SSE指令集加速运算

原文：https://blog.csdn.net/nick_wong/article/details/7779381

先上代码：

1. /*g++ -msse2 main.cpp -lrt*/

2.  

3. #include <iostream>

4. #include <xmmintrin.h>//SSE指令集需包含词头文件

5. #include <time.h>

6. using namespace std;

7.  

8. #define N 120

9. int main() {

10.  

11. struct timespec tpstart,tpend;

12. clock_gettime(CLOCK_MONOTONIC, &tpstart);

13. /////////////////do something

14. {

15.  

16. __m128 *p1,*p2,*p3;//__m128是一个长128位的数据类型，存放在寄存器中

17. __attribute(aligned(128)) float f1[N],f2[N],f3[N];//新建一些浮点型数组

18. /*__attribute(aligned(128))强制使编译器在给f1等分配内存空间时对齐在128位（8字节）上*/

19. //cout<<f1<<"\t"<<(int)f1%128<<endl;

20. /*运行此条语句可以看出地址f1总是128的倍数，在内存上即是总存在一行上，使得总线取值时能够一次取完*/

21. for(int i=0; i<N; i++) {

22. f1[i]=i+0.12;

23. f2[i]=i+0.16;

24. }

25. for(int time=0; time<10000; time++) {

26. p1=(__m128*)f1;

27. p2=(__m128*)f2;

28. p3=(__m128*)f3;

29. for(int i=0; i<N; i+=4) {

30. *p3=_mm_mul_ps(*p1,*p2);//此函数封装了一些汇编原语，使得可以同时计算4个值的乘法

31. p3++;

32. p2++;

33. p1++;

34. }

35. /*注意N的取值，N取为4的整数倍，使得最后一次调用SSE指令时刚好能全部处理完。否则容易引发段错误。

36. 所以，即使不能使用完，也一定要申请4的整数背空间*/

37. }

38. }

39. /////////////////done

40. clock_gettime(CLOCK_MONOTONIC, &tpend);

41. long timedif = (tpend.tv_sec-tpstart.tv_sec)*1000*1000+(tpend.tv_nsec-tpstart.tv_nsec)/1000;

42. cout<<"SSE:\t"<<timedif<<endl;

43.  

44. /////////////////////////不采用SSE指令/////////////////////////////////////

45.  
46.  

47. clock_gettime(CLOCK_MONOTONIC, &tpstart);

48. /////////////////do something

49. {

50.  

51. float f1[N],f2[N],f3[N];

52. for(int i=0; i<N; i++) {

53. f1[i]=i+0.12;

54. f2[i]=i+0.16;

55. }

56.  

57. for(int time=0; time<10000; time++) {

58. for(int i=0; i<N; i++) {

59. f3[i]=f1[i]*f2[i];

60. }

61. }

62. }

63. /////////////////done

64. clock_gettime(CLOCK_MONOTONIC, &tpend);

65. timedif = (tpend.tv_sec-tpstart.tv_sec)*1000*1000+(tpend.tv_nsec-tpstart.tv_nsec)/1000;

66. cout<<"noSSE:\t"<<timedif<<endl;

67.  

68. return 0;

69. }

注意计时函数需要包含的头文件和编译选项，clock_gettime函数能精确到纳秒。

运行结果为：

SSE:    4929
noSSE:    9980

以微秒为单位，平均提高约两倍。

下面是另一份代码，演示如何动态申请空间，注意内存对齐：

1. #include <xmmintrin.h>

2. #include <iostream>

3. using namespace std;

4. const int N=120;

5.  

6. int main()

7. {

8. __m128 *p1,*p2,*p3;

9. __attribute(aligned(128)) float *pf1,*pf2,*pf3;

10. pf1=(float *)_mm_malloc(sizeof(float)*N,128);

11. pf2=(float *)_mm_malloc(sizeof(float)*N,128);

12. pf3=(float *)_mm_malloc(sizeof(float)*N,128);

13. cout<<(int)pf1%128<<endl;

14. cout<<(int)pf2%128<<endl;

15. cout<<(int)pf3%128<<endl;

16.  

17. for(int i=0;i<N;i++){

18. pf1[i]=i+0.12;

19. pf2[i]=i+0.16;

20. };

21. p1=(__m128*)pf1;

22. p2=(__m128*)pf2;

23. p3=(__m128*)pf3;

24. for(int i=0;i<N;i+=4){

25. *p3=_mm_add_ps(*p1,*p2);

26. p3++;

27. p2++;

28. p1++;

29. }

30. _mm_free(pf1);

31. _mm_free(pf2);

32. _mm_free(pf3);

33. return 0;

34. }