摘要:
很多年来,x86体系的CPU增加的新指令集大多都是SIMD指令(和相应的寄存器);
然而很容易忽视的是,我们在高级语言内也能进行很多SIMD类计算!
正文:
单指令多数据流,Single Instruction Multiple Data,简写为SIMD,就是说用
一个指令同一时间处理多个数据;
很多年来,x86体系的CPU增加的新指令集大多都是SIMD指令(和相应的寄存器);
比如MMX,3DNow!,MMX2,SSE,SSE2,SSE3,SSSE3,SSE4,AVX等等;
不用借助这些高级指令集和其特殊寄存器,我们在高级语言范围内,也能进行
很多SIMD类似的计算;
问题一 : 对一个字节流的每一个数据进行右移1位
一般的代码: (当然,输出数组也可以是另外一个数组,下同)
- uint8 a[10000];
- for (int i=0;i<10000;++i)
- a[i]=a[i]>>1;
使用SIMD思路的代码(4路数据流同时计算):
- uint8 a[10000];
- uint32* a32=(uint32*)a;
- for (int i=0;i<2500;++i){
- uint32 c=a32[i]&0xFEFEFEFE;
- a32[i]=c>>1;
- }
明白了这里的实现原理,那么对于其他右移位数/左移/双字节数据也能同理处理了;
其他几个问题也一样可以举一反三;
提示: 如果软件运行在64位模式,那我们就能一次处理更多的数据!
问题二 : 对一个字节流的每一个数据x,计算255-x
一般的代码:
- uint8 a[10000];
- for (int i=0;i<10000;++i)
- a[i]=255-a[i];
使用SIMD思路的代码(4路数据流同时计算):
- uint8 a[10000];
- uint32* c=(uint32*)a;
- for (int i=0;i<2500;++i){
- a32[i]=~a32[i];
- }
问题三 : 求两个字节流的平均字节流
一般的代码:
- uint8 a[10000];
- uint8 b[10000];
- for (int i=0;i<10000;++i)
- a[i]=(a[i]+b[i])>>1;
使用SIMD思路的代码(2路数据流同时计算):
- uint8 a[10000];
- uint8 b[10000];
- uint32* a32=(uint32*)a;
- uint32* b32=(uint32*)b;
- for (int i=0;i<2500;++i){
- uint32 c=a32[i];
- uint32 d=b32[i];
- uint32 e_1_3 =(c & 0xFF00FF00)>>1;
- uint32 e_0_2 =(c & 0x00FF00FF);
- e_1_3+=(d & 0xFF00FF00)>>1; //隔字节取数为了留下空间(0)做移位
- e_0_2+=(d & 0x00FF00FF);
- a32[i]=((e_1_3 & 0xFF00FF00)) | ((e_0_2>>1) & 0x00FF00FF);//& 0x00FF00FF为了去掉无效区域数据
- }
如果允许结果有点小误差,也可以这样写(4路数据流同时计算):
- uint8 a[10000];
- uint8 b[10000];
- uint32* a32=(uint32*)a;
- uint32* b32=(uint32*)b;
- for (int i=0;i<2500;++i){
- a32[i]=(a32[i]&0xFEFEFEFE>>1)+(b32[i]&0xFEFEFEFE>>1);
- }
一个来源于ffmpeg的算法 (4路数据流同时计算): (相当精彩啊)
- uint8 b[10000];
- uint32* a32=(uint32*)a;
- uint32* b32=(uint32*)b;
- for (int i=0;i<2500;++i){
- uint32 c=a32[i];
- uint32 d=b32[i];
- a32[i]=(c&d) + (((c^d) & 0xFEFEFEFE) >> 1); //http://blog.csdn.net/zhongjiekangping/article/details/6855864
- }
-
-
问题四 : 按指定比例混合两个字节流 (alphaBlend混合,线性插值缩放等常用的算法)
一般的代码:
//算法为 dst=(a*(255-s)+b*s)/255;
//如果允许误差,可以改为 dst=((a<<8)+((int)b-a)*s)>>8;(甚至dst=a+(((int)b-a)*s>>8));
- uint8 a[10000];
- uint8 b[10000];
- int s=13;
- for (int i=0;i<10000;++i){
- int c=a[i];
- a[i]=((c<<8)+(b[i]-c)*s)>>8;
- }
//如果不能有误差,这里可以用公式(x/255)==(x*32897>>23)==(x+(x>>8)+1)>>8;
使用SIMD思路的代码(2路数据流同时计算):
- uint8 a[10000];
- uint8 b[10000];
- int s=13;
- uint32* a32=(uint32*)a;
- uint32* b32=(uint32*)b;
- int rs=256-s;
- for (int i=0;i<2500;++i){
- uint32 c=a32[i];
- uint32 d=b32[i];
- uint32 e_0_2=(c & 0x00FF00FF)*rs + (d & 0x00FF00FF)*s; //隔字节取数为乘法预留空间(可能进位)
- uint32 e_1_3=((c & 0xFF00FF00)>>8)*rs + ((d & 0xFF00FF00)>>8)*s;
- a32[i]=((e_0_2 & 0xFF00FF00)>>8) | (e_1_3 & 0xFF00FF00);
- }
问题四: 在字节流中查找第一个出现0值位置 (字节流的值域[0..128]) (字符串结束位置查找?)
一般的代码:
- uint8 a[10000];
- for (int i=0;i<10000;++i){
- if (a[i]==0)
- return i;
- }
- return -1;
使用SIMD思路的代码(4路数据流同时计算):
- uint8 a[10000];
- uint32* a32=(uint32*)a;
- uint32 test=0;
- int i=0;
- for (;i<2500;++i){
- test=(a32[i]-0x01010101)&0x80808080; //只要a32[i]非零,减0x01010101最高位就非零,&0x80808080就非零
- if (test!=0)
- break;
- }
- if (test==0)
- return -1;
- i*=4;
- while ((test&0x80)==0){ //四字节取出后被小端存储,故++i;
- ++i;
- test>>=8;
- }
- return i;
问题扩展: 字节流的值域[0..255]时的0查找;
一般的代码同上,不用修改;
使用SIMD思路的代码(4路数据流同时计算):
- uint8 a[10000];
- uint32* a32=(uint32*)a;
- uint32 test=0;
- int i=0;
- for (;i<2500;++i){
- uint32 c=a32[i];
- c=((c&0xF0F0F0F0)>>4)|(c&0x0F0F0F0F); //0-255--》0-128,每个字节高四位与第四位或,若非零,仍非零
- test=(c-0x01010101)&0x80808080;
- if (test!=0)
- break;
- }
- if (test==0)
- return -1;
- i*=4;
- while ((test&0x80)==0){
- ++i;
- test>>=8;
- }
- return i;
当然,在有SIMD对应指令可以使用的环境下,直接用其指令一般还是比这里的模拟实现有优势的;
如果没有或者不好动用这些指令的情况下,模拟SIMD的实现还是很有速度优势的;
当你能在高级语言内熟练编写SIMD类算法,那么在真的使用SIMD指令的时候就更能得心应手了;
转自:http://blog.csdn.net/housisong/article/details/6324467