將SSE代碼轉換爲AVX - 成本_mm256_and_ps

Question

我正在將SSE2正弦和餘弦函數（來自Julien Pommier的sse_mathfun.h;基於CEPHES sinf函數）轉換爲使用AVX以接受8個浮點向量或4個雙精度值。

因此，Julien的函數sin_ps變爲sin_ps8（對於8個浮點數）和sin_pd4對於4個雙精度。 （此處「高級」編輯器無法接受我的代碼，因此請訪問http://arstechnica.com/civis/viewtopic.php?f=20&t=1227375查看它。）

在2011年Core2 i7 @ 2.7Ghz上運行的Mac OS X 10.6.8下使用clang 3.3進行測試，基準測試結果像這樣：

• SINF .. - > 27.7百萬向量評估/第二過5.56e + 07 iters（標準，標量SINF（）函數）

  sin_ps .. - > 41.0百萬矢量評估/秒，在 8.22e + 07 iters

  sin_pd4 .. - > 40.2百萬向量評估/第二過 8.06e + 07 iters

  sin_ps8的.. - > 2.5百萬向量評估/第二過 5.1E + 06 iters

sin_ps8的代價是非常可怕的，它似乎是由於使用了_mm256_castsi256_ps。實際上，註釋掉這行「poly_mask = _mm256_castsi256_ps（emmm2）;」導致更正常的表現。 sin_pd4使用_mm_castsi128_pd，但它似乎不是（僅）在sin_ps8中咬住我的SSE和AVX指令的混合：當我通過2次調用_mm_castsi128_ps來模擬_mm256_castsi256_ps調用時，性能不會提高。 emm2和emm0是指向emmm2和emmm0的指針，都是v8si實例，因此（先驗）正確對齊32位邊界。

有關編譯代碼，請參見sse_mathfun.h和sse_mathfun_test.c。

有沒有（n簡單）的方法來避免我看到的懲罰？

Answer 1

將寄存器中的東西轉移到內存中通常不是一個好主意。每當你存儲一個指針時，你都會這樣做。

取而代之的是：

{ ALIGN32_BEG v4sf *yy ALIGN32_END = (v4sf*) &y; 
     emm2[0] = _mm_and_si128(_mm_add_epi32(_mm_cvttps_epi32(yy[0]), _v4si_pi32_1), _v4si_pi32_inv1), 
     emm2[1] = _mm_and_si128(_mm_add_epi32(_mm_cvttps_epi32(yy[1]), _v4si_pi32_1), _v4si_pi32_inv1); 
     yy[0] = _mm_cvtepi32_ps(emm2[0]), 
     yy[1] = _mm_cvtepi32_ps(emm2[1]); 
     } 

/* get the swap sign flag */ 
emm0[0] = _mm_slli_epi32(_mm_and_si128(emm2[0], _v4si_pi32_4), 29), 
emm0[1] = _mm_slli_epi32(_mm_and_si128(emm2[1], _v4si_pi32_4), 29); 

/* get the polynom selection mask 
there is one polynom for 0 <= x <= Pi/4 
and another one for Pi/4<x<=Pi/2 

Both branches will be computed. 
*/ 
emm2[0] = _mm_cmpeq_epi32(_mm_and_si128(emm2[0], _v4si_pi32_2), _mm_setzero_si128()), 
emm2[1] = _mm_cmpeq_epi32(_mm_and_si128(emm2[1], _v4si_pi32_2), _mm_setzero_si128()); 

((v4sf*)&poly_mask)[0] = _mm_castsi128_ps(emm2[0]); 
((v4sf*)&poly_mask)[1] = _mm_castsi128_ps(emm2[1]); 
swap_sign_bit = _mm256_castsi256_ps(emmm0); 

嘗試這樣：

__m128i emm2a = _mm_and_si128(_mm_add_epi32(_mm256_castps256_ps128(y), _v4si_pi32_1), _v4si_pi32_inv1); 
__m128i emm2b = _mm_and_si128(_mm_add_epi32(_mm256_extractf128_ps(y, 1), _v4si_pi32_1), _v4si_pi32_inv1); 

y = _mm256_insertf128_ps(_mm256_castps128_ps256(_mm_cvtepi32_ps(emm2a)), _mm_cvtepi32_ps(emm2b), 1); 

/* get the swap sign flag */ 
__m128i emm0a = _mm_slli_epi32(_mm_and_si128(emm2a, _v4si_pi32_4), 29), 
__m128i emm0b = _mm_slli_epi32(_mm_and_si128(emm2b, _v4si_pi32_4), 29); 

swap_sign_bit = _mm256_castsi256_ps(_mm256_insertf128_si256(_mm256_castsi128_si256(emm0a), emm0b, 1)); 

/* get the polynom selection mask 
there is one polynom for 0 <= x <= Pi/4 
and another one for Pi/4<x<=Pi/2 

Both branches will be computed. 
*/ 
emm2a = _mm_cmpeq_epi32(_mm_and_si128(emm2a, _v4si_pi32_2), _mm_setzero_si128()), 
emm2b = _mm_cmpeq_epi32(_mm_and_si128(emm2b, _v4si_pi32_2), _mm_setzero_si128()); 

poly_mask = _mm256_castsi256_ps(_mm256_insertf128_si256(_mm256_castsi128_si256(emm2a), emm2b, 1)); 

正如評論所說，cast內在純粹編譯時和不發出指令。

Answer 2

也許你可以將你的代碼與已經有效的Julien Pommier SSE數學函數的AVX擴展進行比較？

http://software-lisc.fbk.eu/avx_mathfun/

這個代碼在GCC但不是MSVC並且只支持浮點數（的float8），但我認爲你可以很容易地擴展它使用雙打（double4）爲好。您的sin函數的快速比較表明它們除了SSE2整數部分外非常相似。