将 MMX/SSE 指令移植到 AltiVec

Question

我在 ASM 方面的经验极其有限，在 SIMD 方面的经验就更少了。

但碰巧我有以下 MMX/SSE 优化代码，我想将其移植到 AltiVec 指令以在 PPC/Cell 处理器上使用。

这可能是一个很大的问题..尽管只有几行代码，但我在尝试弄清楚这里发生的事情时遇到了无穷无尽的麻烦。

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;
}

有关如何重写此函数以使用 AltiVec 指令的任何提示？

我的第一次尝试（一次非常错误的尝试）看起来像这样......但它并不完全（甚至远程）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

你已经离我不远了 - 我修复了一些小问题，稍微清理了代码，添加了一个测试工具，现在看起来工作正常：

#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 经验都来自在 Xbox360/PS3 上的工作 - 我不确定它们与其他 Altivec 平台有多么不同）。

首先，您应该检查指针对齐情况。大多数向量加载（和存储）操作预计来自 16 字节对齐的地址。如果不是，事情通常会在没有警告的情况下继续进行，但您将无法获得预期的数据。

可以（但速度较慢）执行未对齐的加载，但您基本上必须在数据之前和之后阅读一些内容并将它们组合起来。请参阅 Apple 的 Altivec 页面。我也在使用 lvlx 和 lvrx 加载指令之前完成了此操作，然后将它们组合在一起。

---

接下来，我不确定你的乘法和加法是否相同。我从未使用过 _mm_madd_pi16 或 vec_msum，所以我不确定它们是等效的。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。另一个可能的区别是它们可能以不同的方式处理溢出（例如模块化与饱和）。

---

最后但并非最不重要的一点是，您一次计算 4 个整数，而不是 2 个。因此，您的并集应该保存 4 个整数，并且您应该在最后将所有 4 个整数相加。