此文主要內容來自這篇文章，本文翻譯只求能理解，不求逐句翻譯。

正文：

我們將在本文中介紹如何在C++/C中使用SSE指令。我的目的不是用SSE寫盡可能快的程序，而是試圖講明白它的使用方法。

什么是SSE？

?SSE的全稱是 Sreaming SIMD Extensions， 它是一組CPU指令，用于像信號處理、科學計算或者3D圖形計算一樣的應用。

SIMD 也是幾個單詞的首寫字母組成的： Single Instruction, Multiple Data。 一個指令發出后，同一時刻被放到不同的數據上執行，

這個指令就是SIMD指令。

SSE在1999年首次出現在Pentium 3上。在過去的那段時光里，一些更加精致的功能被加入了這套指令集，

8個128-bit的寄存器被加入了CPU ：xmm0到xmm7.

?

最初的時候，這些寄存器智能用來做單精度浮點數計算（float），

自從SSE2開始，這些寄存器可以被用來計算任何基本數據類型的數據了。

給定一個標準的32位機器，我們可以并行的存儲和計算了：

-- 2 double

-- 2 long

-- 4 float?

-- 4 int

-- 8 short

-- 16 char

注意：整數類型可以是有符號也可以是無符號的，不過有時候你可能要用不同的指令來處理他們。

比如，你想計算兩個整數數組的和，你可以一次計算四個加法。

簡單的例子

開始學習SSE并不是很簡單的，幸好MSDN的文檔寫的很好（原作的鏈接打不開了，新連接是我加上去的）！

如果你看一下那個算術操作的列表，一會注意到總有相應的匯編指令與其對應。

另外，一些操作是符合操作，例如那些set操作。

在C++中用SSE真真是一個low-level的操作：我們將直接通過類型

__m128（4個float）、__m128d（2個double）、__m128i(int、short、char)直接控制那些128-bit的寄存器。

不過，為了使用SSE我們不必去聲明__m128類型的數組：比如，你想計算一個浮點型數組中每個元素的平方根，

有可以直接將你的數組強制類型轉換成__m128*，然后使用SSE的命令操作這個數組。

不管怎樣，我們還是要多做一點事情，才能用SSE。大多數SSE操作需要我們的數據是16-bytes對齊的，

這里我們將使用另一個GCC的 Variable attributes。 我們使用對齊屬性：

[plain]?view plain?copy ?

aligned?(alignment)??

This?attribute?specifies?a?minimum?alignment?for?the?variable?or?structure?field,?measured?in?bytes.??

下面是一個簡單的代碼，展示如何用SSE的_mm_sqrt_ps()函數一次性計算四個浮點數的平方根：

[plain]?view plain?copy ?

float?a[]?__attribute__?((aligned?(16)))?=?{?41982.,??81.5091,?3.14,?42.666?};??

__m128*?ptr?=?(__m128*)a;??

__m128?t?=?_mm_sqrt_ps(*ptr);??

如果用GCC編譯器，在編譯選項中加入-S選項，產生的匯編代碼中相應的匯編語句是SQRTPS，

而且這個指令使用的寄存器就是SSE的寄存器：

[plain]?view plain?copy ?

sqrtps??%xmm0,?%xmm0??

不要忘了加上那個頭文件：

[cpp]?view plain?copy ?

#include?<emmintrin.h>??

第一個評測

在前面的代碼中，我們同時計算了4個float的平方根，但是我們沒有記錄結果。為了記錄結果，我們使用_mm_store_ps

在下面的代碼中，我們計算一個非常大的float數組的平方根。（作者使用的是他之前寫的計時函數，這里我直接貼出來了）

來對程序的標準版本和SSE版計時。

[cpp]?view plain?copy ?

class?Timer??

{??

public:??

??Timer(const?std::string&?name)??

????:?name_?(name),??

??????start_?(std::clock())??

????{??

????}??

??~Timer()??

????{??

??????double?elapsed?=?(double(std::clock()?-?start_)?/?double(CLOCKS_PER_SEC));??

??????std::cout?<<?name_?<<?":?"?<<?int(elapsed?*?1000)?<<?"ms"?<<?std::endl;??

????}??

private:??

??std::string?name_;??

??std::clock_t?start_;??

};??

#define?TIMER(name)?Timer?timer__(name);??

??

void?normal(float*?a,?int?N)??

{??

??for?(int?i?=?0;?i?<?N;?++i)a[i]?=?sqrt(a[i]);??

}???

void?sse(float*?a,?int?N)??

{//?We?assume?N?%?4?==?0.??

??int?nb_iters?=?N?/?4;??

??__m128*?ptr?=?(__m128*)a;??

??for?(int?i?=?0;?i?<?nb_iters;?++i,?++ptr,?a?+=?4)??

????_mm_store_ps(a,?_mm_sqrt_ps(*ptr));??

}??

int?main(int?argc,?char**?argv)??

{??

??if?(argc?!=?2)??

????return?1;??

??int?N?=?atoi(argv[1]);??

??float*?a;??

??posix_memalign((void**)&a,?16,??N?*?sizeof(float));??

??for?(int?i?=?0;?i?<?N;?++i)a[i]?=?3141592.65358;??

??{??

????TIMER("normal");??

????normal(a,?N);??

??}??

??for?(int?i?=?0;?i?<?N;?++i)a[i]?=?3141592.65358;??

??{??

????TIMER("SSE");??

????sse(a,?N);??

??}??

}??

在上面的SSE的函數代碼中，我們用了兩個指針指向的是同一個地址，但是使用的類型不同，這當然不是必須的，只是用來避免強制類型轉換。

有趣的是，我們必須對__m128每次遞增1（128bits），對應的，我們也必須按四遞增float指針（就是相當于一次算四個float）。

另一個有趣的函數式 posix_memalign，而不是用align attribute，這個函數是在堆上申請對齊內存，而gcc attribute是在棧上申請內存。

評測環境：?llvm-g++ 4.2 (flags: -O3 -msse2) ?在Intel Core2 Duo P7350(2GHz)上測試。

[plain]?view plain?copy ?

$?./sqrt?64000000??

normal:?392ms??

SSE:?145ms??

真的相當快哈！

第二個評測

怎么將兩個char數據加在一起呢：

[cpp]?view plain?copy ?

void?sse(char*?a,?const?char*?b,?int?N)????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????

{???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????

??int?nb_iters?=?N?/?16;??

??__m128i*?l?=?(__m128i*)a;??

??__m128i*?r?=?(__m128i*)b;??

???

??for?(int?i?=?0;?i?<?nb_iters;?++i,?++l,?++r)??

????_mm_store_si128(l,?_mm_add_epi8(*l,?*r));??

}??

評測結果：

[plain]?view plain?copy ?

$?./add?64000000??

normal:?98ms??

SSE:?42ms??

性能分析

你可能會問，為什么我們沒有得到四倍的加速呢？我們可是一次計算4個float數據啊，怎么我們只有2倍的加速呢？？

答案是，你的編譯器很聰明，它已經做了很多優化了，特別是在加入O3選項后。

實際上，如果你看下normal產生的匯編代碼，里面的sqrt和add函數都已經被你的編譯器給用SSE指令優化了。

編譯器檢測到循環模式適合SSE，就把這個代碼使用SSE指令實現了。

不管怎樣，直接使用SSE函數還是可以獲得一些性能的。

取決于你的編譯器版本，對于這種簡單的循環，你發現執行時間上沒有差異也是可能的。

但是，這里必須要再提一次的是，我們是介紹怎么用SSE，不是只為了性能~

總結

以上是生活随笔為你收集整理的SSE 入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。