在现在CPU设计中都加入SIMD扩展并不是解决应用性能问题的好方法。如果没有很好的利用途径，再强大的SIMD扩展指令集都是徒劳。接下来，我们从编译器技术和编程方法论上探讨如何使用SIMD指令来实现应用加速。 Continue reading »
上篇文章《前瞻-主流处理器中的数据并行支持(SIMD)》 介绍了当今主流CPU中的SIMD扩展，本文将介绍前人是物和利用SIMD来做优化的，下篇<前瞻-拿起SIMD的武器II>将探讨如何使用CPU的向量指令为程序做优化
正如之前提到的，SIMD对具有以下特性的程序性能提升明显：天然数据并行，访存模式重复、在局部数据上重复操作、控制流数据无关。很多应用有这方面的特性，并能通过使用SIMD扩展提高性能，但实际仅有小部分从中获益，接下来将介绍在单核处理器上，利用Intel的SIMD扩展针对某些应用提升性能的研究，如多媒体，数据安全，数据库和一些科学计算应用。
多媒体处理需要软件和硬件的很多支持。如MPEG-1，MPEG-2，MPEG-4，MPEG-7，H.263,JPEG2000等需要实时做复杂的媒体处理.3D图像和立体视频处理都需要更强劲的实时处理.因为各种媒体都需要不同的处理方式，技术支持、算法和硬件，因此针对他们的SIMD扩展改进也很不同。 Continue reading »
多媒体处理算法应用在很多媒体处理环境中，如对文本，手写数据，2D/3D图形和音频对象的捕捉、制造、存储和传输等。过去 都是使用昂贵的多媒体处理硬件协同工作来加速。现在，通用处理器通过在体系结构上增加媒体处理支持来减少使用协同处理器分配和返回带来的开销。在通用处理 器上一个基本的操作能同时作用多个元素的支持成为SIMD并行处理。通过SIMD扩展，通用护理器通过捕捉多媒体算法中潜在的并行特性来加速应用。
这两天在折腾小例子，用来表现对语言做某种扩展后将可更高效的编程。我那蹩脚的coding技术捉襟见肘。一个小例子要言简意赅，写在半页ppt里，要有对比，有突出，又要很直观。尝试了很多次。写小例子很能考察编程能力，指针，静态，数组，寄存器变量，各个类型长度等等。要达到瞄一眼就能印象深刻，被震撼的感觉，难！
眼见为实，看下面的小例子，简单的写个循环:
[code lang="cpp"]
ip (short int* fb, short int* bb,short int* res)
{
int i=0;
for (; i< 8; i++)
res[i] = fb[i] + bb[i]+1;
}[/code]
在龙芯上用simd(单指令多数据，一条指令可以存多个数据)来实现的话，需要这么写，别忘了包含loongson.h头文件，这段代码在gcc4.3之后才支持： Continue reading »
这是Fred chow 在德拉华大学所讲的open64课程讲稿的翻译。若需要原文ppt，请发邮件向我索取。
转载请注明出处: http://lingcc.com
Fred Chow 原版幻灯片见最后一页
1，历史：
1980-83 斯坦福大学RISC编译器研究
1987 MIPS Ucode编译器(R2000) -O2下的全局优化
1991 MIPS UCode编译器(R4000) -O3下的循环优化
另外：
1989 Cydrome Cydra5编译器 软流水优化
1994 SGI Ragnarok编译器(R8000) 浮点性能优化(Floating-pt performance?）
1997年SGI将上面两个分支连同斯坦福SUIF的工作，Rice的IPA整合在一起发布MIPSpro编译器(R10000)
2000年Pro64/Open64编译器(安腾)诞生
2，Open64大事记：
Continue reading »
| 2009-2011© 编译点滴 | Suffusion theme by Sayontan Sinha |
近期评论