Компиляция простой С++-программы, использующей встроенные средства SSE

Ответ 1

_ aligned_malloc и _ aligned_free являются Microsoft-измами, Используйте posix_memalign или memalign в Linux и другие. Для Mac OS X вы можете просто использовать malloc, так как он всегда равен 16 байт. Для портативного SSE-кода вы обычно хотите реализовать функции-обертки для выровненных распределений памяти, например.

void * malloc_simd(const size_t size)
{
#if defined WIN32           // WIN32
    return _aligned_malloc(size, 16);
#elif defined __linux__     // Linux
    return memalign(16, size);
#elif defined __MACH__      // Mac OS X
    return malloc(size);
#else                       // other (use valloc for page-aligned memory)
    return valloc(size);
#endif
}

Реализация free_simd оставлена ​​как упражнение для читателя.

Ответ 2

Короткий ответ: используйте _mm_malloc и _mm_free из xmmintrin.h вместо _aligned_malloc и _aligned_free.

Обсуждение

Вы должны не использовать _aligned_malloc, _aligned_free, posix_memalign, memalign или что-то еще, когда вы пишете код SSE/AVX. Это все функции, связанные с компилятором и платформой (MSVC или GCC или POSIX).

Intel представила функции _mm_malloc и _mm_free в компиляторе Intel специально для вычислений SIMD (см. this). Другие компиляторы с целевой архитектурой x86 тоже добавили их (так же, как они регулярно добавляют внутреннюю среду Intel). В этом смысле они являются единственным кросс-платформенным решением: они должны быть доступны в каждом компиляторе, поддерживающем SSE.

Эти функции объявляются в заголовке xmmintrin.h. Любой заголовок для более поздней версии SSE/AVX автоматически включает предыдущие, поэтому было бы достаточно включить только smmintrin.h или emmintrin.h например.

Ответ 3

Это напрямую не отвечает на ваш вопрос, но я хочу указать, что ваш код SSE неправильно написан, я был бы удивлен, если он сработает. Вам нужно использовать операции загрузки/хранения для не-sse-типов, которые включают выровненные не-sse-типы, такие как ваш выровненный массив float (вам нужно сделать это, даже если у вас есть динамический массив типа SSE). Вы должны помнить, что, когда вы работаете с SSE, типы данных SSE предполагают представлять данные в регистрах SSE, а все остальное обычно находится в системной памяти или не SSE-регистрах, и поэтому вам нужно загрузить/сохранить из/для регистрации и памяти. Как ваша функция должна выглядеть так:

void myssefunction
(
    float* pArray1,                   // [in] first source array
    float* pArray2,                   // [in] second source array
    float* pResult,                   // [out] result array
    int nSize                         // [in] size of all arrays
)                                   
{
    const __m128 m0_5 = _mm_set_ps1(0.5f);        // m0_5[0, 1, 2, 3] = 0.5
    for (size_t index = 0; index < nSize; index += 4)
    {
        __m128 pSrc1 = _mm_load_ps(pArray1 + index); // load 4 elements from memory into SSE register
        __m128 pSrc2 = _mm_load_ps(pArray2 + index); // load 4 elements from memory into SSE register

        __m128 m1   = _mm_mul_ps(pSrc1, pSrc1);        // m1 = *pSrc1 * *pSrc1
        __m128 m2   = _mm_mul_ps(pSrc2, pSrc2);        // m2 = *pSrc2 * *pSrc2
        __m128 m3   = _mm_add_ps(m1, m2);                // m3 = m1 + m2
        __m128 m4   = _mm_sqrt_ps(m3);                   // m4 = sqrt(m3)
        __m128 pDest  = _mm_add_ps(m4, m0_5);          // pDest = m4 + 0.5

        _mm_store_ps(pResult + index, pDest); // store 4 elements from SSE register to memory.
    }
}

Также стоит отметить, что у вас есть предел количества регистров, которые можно использовать в данный момент времени (что-то вроде 16 для SSE2). Вы можете написать код, который пытается использовать больше, чем предел, но это приведет к разливу реестров.