计算8个AVX单精度浮点向量的8个水平和

文章/答案/技术大牛

发布

0回答

optimization、intrinsics、avx、low-level

我有8个AVX向量，每个向量包含8个浮点数(总共64个浮点数)，我想将每个向量中的元素求和(基本上执行8个水平求和)。permute2f128_ps(sum0, sum1, 0x21); // final inter-lane shuffling} 正如你所看到的，我只是在最后转置向量和求和元素。我已经在这里使用了两个技巧:在可能的</e

浏览 14提问于2018-07-11得票数 9

回答已采纳

1回答

ieee754浮点异常的用途是什么？(NAN、OVERFLOW、INEXACT、INEXACT、UNDERFLOW、DIV0)

floating-point

我知道浮点异常的含义，也知道如何在C++编程中获取这些异常( function: fetestexcept(FE_INEXACT/FE_UNDERFLOW/...))但是你能告诉我你在你的项目或编程过程中用过这些异常吗？浮点异常的用途是什么？

浏览 39提问于2021-04-19得票数 1

回答已采纳

1回答

使用混合(浮点，双)输入向量执行AVX内部产品操作的最快方法

c++、vectorization、simd、avx、sse2

我需要为混合的单/双精度浮点矢量建立一个单精度浮点内积例程，利用AVX指令集实现256位的SIMD寄存器。问题:一个输入向量是float (x)，另一个是double (yD)。因此，在计算真正的内部积操作之前，我需要将输入的yD向量数据从double转换为float。使用SSE2指令集，我能够实现一个非常快的代码来完成我需要的事情，并且速度性能非常接

浏览 0提问于2018-03-21得票数 8

1回答

单精度复数的水平和？

c++、avx、avx2

我有一个256位AVX寄存器，包含4个单个精确的复数，存储为实的、虚的、实的、虚的，等等。我目前正在将256位寄存器写回内存，并将其加在内存中，但这似乎效率低下。如何使用AVX (或AVX2)本质来执行复数水平和？我会接受一个使用程序集的答案，如果没有一个效率相当的答案使用本质。编辑:为了澄清，如果寄存器包含AR，AI，BR，BI，CR，CI，DR，DI，我想计算复数(AR + B

浏览 3提问于2016-07-12得票数 0

回答已采纳

2回答

倒数计算在c++中的性能

c++、performance、math、inverse

有没有办法提高计算性能？ 1 / (1 + a * b) 其中a和b是双倍的。a的值是常数。我需要做数百万这样的计算。

浏览 5提问于2016-01-26得票数 2

回答已采纳

4回答

我认为说一个GPU有1000个核心，其中一个CPU只有4到8个内核，这是一种非意义的说法。但我想给我的观众一个比较的元素。在与NVidia的开普勒和AMD的GCN架构合作了几个月之后，我很想将GPU“核心”与CPU的SIMD ALU进行比较(我不知道他们在英特尔是否有这样的名字)。公平吗?指出，一个Haswell处理器每个周期可以执行32次单精度操作，但我认为需要流水线或其他事情来实现这一速度。用NVidia的话说，这个处理器有多少个Cuda核 ?--

浏览 8提问于2013-07-02得票数 17

回答已采纳

1回答

两个_m128i SIMD向量之间匹配字节数的计数

c++、bioinformatics、sse、simd、hamming-distance

我正在开发一个生物信息学工具，我试图使用SIMD来提高它的速度。给定两个长度为16的字符数组，我需要快速地计数字符串匹配的索引数。如下面的foo函数所示，我将seq1和seq2中的每个字符打包到__m128i变量s1和s2中，并使用_mm_cmpeq_epi8同时比较每个位置。比__m128i中的每一点加起来都快得多，但是__popcnt128()是函数中最慢的瓶颈，占了计算速度的80%左右。因此，我想提出一种替代popcnt128的</em

浏览 7提问于2021-04-26得票数 2

回答已采纳

2回答

不同的mmx、sse和avx版本是互补的还是相互补充的？

x86、sse、avx、mmx

我找不到一个很好的概览，其中哪些仍然相关。其中有些是相互排斥的吗？也就

浏览 2提问于2015-07-18得票数 37

回答已采纳

1回答

SSE指令MOVSD (扩展: x86，x86-64上的浮点标量和矢量操作)

c、assembly、x86-64、sse、sse2

我写了一些计算矩阵乘法的数值代码，简单地使用没有SSE本质的普通C代码。我甚至不包括用于编译的SSE2本质的头文件。或者，这个x86指令早在SSE指令集之前就已经存在了，而SSE2中的_mm_load_sd()本质只是为使用XMM寄存器进行标量计算提供向后兼容性吗？2)为什么编译器不使用其他浮点寄存器，无论是80位浮点堆栈，还是64位浮点寄存器？为什么它必须使用XMM寄存器(通过设置上64位0并实质上浪费存储)来收取

浏览 2提问于2016-03-16得票数 2

回答已采纳

2回答

最小SIMD矢量宽度数据类型

c、vectorization、hardware、intel、simd

例如，一个英特尔AVX-512有能力的硬件，我可以容纳8倍(64位)或16个单打(32位)到我的矢量。但是，如果我在64位计算机上运行，那么我的默认指针大小很可能是64位。这似乎表明，在64位计算机上，我可以拥有的最小分区是64位数据类型。然后考虑我下面的MWE，我希望编译器看到我只处理32位对象(或更小的对象)。如果我能够使用64位数据类型将向量划分为32位数据类型，那么我可以在一半的时间内完成缩减/计算</em

浏览 0提问于2018-03-28得票数 5

2回答

SIMD像素对比度:像素与其邻居之间的差异之和(uint16_t颜色分量，浮点数和)？

image-processing、assembly、x86、sse、avx

使用SIMD / assembler将绝对值(最大差)减去2 uint16s并将结果添加(+=)到浮点的最佳方法是什么？，c是浮点数。只有一个字->浮点转换，而不是3个。为了澄清，我当前的C代码计算固定

浏览 3提问于2015-12-23得票数 2

2回答

我能在Xeon (骑士登陆)处理器上编译Go程序吗？

go、intel、processor、xeon-phi、knights-landing

我是一个喜欢在Go中运行自己程序的爱好者，随着Xeon处理器的老化，它们也变得非常便宜。如此便宜，我可以在2015/16年间以<1000美元的价格建造一台双插槽机。令人困惑的是，在Go发布说明中，暗示过去支持它。我在其他线程中看到，所有程序都将在兼容层上运行，但这是一个非常慢的层，只能访问cpu缓存的一小部分。或者只是一般情况下，在启动Ubuntu (或)之后，什么样的事情将不起作用，什么会起作用？我感谢所有的帮助！

浏览 8提问于2021-01-20得票数 1

回答已采纳

3回答

用手进行浮点除法的强度降低

c、floating-point、x86-64、ieee-754、strength-reduction

在本学期计算机科学的最后一项作业中，我们必须对一些代码片段进行强度缩减。它们中的大多数都是直截了当的，特别是在查看编译器输出时。但是其中一个我无法解决，即使在编译器的帮助下。我们的教授给了我们以下提示： for (int i = 0; i < N; ++i) {}

浏览 13提问于2022-06-16得票数 4

回答已采纳

1回答

Java自动矢量化示例

java、assembly、vectorization、x86-64、simd

这段代码可以从自动矢量化中受益，所以我认为java应该在运行时使用SSE或AVX指令编译它，以加快速度。但是，我在生成的本机代码中找不到矢量化指令。AVX指令vaddss。但是，如果我在这里是正确的，vaddss意味着添加标量单精度浮点值，而这只会将一个浮点值添加到另一个浮点值(这里，标量表示只有一个浮点值，而这里只表示32位浮点值，即float而不是double)。我在这里期望的是vaddps，

浏览 13提问于2020-01-13得票数 10

回答已采纳

2回答

Rasberry Pi 3与Intel Core i7 (浮点运算)的性能比较

c#、raspberry-pi、intel、raspberry-pi3、windows-10-iot-core

我做了一个简单的性能比较，重点是使用浮点操作使用C#，目标是Raspberry Pi 3 Model 2和Windows 10 IoT，并将其与Intel Core i7-6500 U CPU @ 2.50GHz根据这些测试，英特尔核心i7的仅比覆盆子Pi 3快12倍 (x64)。确切地说，该因子是11.67，是为在每个平台上的测试中获得的最佳性能而计算的。这两个平台在并行计算中运行的四个线程获得了最佳的性能(非常

浏览 2提问于2016-11-21得票数 0

2回答

对数组的预计算跨区访问模式会带来更差的性能？

python、c、numpy、python-c-api

我为numpy库编写了一个c扩展，它用于计算特定类型的bincount。由于没有更好的名称，我们将其命名为fast_compiled，并将方法签名放在numpy/core/src/multiarray/multiarraymodule.c中array_module_methodsweights和一个可选的关键字参数strides。取决于是否指定了strides，它将使用另一种(等效的)方法来计算答案。我很好奇为什么预计算步幅并将

浏览 2提问于2021-06-01得票数 2

回答已采纳

5回答

快速逆范数函数

math、optimization、assembly、sse、micro-optimization

我有一个程序，它几乎把所有的时间都花在计算循环上 for(int i = 0; i < SMALLNUMBER; i++))*(A[i].x-B[j].x)+(A[i].y-B[j].y)*(A[i].y-B[j].y)+(A[i].z-B[j].z)*(A[i].z-B[j].z)); 其中，1.0/sqrt(...)计算两个向量A[i] = {A[i].x, A[i].y, A[i].z}和B[j] = {B[j].x, B[j].y,

浏览 0提问于2014-05-06得票数 2

回答已采纳

3回答

如何替换源代码或库中的__ieee754_exp_avx调用？

c++、c、performance、gcc、optimization

在某个源代码中大量使用来自__ieee754_exp_avx的libm*.so，我想用一个更快的exp(x)实现来代替它吗？

浏览 6提问于2017-01-18得票数 2

回答已采纳

2回答

为什么CUDA GPU矩阵乘法比numpy慢？怎么这么快？

python、numpy、cuda、benchmarking、numba

正如一位评论者所问的，数组位于32位浮点数中。我知道一个3 3GHz的CPU不能在5ps内完成一个任务，所以很明显，我指的是平均吞吐量。由于吞吐量比假设每周期增加1乘的估计值高出30倍，这意味着对实现进行了严格的优化，使用数据自动化

浏览 3提问于2021-08-12得票数 1

4回答

8个压缩32位浮点数的水平和

x86、sse、simd、avx

如果我有8个打包的32位浮点数(__m256)，那么提取所有8个元素的水平和的最快方法是什么？同样，如何获得水平最大值和最小值？换句话说，以下C++函数的最佳实现是什么？

浏览 2提问于2012-12-14得票数 3

回答已采纳

点击加载更多