XNAMath SIMD性能

Question

我测试了XNAMath的性能，看起来就像在我的pc版上使用simd，本质上比没有SIMD的性能要低。

我使用计算点积的函数。我测试了这段没有simd的代码：

XMVECTOR4 Result;
Result.m128_f32[0] =
Result.m128_f32[1] =
Result.m128_f32[2] =
Result.m128_f32[3] = V1.m128_f32[0] * V2.m128_f32[0] + V1.m128_f32[1] * V2.m128_f32[1] + V1.m128_f32[2] * V2.m128_f32[2] + V1.m128_f32[3] * V2.m128_f32[3];
return Result;

这包括：

XMVECTOR4 vTemp2 = V2;
XMVECTOR4 vTemp = _mm_mul_ps(V1,vTemp2);
vTemp2 = _mm_shuffle_ps(vTemp2,vTemp,_MM_SHUFFLE(1,0,0,0)); // Copy X to the Z position and Y to the W position
vTemp2 = _mm_add_ps(vTemp2,vTemp);          // Add Z = X+Z; W = Y+W;
vTemp = _mm_shuffle_ps(vTemp,vTemp2,_MM_SHUFFLE(0,3,0,0));  // Copy W to the Z position
vTemp = _mm_add_ps(vTemp,vTemp2);           // Add Z and W together
return XM_PERMUTE_PS(vTemp,_MM_SHUFFLE(2,2,2,2));    // Splat Z and return

在这个循环中：

for (int i = 0; i < 10000000; i++)
{
    volatile XMVECTOR4 d = MVector4Dot(v1, v2);
}

在发布模式下，没有simd的版本大约需要9 9ms，大约有20 9ms。

哪些原因可能影响SIMD的性能？

谢谢。

更新：i用"/arch:SSE2“选项编译程序

Answer 1

SSE并不是真正设置好的--你正在尝试添加“水平”，这并不适合SIMD。你可以搜索(谷歌或S.O.)更详细的答案是，结构数组与数组结构。我可以告诉您，如果您的处理器支持SSE3，您可以：

/* apologies - this is 'C' ... */

v0 = _mm_mul_ps(V1, V2);
v0 = _mm_hadd_ps(v0, v0);
v0 = _mm_hadd_ps(v0, v0); /* dot product splat across all elements. */

同样，'haddps‘有一个非常高的延迟-较少的指令，但可能比没有SIMD的代码慢。一旦开始交错操作，就有可能隐藏延迟。如果您的处理器支持SSE 4.1，则可以使用：

v0 = _mm_dp_ps(V1, V2, 0xff); /* dot product splat across all elements. */

如果您的代码以更新的处理器为目标，这可能会产生更好的性能。