将浮点数相乘和相加
我有一项任务是将一些C++代码转换为ASM，我想知道我的想法是否有意义。首先，我会将整数转换为浮点数。我想得到数组数据到SSE寄存器，但这里有问题，因为我只想要3而不是4个整数，有什么方法可以克服这个问题吗？然后，我将使用CVTDQ2PS将这些整数转换为浮点数，并将这些数字保存在内存中。对于像0.393这样的常量数字，我会做3个浮点数的矢量，然后我会做同样的操作三次，所以我只考虑sepiaRed。
..
sse相关内容
如何在XMM中对有符号字节进行水平求和
我正在用x64汇编和SIMD编写一些代码。 xmm15寄存器中打包了9个字节。为简单起见，让我们看一下以下代码： .data Masks BYTE 0, -1, 0, -1, 5, -1, 0, -1, 0 .code GetSumOfMasks proc movdqu xmm15, xmmword ptr [Masks] ; xmm15 now contains { 0,-1,0,-
..
将2个QWORD从通用寄存器移动到XMM寄存器作为高/低
使用MASM for ml64，我正在尝试将R9和R10中的两个无符号qword作为无符号128B int移到xmm0中 到目前为止，我想出了这个： mov r9, 111 ;low qword for test mov r10, 222 ;high qword for test movq xmm0, r9 ;move
..
用于CPU架构的8位FFT？
我正在寻找一个FFT引擎，可以处理8位实数到复数的转换(大小为65K)。需要这样做是为了加快实时信号处理引擎的速度。它目前受到8位->fp32和fp32->8位转换的限制，以及实际的FFT受到内存带宽的限制(我们目前使用FFTW)。 我以为螺旋项目可能能够做到这一点http://spiral.net，但他们的网页上似乎只有一次或两次转换的代码。 有人知道有什么C或C++库可以做到这一点
..
GCC - 如何重新对齐堆栈?
我尝试构建一个使用 pthreads 和 __m128 SSE 类型的应用程序.根据 GCC 手册，默认堆栈对齐是 16 个字节.为了使用__m128，要求是16字节对齐. 我的目标 CPU 支持 SSE.我使用不支持运行时堆栈重新对齐的 GCC 编译器(例如 -mstackrealign).我不能使用任何其他 GCC 编译器版本. 我的测试应用程序如下所示: #include
..
如何在 GCC 中以 32 字节边界对齐堆栈?
我正在为 Windows 64 位目标使用基于 GCC 4.6.1 的 MinGW64 构建.我正在玩新的英特尔 AVX 指令.我的命令行参数是 -march=corei7-avx -mtune=corei7-avx -mavx. 但是在堆栈上分配局部变量时，我开始遇到分段错误错误.GCC使用对齐的移动VMOVAPS和VMOVAPD来移动__m256和__m256d，这些指令需要32字节结盟
..
用某个值填充向量(SSE2)的最快方法.模板友好
我有这个模板类: 模板结构 A{双 v_sse __attribute__ ((vector_size (8*D)));A(双值){//这里是什么?}}; 用 val 的副本填充 v_sse 字段的最佳方法是什么?由于我使用向量，因此我可以使用 gcc SSE2 内在函数. 解决方案 如果我们可以编写一次代码，只需稍作调整就可以将其编译为更宽的向量，即使在自动向量化
..
NEON、SSE 和交错负载与随机播放
我试图理解“Iwillnotexist Idonotexist"在SIMD optimization of cvtColor using ARM NEON intrinsics上发表的评论: ...为什么不使用映射到 VLD3 指令的 ARM NEON 内部结构?这样可以省去所有的改组，简化和加速代码.英特尔 SSE 实施需要 shuffle，因为它缺少 2/3/4 路去交错加载指令，但您不
..
ARM NEON 的 SSE _mm_movemask_epi8 等效方法
我决定继续快速弯道优化并坚持_mm_movemask_epi8 SSE 指令.如何使用 uint8x16_t 输入为 ARM Neon 重写它? 解决方案 经过一些测试，看起来以下代码可以正常工作: int32_t _mm_movemask_epi8_neon(uint8x16_t 输入){const int8_t __attribute__ ((aligned (16))) xr[8]
..
检查所有 __m128i 组件是否为 0 的最有效方法 [使用 <= SSE4.1 内在函数]
我正在使用 SSE 内在函数来确定一个矩形(由四个 int32 值定义)是否发生了变化: __m128i oldRect;//包含旧的左、上、右、下打包为 128 位__m128i 新矩形；//包含新的左、上、右、下打包为 128 位__m128i xor = _mm_xor_si128(oldRect, newRect); 此时，如果矩形没有更改，则生成的 xor 值将全为零.那么确定这一点
..
SIMD 对 64 位 * 64 位到 128 位的无符号乘法进行签名
我创建了一个使用 SIMD 执行 64 位 * 64 位到 128 位的函数.目前我已经使用 SSE2(实际上是 SSE4.1)实现了它.这意味着它同时做两个 64b*64b 到 128b 的产品.同样的想法可以扩展到 AVX2 或 AVX512，同时提供四个或八个 64b*64 到 128b 产品.我的算法基于 http://www.hackersdelight.org/hdcodetxt/mu
..
加快浮动转换的速度?
我在 C++ 中的浮点类型转换很短，这对我的代码造成了瓶颈. 代码从一个硬件设备缓冲区转换而来，该缓冲区本身是短路的，这表示来自花哨的光子计数器的输入. 浮点因子= 1.0f/值；for (int i = 0; i 整数destination[i] = value*fact
..
使用 _mm_load_pd 时函数崩溃
我有以下功能: 模板void SSE_vectormult(T * A, T * B, int size){__m128d 一个；__m128d b;__m128d c;双 A2[2]、B2[2]、C[2]；常量双 * A2ptr，* B2ptr；A2ptr = &A2[0];B2ptr = &B2[0];a = _mm_load_pd(A);for(int i = 0;
..
Visual Studio 2017:_mm_load_ps 经常编译为 movups
我正在查看为我的代码生成的程序集(使用 Visual Studio 2017)，并注意到 _mm_load_ps 通常(总是?)编译为 movups. 我使用 _mm_load_ps 的数据是这样定义的: struct alignas(16) 向量 {浮动 v[4];}//通常像这样嵌入到其他结构中结构 AABB {向量最小值；向量最大值；bool intersection(/* 参数 *
..
在 C++ 中使用 SSE2 SIMD 对两个数组求和的正确方法
让我们从包括以下内容开始: #include #include 使用命名空间标准； 现在，假设有以下三个std:vector: N = 1048576;矢量一个);矢量b(N);矢量c(N);default_random_engine randomGenerator(time(0));uniform_real_distribution
..
浮点向量的 SSE 缩减
如何使用 sse 内在函数获取浮点向量的总和元素(减少)? 简单的序列号: void(float *input, float &result, unsigned int NumElems){结果 = 0;for(auto i=0; i 解决方案 通常在循环中生成 4 个部分和，然后在循环后对 4 个元素进行水平求和，例如 #include #include
..
SSE 寄存器返回，SSE 禁用
我的情况如下: 我正在为不允许 SSE 指令的内核编写代码 我需要做浮点运算 我正在为 x86_64 平台进行编译 这是一个说明问题的代码示例: int主要(int argc，char** argv){双 d = 0.0, dbase;uint64_t base_value = 300;d = (2200.0 - 1000.0)/(1000.0);dbase = d * base
..
SSE 浮点算术是否可重现?
x87 FPU 以使用内部 80 位精度模式而著称，这通常会导致跨编译器和机器产生意外且不可重现的结果.在我的搜索中在 .NET 上可重现的浮点数学，我发现 .NET(Microsoft 和 Mono)的两个主要实现都发出 SSE 指令，而不是 64 位模式下的 x87. SSE(2) 对 32 位浮点数使用严格的 32 位寄存器，对 64 位浮点数使用严格的 64 位寄存器.通过设置适当的
..
是否有任何 JVM 的 JIT 编译器生成使用矢量化浮点指令的代码?
假设我的 Java 程序的瓶颈确实是一些紧密循环来计算一堆矢量点积.是的，我已经分析过了，是的，它是瓶颈，是的，它很重要，是的，算法就是这样，是的，我已经运行 Proguard 来优化字节码，等等. 这项工作本质上是点积.如，我有两个 float[50] ，我需要计算成对产品的总和.我知道处理器指令集的存在是为了快速批量执行此类操作，例如 SSE 或 MMX. 是的，我可以通过在 JN
..
为什么 SSE scalar sqrt(x) 比 rsqrt(x) * x 慢?
我一直在分析我们在英特尔酷睿双核上的一些核心数学，在研究平方根的各种方法时，我发现了一些奇怪的东西:使用 SSE 标量运算，取倒数平方根更快并乘以得到 sqrt，而不是使用本机 sqrt 操作码！ 我正在使用类似以下的循环对其进行测试: inline float TestSqrtFunction( float in );无效的测试函数(){#define ARRAYSIZE 4096#de
..