关于Loop Vectorization的二三事

Chen_hsuan

已于 2022-01-21 11:49:22 修改

阅读量2k

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

本文链接：https://blog.csdn.net/sang749992462/article/details/122617731

版权

本文探讨了Loop Vectorization的概念，通过SIMD技术提高处理效率。介绍了数据依赖对向量化的影响，以及ICC和LLVM编译器中的自动向量化实现。并提供了无依赖、无环图和有环图的向量化分析，展示了编译器如何处理这些情况。

摘要由CSDN通过智能技术生成

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