Linux上编译SIMD指令程序
(1) g++编译时加入 __MMX__, __SSE__ predefinitions;
(2) gcc的链接时-march=pentium4 -mmmx -msse -m3dnow
(3) 包括头文件: xintrinsic.h
如果用Eclipse开发时注意设置的地方。
IA-32 Intel体系结构的指令主要分为以下几类:
- 通用
- x87 FPU
- MMX技术
- SSE/SSE2/SSE3扩展
MMX/SSE类扩展引入了SIMD(单指令多数据)的执行模式,可用于加速多媒体应用。 下面简要介绍一下这些指令的执行环境和特征。
- 8个32位通用寄存器可为各个SIMD扩展所使用;
- MMX:8个64位MMX寄存器(mm0 - mm7),也可为各SSE扩展所使用;
- 数据为整数,最多支持两个32位
- 运算中没有寄存器能够进行溢出指示
- SSE:8个128位xmm寄存器,MXSCR寄存器,EFLAGS寄存器
- 支持单精度浮点
- MXSCR含有rounding, overflow标志
- 支持64位SIMD整数
- SSE2:执行环境同sse
- 双精度浮点
- 128位整数
- 双—单精度转换
- SSE3:与Inte Prescott处理器一同发布不久,共13条指令
- 主要增强了视频解码、3D图形优化和超线程性能
MMX技术出现最早,目前几乎所有的X86处理器都提供支持,包括嵌入式X86, 所以下面的讨论主要基于MMX,但方法完全适用于SSEn, 包括像AMD的3D Now等其它SIMD扩展。
MMX指令又分为以下几种:
- 数据传送:movd, movq
- 数据转换:packsswb, packssdw, packuswb, punpckhbw, punpckhwd, punpckhdq, punpcklbw, punpcklwd, punpckldq
- 并 行算术:paddb, paddw, paddd, paddsb, paddsw, paddusb, paddusw, psubb, psubw, psubd, psubsb, psubsw, psubusb, psubusb, psubusw, pmulhw, pmullw, pmaddwd
- 并行比较:pcmpeqb, pcmpeqw, pcmpeqd, pcmpgtb, pcmpgtw, pcmpgtd
- 并行逻辑:pand, pandn, por, pxor
- 移位与旋转:psllw, pslld, psllq, psrlw, psrld, psrlq, psraw, psrad
- 状态管理:emms
这些指令除了需要注意功能外,还需要注意处理的数据类型。以上内容为背景介绍,细节请参考手册。
性能优化 ...Performance Optimization
当 使用C/C++完成了一个嵌入式应用的所有功能,性能问题常摆在面前, 这时可以使用profile工具(如gprof)找出产生瓶颈的函数, 将这些函数使用汇编彻底重写, 例如MPEG-4编解码器xvid项目 [4]就使用了这种方法, 而且针对不同处理器/指令集分别给出了不同的优化, 正是如此该项目无论功能、还是性能均为一流, 显然这是深度优化的目标所在。
在使用流水线、VLIW以及SIMD的 体系结构(比如某些DSP)上, 整个函数的手工优化可以带来几倍到几十倍的性能提升。 不过,性能允许,对于函数内关键部分使用一些特定的实现, 既突出重点提高性能,又可以尽多地利用C/C++的高级特征, 相对缩短开发周期。 下面给出使用GCC时,应用MMX指令的几种混合编程方法:
- Intel C/C++ 编译器intrinsics
- GCC builtin操作
- 嵌入汇编asm construct
Intel C/C++ 编译器intrinsics ...Intel C/C++ Compiler Intrinsics
查看IA-32 Intel指令集手册时, 部分指令的解释中会有一项“Intel C/C++ Compiler Intrinsic Equivalent”, 会指出该指令对等的intrinsic。 intrinsic在C/C++程序中的语法是以函数形式出现, 编译时可以直接翻译为一条MMX指令(复合情况会生成最直接的几条), 换言之,如果不使用intrinsic,可能需要多条C/C++语句完成, 而编译器却并不能保证将这几条语句能够生成这条最高效的MMX指令。 并不是每条MMX指令都有对等的intrinsic, 手册的附录中列出了所有的, 它们分为简单型(simple)和复合型(composite)两种, 每个简单型的就是对应一条指令,而复合型则对应多条指令。
GCC支持Intel C/C++ Compiler Intrinsics。用法如下示例:
#include <stdio.h> |
几点说明:
- 即使你不是P4平台,编译时也请使用以下选项,
/*gcc -Wall -march=pentium4 -mmmx -o ins mmx_ins.c*/
否则,会出现如下类似信息:...xmmintrin.h:34:3: #error "SSE instruction set not enabled"
- 最 终结果实际并没有求得四对乘积的和,只是前两对的, instrinsic _mm_cvtsi32_si64只向mm寄存器放入了低32位,高32位为零, 但mmx有指令movq可以做到64位的数据传送,intrinsic没有对应, 这也说明并不是所有的指令有等价的intrinsic。
- 当计算的向量为两对0x8000, 0x8000时,即(-2^15)*(-2^15) + (-2^15)*(-2^15) , 结果应该为 2^31,但计算出来的值是 -2^31, 因为发生了溢出,可程序无从知道。 这是使用MMX时,应特别注意的,计算溢出没有任何标志位指示,一个极大的值变为极小,SSE对此做了改善。
- 程序不再使用MMX之时,注意使用emms指令清除MMX状态。
使用built-in操作 ...GCC built-in Operation
什么是built-in操作?就是对待MMX操作数,就如int, float等基本数据类型一般, 有相应定义的操作,如加(+)、减(-),或者数据类型之间的转换。 详细内容参考GNU GCC Manual [5] Extensions to the C Language Family4#4Built-in Functions4#4 X86 Built-in Functions一节。
一些MMX指令有其相应的built-in操作, 下面一段代码为例:
#include <stdio.h> |
几点说明:
- 是的,这里built-in vector及其操作,随着GCC的发展正在加强。如果需要使用以上范例,应使用GCC 3.4以上版本;
- 使用builtin函数时,与intrinsic相似;但本质却是不同,这里两个向量使用‘+’操作就说明了vector也如其它数据类型一样,编译器直接支持,只不过这里的加法就是指四个单元数分别相加,低位单元的进位不会影响相邻高位单元的数据;
- vector还可以强制转换为通用数据。
![]() ![]() |
![]()
|
GCC一开始就允许C代码中嵌入asm指令,并不只是针对MMX指令, 不过对于MMX技术,显然也是一个很好的利用方法, 详细的语法请参考GNU GCC手册 [5], 或者GCC: The Complete Reference [6]''Inline Assembly''一节。 如下是一个点积的例子:
#include <stdio.h> |
几点说明:
- 这里是典型的在函数中C和汇编混合编程;
- 注意汇编指令中操作数的顺序;
- 这里可以直接使用movq等没有intrinsics/built-in对应的指令;
- 注意在asm指令序列中间不要加杂注释,可能导致生成的代码不正确。
MMX实用一例:合成滤波器 ...Synthesis Filter in X86 SIMD INSTRUCTIONS
下面是合成滤波器(Synthesis Filter)的一个优化过程, 合成滤波器在语音编解码中有广泛应用, 运行时也占用了整个算法中较高比例的时间。
for (i = 0; i < lg; i++)
{
s = L_mult(x[i], a[0]);/*L_mult是相乘后左移*/
for (j = 1; j <= M; j++){/*M这里固定为10*/
s = L_msu(s, a[j], yy[-j]);/*L_msu是乘减后左移操作*/
}
s = L_shl(s, 3); /*左移三位*/
*yy++ = g729round(s);
}
#endif
上面的代码,因为内存循环为10,可以考虑展开,并统一操作为乘加指令。
/*为了使用乘加操作,需要调整10个系数的顺序*/ |
以上循环内核正好可以将MMX的8个寄存器全部利用。
/*为了使用乘加操作,需要调整10个系数的顺序*/ |
几点说明:
- 注意:以上嵌入的汇编代码输出结果s放在了输入处,属于实践中的个案;
- MMX没有乘左移之类的DSP指令,甚至还没有加饱和之类的操作,SSE中有一定增强;
- 以上操作,理论上存在溢出可能,所以最后使用原有的饱和左移操作,减少了一定风险;
- 上面的部分代码操作显然允许并行,这在VLIW系统中十分有用;
- 这已经形成了该滤波器全面优化的核心。
如果愿意尽多地利用SIMD技术,可能需要更多地使用汇编级的编码, 不过也有一些高级语言和汇编的混合编程技术能够帮助你, 它们有的提高性能更大一些, 有的形式上更优雅些,本质上效率也不错, 都不失好的方法,建议尝试。
正是如此,一方面CPU上支持越来越多的SIMD指令集扩展, 另一方面GCC也正在加紧支持这些扩展的易用,对,正在, 碰到一些问题,先想办法绕过去, 这里使用GCC 3.4.1,根据经验效果还是不错的。
This document was generated using the LaTeX2HTML translator Version 2002 (1.62)
Copyright ® 1993, 1994, 1995, 1996, Nikos Drakos, Computer Based Learning Unit, University of Leeds.
Copyright ®, 1998, 1999, Ross Moore, Mathematics Department, Macquarie University, Sydney.
The command line arguments were: latex2html -iso_language CN -html_version 4.0,unicode -address '®2004 CoreUp Designs' -local_icons -split 0 -nonavigation gccsimd
The translation was initiated by on 2004-12-13