向AltiVec移植MMX/SSE指令

Question

让我用..开始吧。我使用ASM的经验非常有限，使用SIMD的经验更少。

但碰巧我有下面的MMX/SSE优化代码，我想移植到AltiVec指令上使用在PPC/Cell处理器上。

这可能是一个很大的要求..尽管只有几行代码，但我一直在尝试弄清楚这里发生了什么。

原始函数：

static inline int convolve(const short *a, const short *b, int n)
{
    int out = 0;
    union {
        __m64 m64;
        int i32[2];
    } tmp;
    tmp.i32[0] = 0;
    tmp.i32[1] = 0;
    while (n >= 4) {
        tmp.m64 = _mm_add_pi32(tmp.m64,
                               _mm_madd_pi16(*((__m64 *)a),
                                             *((__m64 *)b)));
        a += 4;
        b += 4;
        n -= 4;
    }
    out = tmp.i32[0] + tmp.i32[1];
    _mm_empty();

    while (n --)
        out += (*(a++)) * (*(b++));
    return out;
}

关于如何重写这段代码以使用AltiVec指令，有什么建议吗？

我的第一次尝试(一个非常错误的尝试)看起来像这样。但这并不完全正确(甚至根本不正确)。

static inline int convolve_altivec(const short *a, const short *b, int n)
{
    int out = 0;
    union {
        vector unsigned int m128;
        int i64[2];
    } tmp;

    vector unsigned int zero = {0, 0, 0, 0};

    tmp.i64[0] = 0;
    tmp.i64[1] = 0;
    while (n >= 8) {
        tmp.m128 = vec_add(tmp.m128,
                               vec_msum(*((vector unsigned short *)a),
                                             *((vector unsigned short *)b), zero));

        a += 8;
        b += 8;
        n -= 8;
    }
    out = tmp.i64[0] + tmp.i64[1];
#endif
    while (n --)
        out += (*(a++)) * (*(b++));
    return out;
}

Answer 1

你离得不远了--我修复了一些小问题，清理了一些代码，添加了一个测试工具，现在似乎可以正常工作了：

#include <assert.h>
#include <stdio.h>
#include <stdlib.h>
#include <altivec.h>

static int convolve_ref(const short *a, const short *b, int n)
{
    int out = 0;
    int i;

    for (i = 0; i < n; ++i)
    {
        out += a[i] * b[i];
    }

    return out;
}

static inline int convolve_altivec(const short *a, const short *b, int n)
{
    int out = 0;
    union {
        vector signed int m128;
        int i32[4];
    } tmp;

    const vector signed int zero = {0, 0, 0, 0};

    assert(((unsigned long)a & 15) == 0);
    assert(((unsigned long)b & 15) == 0);

    tmp.m128 = zero;

    while (n >= 8)
    {
        tmp.m128 = vec_msum(*((vector signed short *)a),
                            *((vector signed short *)b), tmp.m128);

        a += 8;
        b += 8;
        n -= 8;
    }

    out = tmp.i32[0] + tmp.i32[1] + tmp.i32[2] + tmp.i32[3];

    while (n --)
        out += (*(a++)) * (*(b++));

    return out;
}

int main(void)
{
    const int n = 100;

    vector signed short _a[n / 8 + 1];
    vector signed short _b[n / 8 + 1];

    short *a = (short *)_a;
    short *b = (short *)_b;

    int sum_ref, sum_test;

    int i;

    for (i = 0; i < n; ++i)
    {
        a[i] = rand();
        b[i] = rand();
    }

    sum_ref = convolve_ref(a, b, n);
    sum_test = convolve_altivec(a, b, n);

    printf("sum_ref = %d\n", sum_ref);
    printf("sum_test = %d\n", sum_test);

    printf("%s\n", sum_ref == sum_test ? "PASS" : "FAIL");

    return 0;
}

Answer 2

(警告:我所有的Altivec体验都来自于在Xbox360/PS3上的工作-我不确定它们与其他Altivec平台有多大的不同)。

首先，你应该检查你的指针对齐方式。大多数向量加载(和存储)操作都应该来自16字节对齐的地址。如果它们不是，事情通常会在没有警告的情况下继续进行，但您不会获得预期的数据。

可以(但速度较慢)执行未对齐的加载，但基本上必须在数据之前和之后读取一些数据并将它们组合起来。参见Apple's Altivec page。在使用lvlx和lvrx加载指令之前，我也这样做过，然后将它们ORing在一起。

接下来，我不确定你的乘法和加法是否相同。我从来没有使用过_mm_madd_pi16或vec_msum，所以我不能肯定它们是等价的。您应该在调试器中单步执行，并确保它们为相同的输入数据提供相同的输出。另一个可能的差异是，它们可能会以不同的方式处理溢出(例如，模块化与饱和化)。

最后但并非最不重要的一点是，你一次要计算4个整型数而不是2个整型数，所以你的联盟应该有4个整型数，最后你应该把所有4个整型数加起来。