- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。
想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。
7年前关闭。
Improve this question
我想了解使用 Intel 的 Haswell CPU 微体系结构的并行编程。
关于使用 SIMD: SSE4.2, AVX2 in asm/C/C++/(any other langs)?。
你能推荐书籍、教程、互联网资源、类(class)吗?
谢谢!
最佳答案
在我看来,您需要了解一般 CPU 上的并行编程。在我使用 SSE、OpenMP 或内在函数之前,我大约在 10 个月前开始研究这个问题,所以让我简要总结一下我学到的一些重要概念和一些有用的资源。
可以采用多种并行计算技术: MIMD、SIMD、指令级并行、多级缓存和 FMA .有了 Haswell,IGP 也有了计算。
我建议选择一个主题,如矩阵乘法或 Mandelbrot 集。他们都可以从所有这些技术中受益。
MIMD
MIMD 我指的是使用多个物理内核的计算。我为此推荐 OpenMP。通过本教程
http://bisqwit.iki.fi/story/howto/openmp/#Abstract
然后将此用作引用 https://computing.llnl.gov/tutorials/openMP/ .使用 MIMD 的两个最常见问题是 race conditions和 false sharing .定期在 SO 上关注 OpenMP。
SIMD
许多编译器可以进行自动矢量化,所以我会研究一下。 MSVC 的自动矢量化非常原始,但 GCC 的非常好。
学习内功。了解内在函数的最佳资源是 http://software.intel.com/sites/landingpage/IntrinsicsGuide/
另一个很棒的资源是 Agner Fog 的 vectorclass . SSE/AVX上关于SO的95%的问题,通过查看vectorclass的源代码,都可以得到解答。最重要的是,您可以对大多数 SIMD 使用向量类,并且仍然可以获得全速并跳过内在函数。
许多人低效地使用 SIMD。阅读结构数组 (AOS) 和数组结构 (SOA) 以及数组结构数组 (AOSOA)。也看看英特尔条采矿Calculating matrix product is much slower with SSE than with straight-forward-algorithm
见 Ingo Wald's PhD thesis以一种有趣的方式在光线追踪中实现 SIMD。我对 Mandelbrot 集使用了同样的想法,使用 SSE(AVX) 一次计算 4(8) 个像素。
另请阅读 Wald 的这篇论文“Extending a C-like Language for Portable SIMD Programming” http://www.cdl.uni-saarland.de/papers/leissa_vecimp_tr.pdf更好地了解如何使用 SIMD。
FMA
FMA3 自 Haswell 以来是新的。它太新了,所以在 SO 上还没有太多讨论。但是这个答案(对我的问题)很好
How to use Fused Multiply-Add (FMA) instructions with SSE/AVX . FMA3 将峰值 FLOPS 加倍,因此与 Ivy Bridge 相比,Haswell 上的矩阵乘法可能快两倍。
根据 this answer FMA 最重要的方面不是它是一条指令而不是两条指令来进行乘法和加法,而是“中间结果的(几乎)无限精度”。例如,在没有 FMA 的情况下实现双倍乘法需要 6 次乘法和几次加法,而使用 FMA 则只有两次运算。
指令级并行
Haswell 有 8 个可以向其发送 μ-ops 的端口(尽管并非每个端口都可以采用相同的 mirco-op;请参阅此 AnandTech review)。这意味着 Haswell 可以做到,例如 two 256-bit loads, one 256-bit store, two 256-bit FMA operations, one scalar addition, and a condition jump at the same time (每个时钟周期六个 μ-op)。
在大多数情况下,您不必担心这一点,因为它是由 CPU 完成的。但是,在某些情况下,您的代码可能会限制潜在的指令级并行性。最常见的是循环携带依赖。下面的代码有一个循环携带的依赖
for(int i=0; i<n; i++) {
sum += x(i)*y(i);
}
for(int i=0; i<n; i+=2) {
sum1 += x(i)*y(i);
sum2 += x(i+1)*y(i+1);
}
sum = sum1 + sum2;
关于sse - 使用 Haswell 架构的并行编程,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20933746/
有没有办法同时运行 2 个不同的代码块。我一直在研究 R 中的并行包,它们似乎都基于在循环中运行相同的函数。我正在寻找一种同时运行不同函数的方法(循环的 1 次迭代)。例如,我想在某个数据对象上创建一
无论如何增加 Parallel.For 启动后的循环次数?示例如下: var start = 0; var end = 5; Parallel.For(start, end, i => { C
我是 Golang 的新手,正在尝试了解并发和并行。我阅读了下面提到的关于并发和并行的文章。我执行了相同的程序。但没有得到相同的(混合字母和字符)输出。首先获取所有字母,然后获取字符。似乎并发不工作,
我正在寻找同时迭代 R 中两个或多个字符向量/列表的方法,例如。有没有办法做这样的事情: foo <- c('a','c','d') bar <- c('aa','cc','dd') for(i in
我对 Raku 很陌生,我对函数式方法有疑问,尤其是 reduce。 我最初有这样的方法: sub standardab{ my $mittel = mittel(@_); my $foo =
我最近花了很多时间来学习实时音频处理的细节,我发现的大多数库/工具都是c / c++代码或脚本/图形语言的形式,并在其中编译了c / c++代码。引擎盖。 使用基于回调的API,与GUI或App中的其
我正在使用 JMeter 进行图像负载测试。我有一个图像名称数组并遍历该数组,我通过 HTTP 请求获取所有图像。 -> loop_over_image - for loop controller
我整个晚上都在困惑这个问题...... makeflags = ['--prefix=/usr','--libdir=/usr/lib'] rootdir='/tmp/project' ps = se
我正在尝试提高计算图像平均值的方法的性能。 为此,我使用了两个 For 语句来迭代所有图像,因此我尝试使用一个 Parallel For 来改进它,但结果并不相同。 我做错了吗?或者是什么导致了差异?
假设您有一个并行 for 循环实现,例如ConcRT parallel_for,将所有工作放在一个 for 循环体内总是最好的吗? 举个例子: for(size_t i = 0; i < size()
我想并行运行一部分代码。目前我正在使用 Parallel.For 如何让10、20或40个线程同时运行 我当前的代码是: Parallel.For(1, total, (ii) =>
我使用 PAY API 进行了 PayPal 自适应并行支付,其中无论用户(买家)购买什么,都假设用户购买了总计 100 美元的商品。在我的自适应并行支付中,有 2 个接收方:Receiver1 和
我正在考虑让玩家加入游戏的高效算法。由于会有大量玩家,因此算法应该是异步的(即可扩展到集群中任意数量的机器)。有细节:想象有一个无向图(每个节点都是一个玩家)。玩家之间的每条边意味着玩家可以参加同一场
我有一个全局变量 volatile i = 0; 和两个线程。每个都执行以下操作: i++; System.out.print(i); 我收到以下组合。 12、21 和 22。 我理解为什么我没有得到
我有以下称为 pgain 的方法,它调用我试图并行化的方法 dist: /***************************************************************
我有一个 ruby 脚本读取一个巨大的表(约 2000 万行),进行一些处理并将其提供给 Solr 用于索引目的。这一直是我们流程中的一大瓶颈。我打算在这里加快速度,我想实现某种并行性。我对 Ru
我正在研究 Golang 并遇到一个问题,我已经研究了几天,我似乎无法理解 go routines 的概念以及它们的使用方式。 基本上我是在尝试生成数百万条随机记录。我有生成随机数据的函数,并将创建一
我希望 for 循环使用 go 例程并行。我尝试使用 channel ,但没有用。我的主要问题是,我想在继续之前等待所有迭代完成。这就是为什么在它不起作用之前简单地编写 go 的原因。我尝试使用 ch
我正在使用 import Control.Concurrent.ParallelIO.Global main = parallel_ (map processI [1..(sdNumber runPa
我正在尝试通过 makePSOCKcluster 连接到另一台计算机: library(parallel) cl ... doTryCatch -> recvData -> makeSOCKm
我是一名优秀的程序员,十分优秀!