- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我从tutorial知道未对齐的加载和存储看起来像:
//Load a vector from an unaligned location in memory
__vector unsigned char LoadUnaligned(const unsigned char * src )
{
__vector unsigned char permuteVector = vec_lvsl(0, src);
__vector unsigned char low = vec_ld( 0, src);
__vector unsigned char high = vec_ld( 16, src);
return vec_perm( low, high, permuteVector);
}
//Store a vector to an unaligned location in memory
void StoreUnaligned(__vector unsigned char v, __vector unsigned char * dst)
{
//Load the surrounding area
__vector unsigned char low = vec_ld( 0, dst);
__vector unsigned char high = vec_ld( 16, dst);
//Prepare the constants that we need
__vector unsigned char permuteVector = vec_lvsr( 0, (int*) dst);
__vector signed char oxFF = vec_splat_s8( -1 );
__vector signed char ox00 = vec_splat_s8( 0 );
//Make a mask for which parts of the vectors to swap out
__vector unsigned char mask = vec_perm( ox00, oxFF, permuteVector );
//Right rotate our input data
v = vec_perm( v, v, permuteVector );
//Insert our data into the low and high vectors
low = vec_sel( v, low, mask );
high = vec_sel( high, v, mask );
//Store the two aligned result vectors
vec_st( low, 0, dst);
vec_st( high, 16, dst);
}
看起来很糟糕。为了存储一个 vector 需要做大量的工作!并且有适当的性能损失。
void SomeFuncA(const unsigned char * src, size_t size, unsigned char * dst)
{
for(size_t i = 0; i < size; i += 16)
{
__vector unsigned char a = vec_ld(0, src + i);
//simple work
vec_st(a, 0, dst + i);
}
}
void SomeFuncU(const unsigned char * src, size_t size, unsigned char * dst)
{
for(size_t i = 0; i < size; i += 16)
{
__vector unsigned char a = LoadUnaligned(src + i);
//simple work
StoreUnaligned(dst + i, a);
}
}
第二个函数比第一个慢 3-4 倍。由于我无法控制输入和输出内存的对齐,因此我必须实现这两个版本。如何最大程度地减少未对齐情况下的性能损失?
最佳答案
首先,我想提一下,如果您多次将 Altivec vector 保存到未对齐的内存中,则不需要仅在开头和结尾处将先前的内存状态保存在数组的中间。所以Simd Library中有一个有用的函数和类,它实现了这个功能:
typedef __vector uint8_t v128_u8;
const v128_u8 K8_00 = vec_splat_u8(0x00);
const v128_u8 K8_FF = vec_splat_u8(0xFF);
template <bool align> inline v128_u8 Load(const uint8_t * p);
template <> inline v128_u8 Load<false>(const uint8_t * p)
{
v128_u8 lo = vec_ld(0, p);
v128_u8 hi = vec_ld(16, p);
return vec_perm(lo, hi, vec_lvsl(0, p));
}
template <> inline v128_u8 Load<true>(const uint8_t * p)
{
return vec_ld(0, p);
}
template <bool align> struct Storer;
template <> struct Storer<true>
{
template <class T> Storer(T * ptr)
:_ptr((uint8_t*)ptr)
{
}
template <class T> inline void First(T value)
{
vec_st((v128_u8)value, 0, _ptr);
}
template <class T> inline void Next(T value)
{
_ptr += 16;
vec_st((v128_u8)value, 0, _ptr);
}
inline void Flush()
{
}
private:
uint8_t * _ptr;
};
template <> struct Storer<false>
{
template <class T> inline Storer(T * ptr)
:_ptr((uint8_t*)ptr)
{
_perm = vec_lvsr(0, _ptr);
_mask = vec_perm(K8_00, K8_FF, _perm);
}
template <class T> inline void First(T value)
{
_last = (v128_u8)value;
v128_u8 background = vec_ld(0, _ptr);
v128_u8 foreground = vec_perm(_last, _last, _perm);
vec_st(vec_sel(background, foreground, _mask), 0, _ptr);
}
template <class T> inline void Next(T value)
{
_ptr += 16;
vec_st(vec_perm(_last, (v128_u8)value, _perm), 0, _ptr);
_last = (v128_u8)value;
}
inline void Flush()
{
v128_u8 background = vec_ld(16, _ptr);
v128_u8 foreground = vec_perm(_last, _last, _perm);
vec_st(vec_sel(foreground, background, _mask), 16, _ptr);
}
private:
uint8_t * _ptr;
v128_u8 _perm;
v128_u8 _mask;
v128_u8 _last;
};
它的使用看起来像:
template<bool align> void SomeFunc(const unsigned char * src, size_t size, unsigned char * dst)
{
Storer<align> _dst(dst);
__vector unsigned char a = Load<align>(src);
//simple work
_dst.First(a);// save first block
for(size_t i = 16; i < size; i += 16)
{
__vector unsigned char a = Load<align>(src + i);
//simple work
_dst.Next(a);// save body
}
_dst.Flush(); // save tail
}
与对齐版本相比,性能损失将达到 30-40%。这当然令人不快,但可以容忍。
额外的优势是减少代码 - 所有函数(对齐和未对齐)都具有相同的实现。
关于c++ - 如何使用 Altivec 将 vector 存储到内存中未对齐的位置,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35317341/
我在具有 2CPU 和 3.75GB 内存 (https://aws.amazon.com/ec2/instance-types/) 的 c3.large Amazon EC2 ubuntu 机器上运
我想通过用户空间中的mmap-ing并将地址发送到内核空间从用户空间写入VGA内存(视频内存,而不是缓冲区),我将使用pfn remap将这些mmap-ed地址映射到vga内存(我将通过 lspci
在 Mathematica 中,如果你想让一个函数记住它的值,它在语法上是很轻松的。例如,这是标准示例 - 斐波那契: fib[1] = 1 fib[2] = 1 fib[n_]:= fib[n] =
我读到动态内存是在运行时在堆上分配的,而静态内存是在编译时在堆栈上分配的,因为编译器知道在编译时必须分配多少内存。 考虑以下代码: int n; cin>>n; int a[n]; 如果仅在运行期间读
我是 Python 的新手,但我之前还不知道这一点。我在 for 循环中有一个基本程序,它从站点请求数据并将其保存到文本文件但是当我检查我的任务管理器时,我发现内存使用量只增加了?长时间运行时,这对我
我正在设计一组数学函数并在 CPU 和 GPU(使用 CUDA)版本中实现它们。 其中一些函数基于查找表。大多数表占用 4KB,其中一些占用更多。基于查找表的函数接受一个输入,选择查找表的一两个条目,
读入一个文件,内存被动态分配给一个字符串,文件内容将被放置在这里。这是在函数内部完成的,字符串作为 char **str 传递。 使用 gdb 我发现在行 **(str+i) = fgetc(aFil
我需要证实一个理论。我正在学习 JSP/Java。 在查看了一个现有的应用程序(我没有写)之后,我注意到一些我认为导致我们的性能问题的东西。或者至少是其中的一部分。 它是这样工作的: 1)用户打开搜索
n我想使用memoization缓存某些昂贵操作的结果,这样就不会一遍又一遍地计算它们。 两个memoise和 R.cache适合我的需要。但是,我发现缓存在调用之间并不可靠。 这是一个演示我看到的问
我目前正在分析一些 javascript shell 代码。这是该脚本中的一行: function having() { memory = memory; setTimeout("F0
我有一种情况,我想一次查询数据库,然后再将整个数据缓存在内存中。 我得到了内存中 Elasticsearch 的建议,我用谷歌搜索了它是什么,以及如何在自己的 spring boot 应用程序中实现它
我正在研究 Project Euler (http://projecteuler.net/problem=14) 的第 14 题。我正在尝试使用内存功能,以便将给定数字的序列长度保存为部分结果。我正在
所以,我一直在做 Java 内存/注意力游戏作业。我还没有达到我想要的程度,它只完成了一半,但我确实让 GUI 大部分工作了......直到我尝试向我的框架添加单选按钮。我认为问题可能是因为我将 JF
我一直在尝试使用 Flask-Cache 的 memoize 功能来仅返回 statusTS() 的缓存结果,除非在另一个请求中满足特定条件,然后删除缓存。 但它并没有被删除,并且 Jinja 模板仍
我对如何使用 & 运算符来减少内存感到非常困惑。 我可以回答下面的问题吗? clase C{ function B(&$a){ $this->a = &$a; $thi
在编写代码时,我遇到了一个有趣的问题。 我有一个 PersonPOJO,其 name 作为其 String 成员之一及其 getter 和 setter class PersonPOJO { priv
在此代码中 public class Base { int length, breadth, height; Base(int l, int b, int h) { l
Definition Structure padding is the process of aligning data members of the structure in accordance
在 JavaScript Ninja 的 secret 中,作者提出了以下方案,用于在没有闭包的情况下内存函数结果。他们通过利用函数是对象这一事实并在函数上定义一个属性来存储过去调用函数的结果来实现这
我正在尝试找出 map 消耗的 RAM 量。所以,我做了以下事情;- Map cr = crPair.collectAsMap(); // 200+ entries System.out.printl
我是一名优秀的程序员,十分优秀!