时间:2023-01-26 09:45:49 | 栏目:C代码 | 点击:次
AVX2是SIMD(单指令多数据流)指令集,支持在一个指令周期内同时对256位内存进行操作。包含乘法,加法,位运算等功能。下附Intel官网使用文档。
我们本次要用到的指令有 **__m256 _mm256_mul_ps(__m256 a, __m256 b), __m256d_mm256_mul_pd(__m256d a, __m256d b)**等,(p代表精度precision,s代表single,d代表double)
它们可以一次取256位的内存,并按32/64位一个浮点进行乘法运算。下附官网描述。
__m256d _mm256_mul_pd (__m256d a, __m256d b)
#include <immintrin.h>
Instruction: vmulpd ymm, ymm, ymm
CPUID Flags: AVX
Multiply packed double-precision (64-bit) floating-point elements in a and b, and store the results in dst.
FOR j := 0 to 3 i := j*64 dst[i+63:i] := a[i+63:i] * b[i+63:i] ENDFOR dst[MAX:256] := 0
Architecture | Latency | Throughput (CPI) |
---|---|---|
Icelake | 4 | 0.5 |
Skylake | 4 | 0.5 |
Broadwell | 3 | 0.5 |
Haswell | 5 | 0.5 |
Ivy Bridge | 5 | 1 |
为了比较结果,我们用1+1e-8填充。这里利用模版兼容不同数据类型。由于AVX2指令集一次要操作多个数据,为了防止访存越界,我们将大小扩展到256的整数倍位比特,也就是32字节的整数倍。
uint64_t lowbit(uint64_t x) { return x & (-x); } uint64_t extTo2Power(uint64_t n, int i)//arraysize datasize { while(lowbit(n) < i) n += lowbit(n); return n; }
template <typename T> T* getArray(uint64_t size) { uint64_t ExSize = extTo2Power(size, 32/sizeof(T)); T* arr = new T[ExSize]; for (uint64_t i = 0; i < size; i++) arr[i] = 1.0+1e-8; for (uint64_t i = size; i < ExSize; i++) arr[i] = 1.0; return arr; } }
为了比较性能差异,我们先实现一份普通连乘。这里也使用模版。
template <typename T> T simpleProduct(T* arr, uint64_t size) { T product = 1; for (uint64_t i = 0; i < size; i++) product *= arr[i]; return product; }
这里我们预开一个avx2的整形变量,每次从数组中取8个32位浮点,乘到这个变量上,最后在对这8个32位浮点进行连乘。
float avx2Product(float* arr, uint64_t size) { float product[8] = {1}; __m256 product256 = _mm256_setr_ps(1, 1, 1, 1, 1, 1, 1, 1); __m256 load256 = _mm256_setzero_ps(); for (uint64_t i = 0; i < size; i += 8) { load256 = _mm256_loadu_ps(&arr[i]); product256 = _mm256_mul_ps(product256, load256); } _mm256_storeu_ps(product, product256); product[0] *= product[1] * product[2] * product[3] * product[4] * product[5] * product[6] * product[7]; return product[0]; }
double avx2Product(double* arr, uint64_t size) { double product[4] = {1}; __m256d product256 = _mm256_setr_pd(1, 1, 1, 1); __m256d load256 = _mm256_setzero_pd(); for (uint64_t i = 0; i < size; i += 4) { load256 = _mm256_loadu_pd(&arr[i]); product256 = _mm256_mul_pd(product256, load256); } _mm256_storeu_pd(product, product256); product[0] *= product[1] * product[2] * product[3]; return product[0]; }
Device | Description |
---|---|
CPU | Intel Core i9-9880H 8-core 2.3GHz |
Memory | DDR4-2400MHz Dual-Channel 32GB |
complier | Apple Clang-1300.0.29.30 |
利用chrono库获取系统时钟计算运行时间,精确到毫秒级
uint64_t getTime() { uint64_t timems = std::chrono::duration_cast<std::chrono::milliseconds>(std::chrono::system_clock::now().time_since_epoch()).count(); return timems; }
uint64_t N = 1e8; // compare the performance of simpleProduct and avx2Product uint64_t start, end; //compare float cout << "compare float product" << endl; float* arr = getArray<float>(N); start = getTime(); float simpleProductResult = simpleProduct(arr, N); end = getTime(); cout << "Simple product: " << simpleProductResult << endl; cout << "Time: " << end - start << " ms" << endl; cout << endl; start = getTime(); float avx2ProductResult = avx2Product(arr, N); end = getTime(); cout << "AVX2 product: " << avx2ProductResult << endl; cout << "Time: " << end - start << " ms" << endl; cout << endl; delete[] arr; //compare double cout << "compare double product" << endl; double* arr2 = getArray<double>(N); start = getTime(); double simpleProductResult2 = simpleProduct(arr2, N); end = getTime(); cout << "Simple product: " << simpleProductResult2 << endl; cout << "Time: " << end - start << " ms" << endl; cout << endl; start = getTime(); double avx2ProductResult2 = avx2Product(arr2, N); end = getTime(); cout << "AVX2 product: " << avx2ProductResult2 << endl; cout << "Time: " << end - start << " ms" << endl; cout << endl; delete[] arr2;
测试命令
g++ -mavx2 avx_product.cpp ./a.out
测试结果 方法耗时(ms)AVX2乘法 单精度57普通乘法 单精度232AVX2乘法 双精度121普通乘法 双精度243
这里能看到单精度下已经出现了比较明显的误差,同时由于CPU内部没有普通的单精度浮点运算器,所以单精度运算和双精度耗时所差无几。
测试命令
现在我们再开启O2编译优化试一试:
g++ -O2 -mavx2 avx_product.cpp ./a.out
测试结果
方法 | 耗时(ms) |
---|---|
AVX2乘法 单精度 | 19 |
普通乘法 单精度 | 102 |
AVX2乘法 双精度 | 44 |
普通乘法 双精度 | 129 |
经过几次测试,我们可以大概得出,AVX指令集在浮点的运算上有比较高的性能,而整形运算的提升则没那么明显,同时AVX2执行一次运算大致会消耗双精度运算2倍的时间,所以如果需要运算的数据小于2个,则用AVX2得不到提升。
个人猜测原因: