JavaScript的特点之一是它的轻量级，它可以在网页中运行无需单独的编译或下载。这意味着网页可以更快地加载并且用户无需安装额外的软件才能运行网页上的JavaScript代码。此外，与HTML和CSS紧密结合，可以直接在HTML文档中嵌入，使得网页的开发变得非常便捷。 JavaScript具有动态性，它可以在浏览器中实时修改页面内容和样。它可以通过操作DOM（文档对象模型来动态地修改网页的结构和布局，并且可以根据用户的行为实时地响应各种事件，如点击、标悬停、滚动等。这使得开发者可以轻松地为网页添加交互性和动态效果，提供更好的用户体验。 JavaScript也是一种面向对象的语言。它支持对象、类、继承、多态等面向对象编程的概念，使得代码结构更加清晰和可维护。开发者可以创建自定义的对象和方法，对功能进行封装和复用，提高代码的可读性和可维护性。
四则运算自动生成程序安装包
04-29
四则运算自动生成程序安装包
基于Linux的私有文件服务器(网盘).zip
04-29
基于Linux的私有文件服务器(网盘)
源代码-access 管理 系统 API 文件.zip
04-29
源代码-access 管理 系统 API 文件.zip
1.清洗类（Cleaning）：杂质数据清洗。 2.标准化类（Normalization）：统一数据格式。 3.分词类（Tokenization）：文本分词处理。 4.词语处理类（WordProcess）：词语相关处理。 5.数据增强类（DataAugmentation）：数据扩增。 6.实体识别类（NamedEntityRecognition）：识别实体。 7.向量化类（Vectorization）：文本向量表示。 8.序列化类（Serialization）：保存数据到磁盘。 在以上类中,一般会使用哪些属性和方法,一一列举,并简短的说明!
07-17
1. 清洗类（Cleaning）： - 属性：raw（原始数据），cleanedData（清洗后的数据） - 方法：clean()（对原始数据进行杂质数据清洗） 2. 标准化类（Normalization）： - 属性：rawData（原始数据），standardizedData（标准化后的数据） - 方法：normalize()（将数据统一为特定格式） 3. 分词类（Tokenization）： - 属性：rawData（原始数据），tokenizedData（分词后的数据） - 方法：tokenize()（对文本进行分词处理） 4. 词语处理类（WordProcess）： - 属性：tokenizedData（分词后的数据），processedWords（经过词语处理后的数据） - 方法：processWords()（对词语进行相关处理，如去除停用词、词干提取等） 5. 数据增强类（DataAugmentation）： - 属性：rawData（原始数据），augmentedData（扩增后的数据） - 方法：augment()（对数据进行扩增，生成更多样本） 6. 实体识别类（NamedEntityRecognition）： - 属性：rawData（原始数据），namedEntities（识别出的实体） - 方法：recognizeNamedEntities()（识别文本中的实体） 7. 向量化类（Vectorization）： - 属性：processedWords（经过词语处理后的数据），vectorizedData（文本向量表示的数据） - 方法：vectorize()（将文本转换为向量表示） 8. 序列化类（Serialization）： - 属性：rawData（原始数据），serializedData（保存到磁盘的数据） - 方法：serialize()（将数据保存到磁盘） 以上是每个类中一般会使用的属性和方法，用于完成各自的功能。具体使用哪些属性和方法可以根据实际需求进行调用和操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值