c++ - 3D vector 的 SSE 对齐

Question

我希望确保 SSE 用于我的 3D(96 位)浮点 vector 的算术运算。但是，关于什么是必要的，我读到了相互矛盾的观点。

有些文章/帖子说我需要使用 4D vector 并“忽略”第四个元素，有些人说我必须用 __declspec(align(16)) 之类的东西装饰我的类并覆盖new 运算符，有人说编译器足够聪明，可以帮我对齐(我真的希望这是真的!)。

我正在使用 Eigen 库，但发现“不受支持”的 AlignedVector3 类不适合用途(例如，在进行分量除法时除以零错误，lpNorm 函数包括虚拟第 4 个元素)。

我读过的很多文章现在已经有好几年了，所以我希望现代编译器/SSE 版本/CPU 可以为我对齐数据，或者处理非 16 字节对齐的数据。任何关于这方面的最新知识将不胜感激!

Answer 1

实际上，我们在工作中使用 SIMD，或许我可以就此向您提供反馈。对齐是处理 SIMD 时必须注意的事情，这是为了确保缓存行对齐。但是我不确定如果它没有对齐或者 CPU 是否能够管理它是否仍然会导致崩溃(就像过去没有对齐的标量类型，它导致崩溃，现在 CPU 处理它但它变慢了表演)。也许你可以看这里SSE, intrinsics, and alignment它似乎对问题的对齐部分有很好的答案。

事实上您将它用作 3D vector ，即使它在物理上是一个 4D vector ，这并不是一个很好的做法，因为您没有从 SIMD 指令的所有性能中获益。它匹配的最佳方式是使用数组结构 (SOA)。

注意:我假设 128 位 SIMD 寄存器映射到 4 种标量类型(int 或 float)

例如，如果您有 4 个 3D 点(或 vector )，按照您的方式，您将有 4 个 4D vector ，忽略每个点的第 4 个分量。总共您最终得到 4 * 4 个可访问的值。

通过使用 SOA，您将拥有 3 个 SIMD 128 位(12 个值)寄存器，您将按以下方式存储您的点。单片机

• r1: x x x x
• r2: y y y y
• r3: z z z z

通过这种方式，您可以填充整个 SIMD 寄存器，从而最大限度地利用 SIMD 的优势。另一件事是，您必须进行的许多计算(例如添加 2 组 4 个 vector )只需要 3 条 SIMD 指令。使用和理解它有点棘手，但当你这样做时，收获是巨大的。

当然，您无法在所有情况下都以这种方式使用它，因此您将退回到忽略最后一个值的原始解决方案。