我发现我的程序大部分时间都花在与此类似的循环中:
uint8_t (&c) [17] = ...
for (int x = 0; x < 16; x++) {
if (c[x + 1] < c[x] - 1) {
c[x + 1] = c[x] - 1;
}
}
它将字段值计算为当前值和前一个字段值减去 1 的最大值。
有什么办法可以加快速度吗?
c
是多次 SSE 操作的结果,因此它可能已经在 xmm 中。然而,任何其他类型的改进也是最受欢迎的。
最佳答案
可以通过注意结果是最多 16 个独立内核(每个内核的形式为 0 0 0 0 N N-1 N-2 N-3 N-3
)来打破依赖性。
__m128i d = _mm_loadu_si128((__m128i*)&c); // get 16 bytes
__m128i ramp = _mm_set_epi8(15,14,13,12,11,10,9,8,7,6,5,4,3,2,1,0);
static __m128i bcast[16]; // shuffles item at i to i+1, i+2, ... 15
// e.g. bcast[3] = _mm_set_epi8(3,3,3,3,3,3,3,3,3,3,3,3,3,0xff,0xff,0xff);
for (i = 0; i < 16; i++)
__m128i tmp = _mm_shuffle_epi8(d, bcast[i]);
tmp = _mm_subs_epu8(tmp, ramp); // saturated subtraction
ramp = _mm_srli_si128(ramp, 1); // Shift the ramp
d = _mm_max_epu8(d, tmp);
}
由 d = max(d, x[i])
生成的依赖关系实际上与顺序无关(假定不需要增量评估 Ram_i),并且依赖关系链可以折叠到二叉树。
但是我们可以做得比 16 次迭代更好——分治技术将任务分为下半部分和上半部分,每个迭代需要 8 次迭代(并且可以并行执行)。然后需要合并的最后阶段,必须将上面的结果 d[8..15] 与 d[0..7] 的递减尾部合并。
关于c++ - 优化 uint8 的最大递减量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43572641/