我第一次使用SSE内在函数,即使在确保16byte内存对齐后,我也遇到了分段错误.这篇文章是我之前问题的扩展：
How to allocate 16byte memory aligned data
这是我声明我的数组的方式：
float *V = (float*) memalign(16,dx*sizeof(float));
当我尝试这样做时：
__m128 v_i = _mm_load_ps(&V[i]); //It works
但是当我这样做时：
__m128 u1 = _mm_load_ps(&V[(i-1)]); //There is a segmentation fault
但如果我这样做：
__m128 u1 = _mm_loadu_ps(&V[(i-1)]); //It works again
但是我想消除使用_mm_loadu_ps并希望仅使用_mm_load_ps使其工作.
我正在使用Intel icc编译器.
我该如何解决这个问题？
更新：
使用以下代码中的两个操作：
void FDTD_base (float *V,float *U,int dx,float c0,float c1,float c2,float c3,float c4)
{
int i,j,k;
for (i = 4; i < dx-4; i++)
{
U[i] = (c0 * (V[i]) //center
+ c1 * (V[(i-1)] + V[(i+1)] )
+ c2 * (V[(i-2)] + V[(i+2)] )
+ c3 * (V[(i-3)] + V[(i+3)] )
+ c4 * (V[(i-4)] + V[(i+4)] ));
}
}
SSE版本：
for (i=4; i < dx-4; i+=4)
{
v_i = _mm_load_ps(&V[i]);
__m128 center = _mm_mul_ps(v_i,c0_i);
__m128 u1 = _mm_loadu_ps(&V[(i-1)]);
u2 = _mm_loadu_ps(&V[(i+1)]);
u3 = _mm_loadu_ps(&V[(i-2)]);
u4 = _mm_loadu_ps(&V[(i+2)]);
u5 = _mm_loadu_ps(&V[(i-3)]);
u6 = _mm_loadu_ps(&V[(i+3)]);
u7 = _mm_load_ps(&V[(i-4)]);
u8 = _mm_load_ps(&V[(i+4)]);
__m128 tmp1 = _mm_add_ps(u1,u2);
__m128 tmp2 = _mm_add_ps(u3,u4);
__m128 tmp3 = _mm_add_ps(u5,u6);
__m128 tmp4 = _mm_add_ps(u7,u8);
__m128 tmp5 = _mm_mul_ps(tmp1,c1_i);
__m128 tmp6 = _mm_mul_ps(tmp2,c2_i);
__m128 tmp7 = _mm_mul_ps(tmp3,c3_i);
__m128 tmp8 = _mm_mul_ps(tmp4,c4_i);
__m128 tmp9 = _mm_add_ps(tmp5,tmp6);
__m128 tmp10 = _mm_add_ps(tmp7,tmp8);
__m128 tmp11 = _mm_add_ps(tmp9,tmp10);
__m128 tmp12 = _mm_add_ps(center,tmp11);
_mm_store_ps(&U[i],tmp12);
}
是否有更有效的方法只使用_mm_load_ps()？
解决方法
由于sizeof(float)为4,因此只有V中的每四个条目才能正确对齐.请记住,_mm_load_ps一次加载四个浮点数.参数,即指向第一个浮点的指针,需要与16个字节对齐.
我假设在你的例子中我是4的倍数,否则_mm_load_ps(& V [i])会失败.
更新
这就是我建议使用对齐的加载和shuffle实现上面的滑动窗口示例：
__m128 v_im1;
__m128 v_i = _mm_load_ps( &V[0] );
__m128 v_ip1 = _mm_load_ps( &V[4] );
for ( i = 4 ; i < dx ; i += 4 ) {
/* Get the three vectors in this 'frame'. */
v_im1 = v_i; v_i = v_ip1; v_ip1 = _mm_load_ps( &V[i+4] );
/* Get the u1..u8 from the example code. */
__m128 u3 = _mm_shuffle_ps( v_im1,v_i,3 + (4<<2) + (0<<4) + (1<<6) );
__m128 u4 = _mm_shuffle_ps( v_i,v_ip1,3 + (4<<2) + (0<<4) + (1<<6) );
__m128 u1 = _mm_shuffle_ps( u3,1 + (2<<2) + (1<<4) + (2<<6) );
__m128 u2 = _mm_shuffle_ps( v_i,u4,1 + (2<<2) + (1<<4) + (2<<6) );
__m128 u5 = _mm_shuffle_ps( v_im1,u3,1 + (2<<2) + (1<<4) + (2<<6) );
__m128 u6 = _mm_shuffle_ps( u4,1 + (2<<2) + (1<<4) + (2<<6) );
__m128 u7 = v_im1;
__m128 u8 = v_ip1;
/* Do your computation and store. */
...
}
请注意,这有点棘手,因为_mm_shuffle_ps只能从每个参数中获取两个值,这就是为什么我们首先需要创建u3和u4才能将它们重新用于具有不同重叠的其他值.
另请注意,值u1,u3和u5也可以在上一次迭代中从u2,u4和u6恢复.
最后请注意,我还没有验证上面的代码！阅读_mm_shuffle_ps的文档,并检查第三个参数(选择器)是否适用于每种情况.
