int u1, u2;
unsigned long elm1[20], _mulpre[16][20], res1[40], res2[40]; 64 bits long
res1, res2 initialized to zero.
l = 60;
while (l)
{
for (i = 0; i < 20; i += 2)
{
u1 = (elm1[i] >> l) & 15;
u2 = (elm1[i + 1] >> l) & 15;
for (k = 0; k < 20; k += 2)
{
simda = _mm_load_si128 ((__m128i *) &_mulpre[u1][k]);
simdb = _mm_load_si128 ((__m128i *) &res1[i + k]);
simdb = _mm_xor_si128 (simda, simdb);
_mm_store_si128 ((__m128i *)&res1[i + k], simdb);
simda = _mm_load_si128 ((__m128i *)&_mulpre[u2][k]);
simdb = _mm_load_si128 ((__m128i *)&res2[i + k]);
simdb = _mm_xor_si128 (simda, simdb);
_mm_store_si128 ((__m128i *)&res2[i + k], simdb);
}
}
l -= 4;
All res1, res2 values are left shifted by 4 bits.
}
上面提到的代码在我的程序中被调用了很多次(分析器显示 98%)。
编辑:在内部循环中,对于相同的 (i + k) 值, res1[i + k] 值被加载多次。我在 while 循环中尝试使用此方法,将所有 res1 值加载到 simd 寄存器(数组)中,并在最里面的 for 循环中使用数组元素来更新数组元素。两个 for 循环完成后,我将数组值存储回 res1、re2。但计算时间随之增加。知道我哪里错了吗?这个想法似乎是正确的
欢迎任何使其更快的建议。
不幸的是,最明显的优化可能已经由编译器完成了:
- 你可以拉
&_mulpre[u1]
and &mulpre[u2]
我们的内循环。
- 你可以拉
&res1[i]
我们的内循环。
- 对两个内部操作使用不同的变量并对它们重新排序,可能会实现更好的流水线操作。
交换外部循环可能会改善缓存局部性elm1
.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)