MMX SSE 3D NOW!のプ� ..

---

[2ch|▼Menu]

331:デフォルトの名無しさん
07/06/01 00:14:39
うーむ、よくみりゃ誤字ってたな。

>>327
MCが単純って書いた覚えはないよ。
金融工学の問題ってSIMDがクリティカルに利いてくるような
単純な代数計算なのかって話。

332:デフォルトの名無しさん
07/06/01 00:43:42
たとえばExceで用意されているNormdistといった確率分布関数のようなものは
商用ライブラリーを購入する手があるが、処理スピードと精度のトレードオフの調整が利かない。

これをCで組むと四則演算+EXPの多用となる。普通にプログラミングするとかなり遅いがSIMDを使うと大幅に
高速化する。SIMDにEXPがあると良いのだが。


333:・∀・）っ-○◎●
07/06/01 00:59:18
その辺はニュートン法使ったりテーラー展開したり。
Intelが数学用ライブラリ出してなかった？

x87のアレはどうせマクロ命令なので。
ちなみにdivpsとかで得られる商は近似値で精度低い。

334:デフォルトの名無しさん
07/06/01 01:06:33
標準関数よりニュートンのほうが早いってことあるのか？
ニュートンは方程式を解くのに多用するが初期値問題があるしな。

MKLのEXPは使い方によるだろうが、メモリにデータを貯める必要があるときは高速だろうが
そうでないとメモリアクセスの遅さがネックになってあまり役立たない。

335:・∀・）っ-○◎●
07/06/01 01:12:44
SIMDで組み直せば標準関数のスループット越えることなんてざらにあるよ。
あくまでSIMD使うからこそ意味があるんだけど。

336:デフォルトの名無しさん
07/06/01 01:24:31
へ-そうなんだ。
とすれば試してみる価値あるな。

expのニュートンは簡単そうだし。。。
初期値どうするかな

337:デフォルトの名無しさん
07/06/01 01:33:41
金融の問題って収束が遅いモンテカルロでどうにかなるのか。

338:デフォルトの名無しさん
07/06/01 01:37:50
使わないですめばそれにこしたことはない。
解析的に求める方法がなければモンテカルロを使うしかない。
という理由で使われる。

339:デフォルトの名無しさん
07/06/01 09:24:19
結局金融には直接関係ない部分の話になっちゃったね。

340:デフォルトの名無しさん
07/06/02 00:29:40

>>335
よく考えたら　f(x)=exp(x)で　f'(x)=exp(x)だからexpをニュートンで求めるのは無理だな。
　
テーラー展開でやってみたんだが
・テーラー展開式　exp(x)=�肺^n/n!
・階乗部分をすべて初期値設定
0!:n0=1
1!:n1=1
2!:n2=2
・・・
x:入力値
expsse:求める値

x=_mm_mul_pd(x,x);
expsse=_mm_add_pd((expsse, _mm_div_pd(x, n0));
x=_mm_mul_pd(x,x);
expsse=_mm_add_pd((expsse, _mm_div_pd(x, n1));
x=_mm_mul_pd(x,x);
expsse=_mm_add_pd((expsse, _mm_div_pd(x, n2));
・・・

こんな感じ。for分使わずn=20までやって精度９桁くらいだったかな。
しかし処理時間は非常に遅かった。
時間がなかったのであまり詳しく調べなかったがコーディングに問題あるかな？


341:デフォルトの名無しさん
07/06/05 01:32:46
Visual C++ 2005 で ssse3 の intrinsics が使えるようだ

342:・∀・）っ-○◎●
07/06/05 06:08:53
いつのまにSSSE3まで使えるようになったのか
インラインアセンブラのニーモニックは使えるが


343:デフォルトの名無しさん
07/06/05 14:01:57
>342
お前が>333でネタ振ったんだから責任もって>340のフォローしろや

344:・∀・）っ-○◎●
07/06/05 19:50:20
レイテンシのチェインがある mulpd→divpd→addpd
対象データが複数あるなら複数インターリーブするとスループットが稼げます。

345:デフォルトの名無しさん
07/06/05 20:33:01
>>344
その理論で行けばSPEのスカラも多くはスループット1クロックで処理出来るんだがな。
つーかx86にその理論を適用するにはレジスタが足(ry

346:・∀・）っ-○◎●
07/06/05 20:34:12
レジスタリネーム

347:・∀・）っ-○◎●
07/06/05 20:39:13
XORでゼロクリアしたり（Core 2からSIMDレジスタにも適用）
データ移動（部分データ移動は不可）するとレジスタリネームのヒントになる

SIMDレジスタは内部的に80程度はあるからそこそこいけるんでない？


Cellの演算ユニットはIntelアーキのそれの倍のレイテンシがかかる。
SPEのスカラが性能でないのは、そもそもベクタ化すら出来ないデータを
並列処理でレイテンシ隠蔽するには限界があるから。


348:デフォルトの名無しさん
07/06/05 21:00:36
演算器が先にストールする。

349:デフォルトの名無しさん
07/06/05 21:06:06
連投失礼。
レジスタリネームとかって言ってる人のコードの書き方に興味がある。
よっぽどコンパクトな演算じゃない限り演算結果をレジスタから追い出さなきゃいけないと思うんだが。

350:デフォルトの名無しさん
07/06/05 21:36:42
問題は十分な精度が得られないことだと思う

速度を上げることはそんなに難しくない

定数除算を逆数との乗算に置き換える
↓
a4*x^4 +a3*x^3 +a2*x^2 +a1*x + a0
↓
(((a4*x+a3)*x+a2)*x+a1)*x+a0
↓
tmp=a[N]
for(i=N-1;i>=0;i--) tmp=tmp*x+a[i]
↓
(初期化部分は省略)
LOOP:
mulpd xmm4, xmm0
mulpd xmm5, xmm1
mulpd xmm6, xmm2
mulpd xmm7, xmm3
addpd xmm4, [esi]
addpd xmm5, [esi]
addpd xmm6, [esi]
addpd xmm7, [esi]
add esi, 16
sub ecx, 1
jnz LOOP

351:・∀・）っ-○◎●
07/06/05 21:50:00
いや除算は近似値命令だから乗算に置き換えるだけである程度
精度確保できるんじゃないの？

Intelはx87倍精度は内部的に80ビット精度に展開して処理してるけど
SSEは精度度外視してたような。
精度が必要ならx87のほうがいいかもしれない

352:デフォルトの名無しさん
07/06/05 22:11:04
近似値なのはrcpps,rsqrtps命令で、
divpsは近似値じゃないんじゃない？

353:・∀・）っ-○◎●
07/06/05 22:21:41
いや近似値。内部的に逆数近似値と乗算してるだけ。

354:・∀・）っ-○◎●
07/06/05 22:22:19
ちなみに本物の除算は何十クロックもかかりますから。

355:デフォルトの名無しさん
07/06/05 22:28:36
>>353
そのソースは？
rcppsのレイテンシとmulpsのレイテンシを足しても
divpsのレイテンシよりずっと短いよ。
インテルの命令セットマニュアルには
rcpps,rsqrtpsの説明には近似値であると明記してあるけど、
divpsには近似値なんて書いてないよ。

356:デフォルトの名無しさん
07/06/05 22:32:08
x87を比較対象にしてるでしょ。
そら80bitなら何十クロックもかかるわな。

357:デフォルトの名無しさん
07/06/05 23:08:46
>>350
スマン、教えてほしい
（アセンブラは苦手なだが)多項式近似のパタンは和算→乗算の繰り返しでやるしかないという認識なのだが
乗算を先に4つやって、あとから和算4つ行うって計算は可能なのか？

358:>>357
07/06/05 23:13:47
>>344
> 対象データが複数あるなら複数インターリーブするとスループットが稼げます。


359:デフォルトの名無しさん
07/06/05 23:31:26
>>358
そういう手があるのか
サンクス


360:・∀・）っ-○◎●
07/06/06 00:30:48
>>340と>>350の式が一致してない気がするの気のせい？


361:・∀・）っ-○◎●
07/06/06 00:31:53
>>355
すまんそうだったかも。
ただ仮数部全部厳密に求めるほど精度なかったと思う

362:デフォルトの名無しさん
07/06/06 00:34:38
>>360
別物。テーラー展開とチェビシェフ系の違い。

363:350
07/06/06 01:01:20
>>360
>>340のテーラー展開式とintrinsicsでの実装が一致していない

364:340
07/06/06 19:11:56
>>344
回答ありがとう。
俺の知識ではいま一つ分らんが命令の並び順に工夫がいるということと
他のデータも同時に処理できたら同時に行うということかな。

>>363
確かに最初がまちがっとる。記述ミスなのできにしないでくだはれ。
ま、exp（）だと近似式でやったほうが速そうだね。

365:340
07/06/06 19:15:18
ところで金融システムをやる人たちはこの辺の技術を
ほとんど知らないのだけれど皆さんはどの分野でやられてるのでしょうか？

366:デフォルトの名無しさん
07/06/06 21:54:11
信号処理とかゲームじゃないかな。
逆に聞きたいのは、金融の分野で応用効くの？
桁数が必要だろうし、スピードよりも可読性が求められそうじゃ無い？

367:340
07/06/06 23:23:51
金融では最近一部グリッドが導入されだしたようだけど
HPC分野はほとんど未開拓な状態だと思う。
またSIMDとかMPIなどは外資パッケージソフトの一部では使われている。

SEへの「もっと計算を速くできないか」との要請に対し
自分の無知なことも知らず「莫大な金と時間がかかる」の一点張りで受け入れられないケースが多い。
このため多くのユーザーは高速化は無理なことと思っている。


という状況下、前にも挙げたようにリスク管理やデリバティブ関連などでは高速化へのニーズは高く、
この辺からHPC化が進んでいくと思う。
現時点では、すぐ欲しい計算結果も下手をすると数日かかるといったことが、あたりまえにおこなわれているから・・・

368:・∀・）っ-○◎●
07/06/06 23:36:08
っていうかmsdn2みたけど
VC++だと数学関数はSSE2対応ならSSE2版使ってくれるようになってるみたい？

純正の最適化ルーチンより速くしようと考えるのはぶっちゃけかなり無謀かと。

369:340
07/06/06 23:57:04
exp()はそれほど問題になっていないからいいんだけど
問題は上に書いたことなんだ。

皆さん、金融システムやらないかい？


370:デフォルトの名無しさん
07/06/07 01:16:32
仕事にする気はないが話題として興味はあるな。
重たいのはDBとかで、SIMD化するようなものでは無いイメージがある。

371:デフォルトの名無しさん
07/06/07 01:19:32
そんなのアプリによるのでは？

372:デフォルトの名無しさん
07/06/07 01:23:59
書き込みタイミングも全体パフォーマンスには注意が必要

373:デフォルトの名無しさん
07/06/18 23:11:59
【派遣ネガティブ根性チェック】

3つ以上、チェックがつけばアナタの性格はひん曲がっており、
ネガティブ負け組派遣人生を歩んでいます。

□派遣先正社員の作った糞開発ツールはたとえ腐っててもマンセーして使う
□派遣先の人事権のある社員の意見はたとえ間違っていてもマンセーする
□昼食は必ず派遣先の社員と行くべきだ
□派遣先から「いつまでもここで仕事してくださいね(安い金でｗ)」と言われて嬉しい
□自社で仕事なんてできるわけがない
□派遣労働の問題点の話題が出ると感情剥き出しにして反論する
□派遣労働の問題を指摘する人は嫌いだ
□派遣先には仕事だけでなくプライベートについてもグイグイ引っ張って欲しい
□奢ってくれる派遣先正社員を尊敬する
□自分の月額金額を知らないのは当然だ、単金を聞いてはいけない
□派遣先正社員より自分の生涯収入が低いのは当然だ
□派遣先に尻尾を振り、かわいがってもらうことが大切だ
□チビは派遣先にかわいがってもらいやすから派遣には有利だ

374:デフォルトの名無しさん
07/06/22 00:18:26
ねぇねぇこれSSE使ってかける？

int RSHash(string cr)
{
int b = 378551; //Ramdom Ranges I've chosen (can be modified)
int a = 63689;
int hash = 0; //Output hash
int i; //Temp number that scrolls through the string array

for(i = 0; i < cr.length(); i++) //Loop to convert each character
{
hash = hash * a + cr[i]; //Algorithm that hashs
a = a * b;
}

return (hash & 0x7FFFFFFF); //Returns the hashed string
}

375:デフォルトの名無しさん
07/06/22 00:43:56
PMULUDQか。
2つの文字列を同時に処理するなら使えるかな？

376:・∀・）っ-○◎●
07/06/22 00:54:28
intは32ビットね？

MMX/SSE2の掛け算は16ビット×16ビットまでしかできないから
半端に使ってもかえって遅くなるような。

依存関係がきれいに解決できてpmaddwdが適用できれば速くはなりそうだが。

377:・∀・）っ-○◎●
07/06/22 00:55:54
>>375
ああそっちがあったかど忘れしてた

378:・∀・）っ-○◎●
07/06/22 01:07:24
ループの内側を２倍に引き伸ばすとこうか？

hash = (hash * a * a * b) + (cr[i] * a * b) + cr[i+1];
a = a * b * b;

引き伸ばしていけば並列演算できそうなところは結構あるんだが、さて・・・
ああ頭いてぇ

379:デフォルトの名無しさん
07/06/22 01:46:48
SSE入門したいのですが
みんなどこから手をつけはじめたのですか？

380:341
07/06/22 02:34:18
使い方
intrin.hをインクルードすることでSSE3のintrinsicsまでは使える
SSSE3のintrinsicsは自前で各命令を定義することで使えようになる

例
#include <intrin.h>
/* MMX */
__MACHINEX86X_NOWIN64(__m64 _mm_abs_pi8(__m64))
__MACHINEX86X_NOWIN64(__m64 _mm_sign_pi8(__m64, __m64))
__MACHINEX86X_NOWIN64(__m64 _mm_alignr_pi8(__m64,__m64, int))

/* XMM */
__MACHINEX86X_NOIA64(__m128i _mm_abs_epi8(__m128i))
__MACHINEX86X_NOIA64(__m128i _mm_sign_epi8(__m128i, __m128i))
__MACHINEX86X_NOIA64(__m128i _mm_alignr_epi8(__m128i,__m128i, int))

問題点
palignr命令の3番目の引数が定数でもエラーにならない

381:341
07/06/22 02:38:44
>>380の訂正
問題点
palignr命令の3番目の引数が 『定数でない場合に』 エラーにならない

382:デフォルトの名無しさん
07/06/22 15:15:51
>>379
俺も最初はこんなのから始めて動作を確認していった。
（この書き方、aがポインタか配列かって区別がややこしいんだが）

#include<stdio.h>
int main()
{
int i,a[]={12,23,34,45};
__asm{
movdqu xmm0,a
paddd xmm0,xmm0
movdqu a,xmm0
}
for (i=0; i<4; i++) printf("%d\n",a[i]);
return 0;
}

383:・∀・）っ-○◎●
07/06/22 23:23:53
>>381
すまん意味不明。エラーにならないならどんなコード吐くの？

384:341
07/06/23 00:28:50
定数の場合
0f 3a 0f c1 01 palignr mm0, mm1, 1

定数でない場合
0f 3a 0f c1 ac palignr mm0, mm1, DWORD PTR _i$[ebp]

385:デフォルトの名無しさん
07/06/23 09:10:46
IA-32 SIMDリファレンス買ってみた。

図がいぱい載ってるぞw

386:デフォルトの名無しさん
07/06/24 09:40:42
>>340
exp(x)=2^(y1+y2)と変換する（y1は整数部y2は少数部）
y2を多項式近似で求めると速くできる
10桁程度の精度でよければ7次で可能
>>465


387:デフォルトの名無しさん
07/06/28 12:38:59
>exp(x)=2^(y1+y2)と変換する（y1は整数部y2は少数部）
それをやるならy1は整数、y2は-0.5<=y2<0.5と選んだ方がよさそうだね。


388:デフォルトの名無しさん
07/06/29 01:19:41
＞＞３８７
そうだね。
ところでｙ１が正のときはビットシフトで行けるんだが
負の時はいい方法ないかね？

389:デフォルトの名無しさん
07/06/29 12:06:17
IA-32SIMDリファレンスブック
こんな本が出てるね

390:デフォルトの名無しさん
07/06/29 13:24:55
>>303-309

391:デフォルトの名無しさん
07/07/03 22:32:30
書店でぱらっと見た感じではSSSE3まで紹介してるみたいだけど
これでどうやって下巻を書くつもりなんだろう

392:デフォルトの名無しさん
07/07/08 00:12:54
誰かSSE2にrcppdとrsqrtpdがない理由を合理的に説明してください

393:デフォルトの名無しさん
07/07/08 00:20:39
あえて近似解をDoubleで使う必要はないからだろう

394:デフォルトの名無しさん
07/07/08 01:16:16
SSEのrcpps,rsqrtpsって
｜相対誤差｜≦ 1.5×2^-12
って書いてあるから、
仮数部12bitくらいの精度しかないって事だよね？

395:デフォルトの名無しさん
07/07/08 01:17:58
rcppsからもってけるから。命令数も倍になるがな。
そして倍精度にそんなトランジスタ割けないというのが合理的理由だろう。

396:395
07/07/08 01:27:58
あー失礼。トランジスタを割けないという主張は同じなんだが
仕組みとしてはテーブルを引いてるだけのはず。
だから24bitとか32bit分ものテーブルを用意出来るわけが無い。

倍精度を使うような人は精度重視なわけで、
divpdあるんだからどうしてもやりたいんだったらソフトウェアでrcppsから精度上げてくれ、
マイクロコードを用意するのはバカバカしい、ということ。

397:デフォルトの名無しさん
07/07/08 01:42:11
>>396
能書き垂れてるんだが
結局393と何が違うんだよ

398:395
07/07/08 08:28:15
>>397
違いは無い。ただ393だけ言われても392が納得しづらいだろう。

テーブルの要素数が
12bit->4096
24bit->1677万
だけ必要であると考えれば物理的に無理な事が納得出来る。

399:・∀・）っ-○◎●
07/07/08 13:13:44
まあマイクロコード組み合わせればできなくも無いだろうけど
クロック数かかる上に【近似】解じゃねぇ

400:デフォルトの名無しさん
07/07/09 22:20:07
>>389
この本買ってみたけど、リファレンスいうから命令全部載ってるのかと思ったら載ってなかった
手元にリファレンス的なものがあるといいなと思って買ったのに・・・詐欺だわー超高いし

401:薄汚い派遣の国、日本
07/07/15 21:35:53
最近、職場で「出戻り寄生派遣」という言葉が囁かれています。
派遣契約を切られたにもかかわらず「次の派遣先でも切られてしまって生活できません」
などと 言って泣き落としで再契約した派遣のことです。
今月初め、半年前に切った派遣が出社してきてみんなびっくりしました。
影でコソコソ偉い人に泣きついて再契約したそうです。同じ部署の人には黙って・・・
そんなことまでして自宅の近くの派遣先にこだわって人間として恥ずかしくないのですか。
派遣でスキルアップ、派遣で収入アップとか言うなら一箇所にしがみつかず
複数の会社を渡り歩いてください。
ひとつの会社で派遣向けの単調な仕事をしていたらスキルアップなんてありえないでしょう。
身分不相応な商品のローンを払うために派遣だと当然足りない収入は親にも寄生して、
いつ切られるんじゃないかとビクビクしながら人事権のある人間とだけ仲良くし、
契約終了を通知されれば泣き落とし。悲惨な人生ですね。
氏んだほうがいいんじゃないですか。


402:デフォルトの名無しさん
07/07/19 19:33:12
>>400
URLﾘﾝｸ(download.intel.com)
これでええやん。
あとはビルトイン関数のヘッダ見ればだいたい書けるだろ。

403:デフォルトの名無しさん
07/07/21 21:32:10
【派遣ネガティブ根性チェック】

3つ以上、チェックがつけばアナタの性格はひん曲がっており、
ネガティブ負け組派遣人生を歩んでいます。

□派遣先正社員の作った糞開発ツールはたとえ腐っててもマンセーして使う
□派遣先の人事権のある社員の意見はたとえ間違っていてもマンセーする
□仕様とは正社員から口伝されるものだ
□口伝された仕様を意図どおり理解できなかったのは自分の責任だ
□昼食は必ず派遣先の社員と行くべきだ
□自分の仕事で問題が発生しても解決するのは派遣の仕事ではない
□派遣先から「いつまでもここで仕事してくださいね(安い金でｗ)」と言われて嬉しい
□自社で仕事なんてできるわけがない
□派遣労働の問題点の話題が出ると感情剥き出しにして反論する
□派遣労働の問題を指摘する人は嫌いだ
□派遣先には仕事だけでなくプライベートについてもグイグイ引っ張って欲しい
□奢ってくれる派遣先正社員を尊敬する
□自分の月額金額を知らないのは当然だ、単金を聞いてはいけない
□派遣先正社員より自分の生涯収入が低いのは当然だ
□チビは派遣先にかわいがってもらいやすから派遣には有利だ


404:デフォルトの名無しさん
07/07/27 18:34:11
SSE2で、ベクトルの各要素ごとに独立なシフト量を設定してシフトを行うことは不可能
という理解で良いですか?
a[0] <<= b[0]
a[1] <<= b[1]
a[2] <<= b[2]
a[3] <<= b[3]
みたいな事がやりたいんですが。

405:デフォルトの名無しさん
07/07/27 20:05:42
>>404
処理速度は劣るが、シフトの代わりに乗算で処理するとか。

406:デフォルトの名無しさん
07/07/27 23:47:27
残念ながらそれだとスカラーよりも遅くなってしまいました。うーむ

407:デフォルトの名無しさん
07/07/28 09:54:29
そうか。面白そうな問題なので何とかして高速化したいなあ。

408:・∀・）っ-○◎●
07/07/29 02:13:32
>>404
うん無理。AltiVecだとできるんだよねそれ。

409:・∀・）っ-○◎●
07/07/29 02:26:32
下位ビット落ちるけどこんなのはどう？
cvttpi2ps→指数部操作→cvttps2pi



410:341
07/08/25 01:58:03
VC++ 2008のIntrinsicsは
Intel SSSE3/SSE4.1/SSE4.2とAMD ABM/SSE4aに対応しているようだ

411:・∀・）っ-○◎●
07/08/25 03:04:10
Intelでいうとsmmintrin.hって奴か。



なにSって。

412:デフォルトの名無しさん
07/08/26 11:25:57
失礼します。

MMXのシフト系の命令って、ソースオペランドに直値、メモリ、MMレジスタのみですよね？

汎用レジスタ（eaxとか）を書いてもうまく動作しなかった気がするんですが、
VC6,VC8ともに、以下のコードがエラーにならず通ってしまいます。

psllq mm0 , eax

何か勘違いしてますか？

413: ◆0uxK91AxII
07/08/26 13:46:03
>>412
disassembleしてみたまえ。

414:デフォルトの名無しさん
07/08/26 14:50:52
>>413
eaxって書いたところがmm0になってました。

インラインアセンブラのバグ？　VC6のころからそうなのに
VC8でも放置してるのはなんか理由があるのかな。

415:・∀・）っ-○◎●
07/08/26 17:02:22
mm0もeaxも3ビット表現の 0 だもの。
汎用・FP/MM・XMMのレジスタ指定はopcodeで決まるから

416:デフォルトの名無しさん
07/08/26 17:31:27
>>415
逆アセしてmm0に見える理由がそれだとしても、アセンブラの文法
としてeaxって書くべきではないところに、そう書いてエラーにしない
のはおかしいと思いませんか？

417:・∀・）っ-○◎●
07/08/26 17:32:25
movd eax mm0と
movd mm0, eax

だとどうなるかな。opcodeで区別してるはずだが

418:デフォルトの名無しさん
07/08/26 17:44:31
その命令は見た目どおりに動くので、特にいうことはありません。


419:デフォルトの名無しさん
07/08/30 17:09:15
>>404
AMDが発表したSSE5で独立シフト量ができるようになるね。
SIMDのローテート命令まで追加されてる。
URLﾘﾝｸ(developer.amd.com)

420:デフォルトの名無しさん
07/09/02 04:12:12
もう32bit fpと整数はAltiVec互換にしてくれよ
AltiVecからSSEに仕方なく移ったマカーな俺にはSSEは使いにくすぎる

421:デフォルトの名無しさん
07/09/02 04:17:13
でもload/storeのアラインメントの扱いが楽なのはちょっといいと思った

422:・∀・）っ-＜コ:彡-
07/09/04 07:15:10
SSE4.1でXMM-汎用レジスタ間のデータ出し入れが簡単になるからシフトやローテートは我慢。


423:デフォルトの名無しさん
07/09/05 23:49:14
>>422
もー出てるなら我慢できるけどさ、まだ出てないじゃん。

424:・∀・）っ-＜コ:彡-
07/09/06 00:47:16
それ言っちゃうとBulldozerはおろかBarcelonaすら出てないが


425:デフォルトの名無しさん
07/10/19 17:12:17
MMXのpmull, pmulhはどういう使い方が想定されているのでしょうか？
なんか使いにくそうに思えるのですが……。

426:デフォルトの名無しさん
07/10/19 19:17:59
>>425
pmull : 16 bit で済む時
pmulh : 小数部 16 bit の固定小数点乗算したい時


427:ヽ・´∀｀・,,）っ━━━━━━┓
07/10/20 01:26:21
xbyakを魔改造するか

428:デフォルトの名無しさん
07/10/24 22:36:46
IA-32 SIMDリファレンスブック＜下＞
URLﾘﾝｸ(www.cutt.co.jp)

SSSE3まで
SSE4はない

429:デフォルトの名無しさん
07/10/24 22:52:02
だから高いって。

430:デフォルトの名無しさん
07/10/25 01:49:44
ぼったくりでそれか。マジいらん。

431:ヽ・´∀｀・,,）っ━━━━━━┓
07/10/25 01:55:23
SDK for 45nm Next Generation Intel Core 2 Processor Family and Intel SSE4

にSSE4.1/4.2のマニュアル一式とエミュレーションDLLがついてるからそれで十分。

432:デフォルトの名無しさん
07/10/27 05:20:50
総和を求めるなど、一つの変数が共通の場合、SSEを使って計算するCコードを教えてください


433:ヽ・´∀｀・,,）っ━━━━━━┓
07/10/28 02:23:19
総和なら簡単じゃん

__declspec(align(16)) float a[100];
float dest;

//SIMD化前
for (int i = 0; i < 100; i++) {
sum += a[i];
}

//SIMD化後
__m128i sumx = { 0.0f,0.0f,0.0f,0.0f };
for (int i = 0; i < 100; i++) {
sumx = _mm_add_ps(sum, *(__m128*)&a[i*4]));
}
sumx = _mm_hadd_ps(sumx, sum);
sumx = _mm_hadd_ps(sumx, sum);
_mm_store_ss(sum, sumx);

434:ヽ・´∀｀・,,）っ━━━━━━┓
07/10/28 02:24:14
訂正

//SIMD化後
__m128i sumx = { 0.0f,0.0f,0.0f,0.0f };
for (int i = 0; i < 100; i+=4) {
sumx = _mm_add_ps(sumx, *(__m128*)&a[i]));
}
sumx = _mm_hadd_ps(sumx, sum);
sumx = _mm_hadd_ps(sumx, sum);
_mm_store_ss(sum, sumx);

435:デフォルトの名無しさん
07/10/31 21:29:38
movqに対応する組込み関数ってないん？

436:デフォルトの名無しさん
07/10/31 21:57:18
_mm_loadl_epi64

437:デフォルトの名無しさん
07/10/31 22:03:36
Σ(・ω・ﾉ)ﾉエッ

438:デフォルトの名無しさん
07/11/01 00:19:03
__m128i _mm_loadl_epi64(__m128i*)
__m128i _mm_move_epi64(__m128i)
void _mm_storel_epi64(_m128i*, __m128i)

439:デフォルトの名無しさん
07/11/01 02:28:07
sse4のベンチ見てるとちょっと心配になってくるな。

440:ヽ・´∀｀・,,）っ━━━━━━┓
07/11/01 23:00:54
>>435
MMXのは無い。
__m64 mm0 = a[i]で既にロードに展開される。てか、コンパイラ任せ。

441:デフォルトの名無しさん
07/11/14 19:03:24
x86の話なんですが

64ビット整数のグローバル変数1つを操作する関数が
頻繁に呼ばれるプログラムを作っています。
アセンブラ見ると、32ビットずつ操作しているようなんですが
これをMMXを使っていっぺんに操作するようにすれば、高速化しますか？

高速化するなら、MMX勉強してみようかなと思ってるのですが。

442:デフォルトの名無しさん
07/11/14 19:57:23
しません

443:デフォルトの名無しさん
07/11/14 19:59:23
andとかorとかビット演算だけなら可能性がないとも言えない。

444:デフォルトの名無しさん
07/11/14 22:10:28
>>441
double でやればー?

445:ヽ・´∀｀・,,）っ━━━━━━┓
07/11/14 23:38:44
関数コールのインライン化のほうがまだ効果あるかもな

446:デフォルトの名無しさん
07/12/22 23:14:35
2つの4byteのデータを先頭から任意の
ビット数一致しているかチェックするのに
SSEって有効に使えそう？1ビットずつチェック
とかアホ過ぎて

uint32_t chk_bit(uint32_t master, uint32_t src, uint32_t bit){
この中どうしよう。
}

447:ヽ・´∀｀・,,）っ━━━━━━┓
07/12/22 23:53:57
【この中】
return ((master ^ src) >> (32 - bit)) != 0;

448:デフォルトの名無しさん
07/12/24 00:16:33
xmmレジスタを128bit intとして使う場合，
あるbitが立っているかどうかを高速に調べる方法はありませんか？
SSE4.1でptst命令が導入されますが，それまで待ってられません．

449:ヽ・´∀｀・,,）っ━━━━━━┓
07/12/24 00:30:38
xmm0に調べたい値ががあるとすれば

movdqa xmm1, [pattern]
movdqa xmm2, xmm0
pand xmm2, xmm1
pcmpeqb xmm2, xmm1
pmovskb eax, xmm0
test eax, eax

でeaxが0以外ならビットが立ってる。

450:ヽ＞´∀｀＜,,）っ━━━━━━┓
07/12/24 00:31:51
pmovmskbに訂正してくだしあ＞＜

451:デフォルトの名無しさん
07/12/24 00:46:27
THX
やはりpmovmskbで移すしかありませんか．．．
Nehalemまでは64bit int x 2でやっとくのが吉？

452:デフォルトの名無しさん
07/12/24 11:21:12
ptestはPenrynじゃね？

453:デフォルトの名無しさん
07/12/24 13:14:13
LARGE_INTEGER otime, ntime;
〜略〜
double dt = (double)((ntime.QuadPart - otime.QuadPart) * (1000.0f / f.QuadPart));

をSSE使ってVC8のインラインアセンブラで書くとどうなりますか？


454:デフォルトの名無しさん
07/12/24 19:38:49
どう考えてもスカラ演算だよね

455:デフォルトの名無しさん
07/12/24 20:04:35
64bit整数を64bit浮動小数点数に返還するSSE命令は
64bitモードにしかありません
VCでは64bitモード用のプログラムにインラインアセンブラは使えません

456:ヽ＞´∀｀＜,,）っ━━━━━━┓
07/12/24 20:30:13
*intrin.hのマニュアルを見ればいいと思うが

457:デフォルトの名無しさん
07/12/24 20:32:45
SSEで書く利点なくね？

458:ヽ＞´∀｀＜,,）っ━━━━━━┓
07/12/24 20:37:16
無いな

459:デフォルトの名無しさん
07/12/24 20:58:49
書けても手間損

460:デフォルトの名無しさん
07/12/24 21:00:24
ファイヤーウォール作る時に
パケット解析するのにSSE使っても
手間になるだけ？

461:ヽ＞´∀｀＜,,）っ━━━━━━┓
07/12/24 21:02:06
そろそろテンプレ作ったほうがいいんじゃないの。
SSEは大量のデータに同じ処理をかけるときにこそ効果を発揮するんであって
細かい所は従来のx86命令のほうがむしろ速い。

462:ヽ＞´∀｀＜,,）っ━━━━━━┓
07/12/24 21:03:24
>>460
そういうのに向いてるって話は聞いたことがない。


463:デフォルトの名無しさん
07/12/24 21:55:34
単一の64bitや128bit値を何回も計算するときは？

464:デフォルトの名無しさん
07/12/24 21:57:38
汎用レジスタに納まらないサイズ弄るなら効果あるんじゃないの?

465:ヽ・´∀｀・,,）っ━━━━━━┓
07/12/24 22:04:42
アレはあくまで32ビット値を4つ同時に扱うものであって、多倍長扱うならむしろ64ビットモードで汎用レジスタベースでやったほうがいい。

466:デフォルトの名無しさん
07/12/24 22:15:44
( ･∀･)つ〃∩ ﾍｪｰﾍｪｰﾍｪｰﾍｪｰﾍｪｰ

467:デフォルトの名無しさん
07/12/25 17:49:27
PADDQとかの事だろうけどC2Dでもレイテンシ2だしね
実装はcarry selectあたりだろうか

468:451
07/12/26 11:18:07
>>452
遅レスだが
ptestはSSE4.1で，PenrynはSSE4じゃなかった？

469:デフォルトの名無しさん
07/12/26 11:52:30
SSE4はSSE4.1とSSE4.2の両方を含む呼称(正確には、という事になった)
Penrynは4.1のみ
Nehalemは4.1と4.2の両方

>>452で合ってるんじゃねーの？

470:451
07/12/26 13:20:32
>>469
どうもその様ですね，THX．
URLﾘﾝｸ(pc.watch.impress.co.jp)
Penrynならそれほど待たなくて済むなぁ，どうしよう．

471:451
07/12/26 13:22:02
>それほど待たなくて済むなぁ
これは価格が手頃になるのを，って意味です

472:デフォルトの名無しさん
07/12/26 13:25:45
64bit浮動小数点数の配列があったとき絶対値が最大の要素を
求めたいのですがSSE2を使って高速にできるでしょうか？
普段はVC++を使ってますがより高速化できるならアセンブラ
もつかってみようかと考えてます。OSはVista(64bit)です。

473:デフォルトの名無しさん
07/12/26 13:54:20
>>472
x64用ののVC++だとデフォルトでSSE2を使うようになっている。
下のを　cl　/c　/O2　/FAsc　test.c　でコンパイルして、test.cod　を見てみるとまあまあのコードが生成されているぞ。

double　maxabs(double　array[],　int　size)　{
　　double　ans　=　0.0;
　　for　(int　i=0;　i<size;　i++)　ans　=　__max(ans,　abs(array[i]));
　　return　ans;
}


474:デフォルトの名無しさん
07/12/26 18:30:53
>>473
Cだと「for (int i=0;」のところでエラーになるので
#include <cmath>
#include <cstdlib>
を付け加えてCPPファイルにしてコンパイルしてみました。
movsdx andpd comisd
などが使われていますね。これがSSE2かな？
でもこれが本当に高速なコードかどうかはわからないですね。


インテルでMKLというライブラリを出してますがこれはすごいですね。
試したのは行列計算の一部だけ（LU分解）ですが数値計算の本に載っている
プログラムをVC++でコンパイルしたものより5倍ぐらい高速です。
数学レベルで新アルゴリズムを開発した可能性は低いので実装レベル
の技術が高いと思うのです。
5倍の差は大きいのでSSEなどを勉強して何とか近づきたいのですが
大変かな？


475:デフォルトの名無しさん
07/12/26 18:38:45
dou you make correlated random number?

476:451
07/12/26 20:38:30
>>472
P4用でちょっと古いけど
「ストリーミング SIMD 拡張命令 2(SSE2)を使用した、倍精度浮動小数点ベクトルの最大/最小要素とそのインデックスの検出」URLﾘﾝｸ(download.intel.com)

477:472
07/12/26 23:15:38
>>476
やりたいのは絶対値の最大なのでちょっと違うけどなかなか参考になります。
最大と最小をもとめて絶対値の大きな方をとる方法と
絶対値を計算しながら最大をもとめる方法がありますね。
まあこの辺はいろいろ実験してみないとどれがいいのかわからないですね。

478:ヽ・´∀｀・,,）っ━━━━━━┓
07/12/27 02:18:53
>>473
VC++だとmaxsdしか使わない予感。

>>473ベースで、arrayの要素が偶数個で128ビット境界にあってるの前提ならこんな感じ
たぶんSSE3くらいは使えるよね？たいしたことに使ってないけど。

#include <pmmintrin.h>
double maxabs(double array[], int size) {
　 　 static const union {
　 　 　 　 __m128d pd;
　 　 　 　 __int64 a[2];
　 　 } mask = { 0x7FFFFFFFFFFFFFFFi64, 0x7FFFFFFFFFFFFFFFi64 };
　 　 double ans;
　 　 __m128d ans_pd = { 0.0, 0.0 };
　 　 for (int i = 0; i < size; i+= 2)
　 　 　 　 ans_pd = _mm_max_pd( ans_pd, _mm_and_pd(mask.pd, *((__m128d*)&array[i])) );
　 　 ans_pd = _mm_hadd_pd(ans_pd, ans_pd);
　 　 _mm_store_sd(&ans, ans_pd);
　 　 return ans;
}



479:デフォルトの名無しさん
07/12/27 23:05:22
>>474
SIMD化の方が簡単で面白そうだから目につきやすいんだけど、そこは最後の手段なんだよね。

配列同士の四則演算では極力全ての演算をまとめて行って、代入を1回で済ます。
行列なんかの三次元的なループはキャッシュに入る長方形のブロック単位で処理をする。
そういうところが出来てればSIMD化しなくても前者で最大2倍くらい、後者は計り知れない程速くなる。

480:474
07/12/28 23:06:10
>>479
気持ちはわかるけど具体的にはどうやるのかな？
短いので高速化したいプログラムをアップしてみる。
#include <cmath>
double LU(int n, double** a, int* ip)
{
int i,j,k,ii,ik;
double t,u,det,*w;
w=new double[n];
for(k=0;k<n;k++){
ip[k]=k;
for(j=0,u=0;j<n;j++){ t=fabs(a[k][j]); if(t>u) u=t; }
if(u==0){ delete[]w; return 0; }
w[k]=1/u;
}
det=1;
for(k=0;k<n;k++){
u=-1;

481:474
07/12/28 23:08:38
続き
for(i=k;i<n;i++){
ii=ip[i];
t=fabs(a[ii][k])*w[ii];
if(t>u){ u=t; j=i; }
}
ik=ip[j];
if(j!=k){
ip[j]=ip[k]; ip[k]=ik;
det=-det;
}
u=a[ik][k]; det*=u;
if(u==0){ delete[]w; return 0; }
for(i=k+1;i<n;i++){
ii=ip[i];
t=(a[ii][k]/=u);
for(j=k+1;j<n;j++) a[ii][j]-=t*a[ik][j];
}
}
delete[]w;
return det;
}
最後のforループが3重ループなのでこの付近が一番スピードに関係してそう。


482:デフォルトの名無しさん
07/12/28 23:33:40
キャッシュ効率上げればかんり高速化しそうだね

483:479
07/12/29 23:23:23
恥ずかしながらLU分解はやった事無いんだけど
3重のループでa[ii]のラインはiに依存して切り替わり、
a[ik]のラインはkに依存して切り替わるでしょ。

a[ik]のラインはkにつき1度しか切り替わらないからキャッシュにずっと入ってるけど、
a[ii]のラインはkが同じでもiが変わったら切り替わってしまう。
a[ii]のラインは最大k回アクセスがあるから、出来れば切り替えたく無い。

そこで折衷案をとって、a[ik]をもう少し頻繁に切り替える代わりにa[ii]をもう少しゆっくり切り替わるようにバランスを取る。

バランスを取るというのはどういう事かと言うと、
二次元の処理で1000x1000の要素があった時に
1ラインずつ処理するのではなく例えば100x100のマスが10x10個あるものとして処理する。
(0, 0)-(999, 0)を処理してから(0, 1)-(999, 1)の処理をするんじゃなくて、
(0, 0)-(99, 0)まで処理して(0, 1)-(99, 1)...(0, 99, 99, 99), (100, 0)-(199, 0)のような処理の仕方。

今回はループが3重だから、書き換えると6重のループになって頭は最高にこんがらがる。
しかもラインがipによって入れ替わるみたいだから、こういう手法が使えるのかよく分らない。ごめん。
ipがどう変わるかを事前に必要なライン数分計算出来ればいいんだろうけど。

484:474
07/12/30 21:31:17
>>483
コメントありがとうございます
少し詳細に480のプログラム（LU1）と
intelのMKLを使った場合(LU2)とをテストしました。

サイズ(n) LU1(VC++) LU2(MKL) 比率
4 0.218μs 1.140μs 0.191
8 0.796μs 2.680μs 0.297
16 4.087μs 7.460μs 0.548
32 0.0246ms 0.0204ms 1.21
64 0.174ms 0.0656ms 2.65
128 1.31ms 0.271ms 4.83
256 10.2ms 1.435ms 7.11
512 82.4ms 9.13ms 9.03
1024 780ms 66.1ms 11.8
2048 7.58s 0.501s 15.1
4096 60.9s 3.79s 16.1
8192 486.5s 29.9s 16.3
CPU：intel Q6700(3.4GHz)

サイズが小さい場合はLU1でもキャッシュの利用効率が高いはずですが
予想どうりLU2との差が小さくなりnがごく小さいときは逆転しています。
たぶんLU2は複雑なやっていてそのため遅くなっているのでしょう。
nが非常に大きくなるとLU1はキャッシュ効率が悪いためLU2に大差をつけられてしまってます。

高速化をめざすならSSEの最適化を考える前にキャッシュ効率を上げる工夫をすべきですね。
となると483のような多重ループのブロック化が必然となるか？
まあ、難しそうなので具体的な方法は少し考えてみます。
うまいアイデアがありましたらまたコメントください。（ややスレ違いになりつつあるが）


485:デフォルトの名無しさん
07/12/30 22:03:51
ここは一応拡張命令のスレだからねえ。
もし移動するならここかな？
ｽﾚﾘﾝｸ(tech板)l50

486:デフォルトの名無しさん
07/12/30 22:07:51
ソフトウェア・プリフェッチの話を絡めつつやれば
スレ違いにならなずに済むか。

487:デフォルトの名無しさん
08/01/16 18:30:07
xmm の not を一命令で求める方法はありませんか？　~0 との xor は無しで

488:487
08/01/16 20:45:05
上げときます

489:デフォルトの名無しさん
08/01/16 21:28:47
pandnでもダメだよな。
そうなると、周りの命令と絡めて実質的に１命令で済ますことを考えるくらいか。

490:デフォルトの名無しさん
08/01/17 00:08:24
無理っぽいねぇ．all 1 の定数を read することを考えれば，
cmpeq xmm0,xmm0 で all 1 を作る方が速いか？

491:ヽ・´∀｀・,,）っ━━━━━━┓
08/01/17 00:58:10
all 1をロードだとレジスタリネーミングされるので先行実行できる可能性がある。
ケースバイケース。

492:デフォルトの名無しさん
08/02/19 10:43:09
メディアンフィルタを作成したいのですが、
コンパイラがSSEを使いやすいコードはどのように書いたらよいのでしょうか？

493:デフォルトの名無しさん
08/02/20 07:38:55
メディアンフィルタで自動ベクトル化は難しいなあ。
ソートアルゴリズムをGPUでやるやつみたいに直線的なものにすればやってくれない事は無いけど。
とにかく一番内側のループがベクトル同士の演算になるように心掛ける事。

494:デフォルトの名無しさん
08/06/19 00:27:56
行列計算をSSEで行った場合の
解説サイトしらないっすか？

495:デフォルトの名無しさん
08/06/19 03:21:26
URLﾘﾝｸ(www.google.co.jp)

496:デフォルトの名無しさん
08/06/19 22:39:47
a1=3.1 a2=4.0 a3=5.5 a4=6.1

r1 = a1^2 + a2^2 + a3^2 - a4^2
r2 = a1+a2 - a3*a4 +a1+a3 + a2*a4

r = r1+r2

こんなのSSEで解きたいんだけどどうすればいいんだろう




497:デフォルトの名無しさん
08/06/21 16:25:20
dvec.hの
cmpeq()した結果が全て０かどうやって判別するの？

498:デフォルトの名無しさん
08/06/21 20:26:50
if ( _mm_movemask_pd(cmpeq(a, b)) == 0 )

499:デフォルトの名無しさん
08/06/21 23:31:44
む〜〜〜
倍精度の絶対値はどうすれば求まるの？

500:デフォルトの名無しさん
08/06/22 00:08:16
学校の勉強か？ちったあ頭使えよ。

方法1(ロード無し):
// a = a < 0 ? -a : a;
F64vec2 z = _mm_setzero_pd();
a = select_lt(a, z, z-a, a);

方法2(ロード有り):
static const __int64 _0x7FFFFFFFFFFFFFFFLL = 0x7FFFFFFFFFFFFFFFLL;
F64vec2 m(*(double *)&_0x7FFFFFFFFFFFFFFFLL);
a &= m;

501:デフォルトの名無しさん
08/06/22 00:11:01
間違った。mは

static const F64vec2 m = 以下省略

502:デフォルトの名無しさん
08/06/22 00:17:45
>>500
あーそういうのがあるのですね
何分あほ過ぎて、あきれてるかもしれませんがどうもすいません。

503:デフォルトの名無しさん
08/06/22 01:06:49
いいってことよ。
ちなみに絶対値の処理がループに入っていて比率が高い場合はロード有り、
絶対値を取る負荷が低いならロード無しが効率的。

ところで最近rcp_nr()やrsqrt_nr()の精度の低さを嘆いていて
もう一段階計算するか素直にdivpsを使うか考えてたんだが
ググってみるとdivpsとsqrtpsって最近は6 cycleなのな。typoじゃないのか？速すぎる。
なんかrsqrt_nr()はともかくrcp_nr()って要らない子な気がしてきた。

そもそも何故rcpps, rsqrtpsでVMXみたいに12ビット用意しなかったのかと問いつめたい。
プロセッサは日々速くなるんだから12ビットが最初は大きすぎでも用意するべきだったろう。

504:デフォルトの名無しさん
08/06/22 10:06:41
6 cycleというのは、2.0 で割るみたいな単純なケースだけじゃないの？

505:デフォルトの名無しさん
08/06/22 10:39:18
0除算ってどう扱うべきなの？
常にチェックするのかな

506:デフォルトの名無しさん
08/06/22 11:39:56
>>504
情報が古いが248966.pdfを読んでも13 cycleだぞ。これでも十分速過ぎるだろ。
ちょっと前まで40 cycleだったのに。
こりゃ中では12bitのrcppsを持ってるな。逆数取って精度上げが1回で済めば13 cycleでも納得出来る。

>>505
0除算は数学上定義されていない。
プログラムとか関係なく、机上で数式書いた時点でつっこむべきだ。
定義されていないので、当然答えは自分で用意する事。

1. 0で除算する時点で数式が間違っていたと認識し、方法を改める。
2. 除数が0にならないようなロジックにする。
3. 除数が0になった場合の回避策を設ける。
3-1. c = a / (b + 0.001) のようなかさ上げを行う。
3-2. c = a / max(b, 1) のような下限を設ける。
3-3. c = b == 0 ? 0 : a/b のような特別な取り扱いを行う。
4. 結果がNANかを調べて後から計算に失敗している事を認識する。

3はプログラムに組み入れる事になる。3-2と3-3は当然事前に分かればそこで取り扱えばいいし、直前まで分からなければ常にチェックする。
処理によっては無理に回避するよりも4が重要な場合もある。

507:デフォルトの名無しさん
08/06/22 12:42:58
gccに#include <dvec.h>ってないんだな
icc買うしかないか

508:デフォルトの名無しさん
08/06/22 13:32:06
>>505
常にチェックしなくても、__try { } で囲んで、
0除算例外を __except() で受ける方法もあるよ。
例外を発生させるようにfldcwやldmxcsrで設定する必要があるけど。

509:デフォルトの名無しさん
08/06/25 14:48:40
複数のスレッドで同時にMMX命令を使う場合に
スレッドごとにemmsを呼ぶ必要はありますか？

それとも以下のように、複数のスレッドから抜け出た後に
一回だけemmsを呼べばOKですか？

#pragma omp parallel for
for (int i = 0; i < hoge; i++) {
　 // ここでMMXを使用 (x87命令は使わない)
}
_mm_empty();　// emmsはこの一回でOK？

510:509
08/06/25 16:10:01
何かあったら怖いので
スレッドごとにemmsを呼び出すことにしました。

511:デフォルトの名無しさん
08/06/26 02:27:18
マルチスレッドでMMXは未対応だけどな

512:デフォルトの名無しさん
08/06/26 22:59:19
そのへんはOS依存じゃないの？

513:デフォルトの名無しさん
08/06/26 23:10:16
いやSSEもMMXもマルチコアとマルチスレッド未対応だろ

514:デフォルトの名無しさん
08/06/27 00:40:22
マルチスレッド未対応とはコンテキストスイッチへの対応のことを言っているの？
MMX/3DNowはx87FPUとレジスタ兼用だから問題無いし、
SSEはFXSAVE/FXRSTORという専用命令があるから、これも問題なさそうだが。

515:デフォルトの名無しさん
08/06/27 00:50:59
そうじゃねー
マルチプロセスならコンテクストスイッチ時にSSE/MMXレジスタが
保存されるだろうがマルチスレッドは一つのプロセスの中で複数の
スレッドを走らせるので汎用レジスタ退避しかない

516:デフォルトの名無しさん
08/06/27 01:03:32
>>515
なにその糞環境？
晒してみ

517:デフォルトの名無しさん
08/06/27 01:10:51
マルチスレッドの実装に依存する話だが
少なくとも Linux は大丈夫だったはず
ダメな環境を俺も知りたい

518:デフォルトの名無しさん
08/06/27 02:14:56
Windows 95とか？
プロセス間でもだめだしそもそも(ry
なんてツッコミはいやん

519:デフォルトの名無しさん
08/06/27 02:31:10
>>515
1．>>514 に書いてあるように MMXレジスタ = x87レジスタ なのだから、
　　MMXレジスタが保存されないなら小数点演算も同様ではないのか。

２．特権ユーザでもない限りコンテクストスイッチを禁止できない。
　　さもなければ誰でもシステムを強制停止できてしまう。　（例：Windows 3.1）
　　制御できないとしたら、ではどのタイミングでレジスタを待避すればよいのか。

３．>マルチプロセスなら ... 中略 ... レジスタが保存される
　　それで、マルチコア非対応になる理由はなに？


520:デフォルトの名無しさん
08/06/27 03:03:41
シグナル（割り込み）とスレッドの区別の付かない人っているよね。

MMXのレジスタをFDPと共有させたのはOS側の対応を不要にするための
仕掛けだったのだけど今となってはやっちゃったって感じの仕組みと評価されている。

521:519
08/06/27 08:30:11
おっと、>>515 は対応してない（できない）と言っているのに、
２番ではやり方を聞いてしまってるな。
この質問は撤回するとして、代わりに３番に追加しておこう。

マルチコア非対応というのはマルチプロセッサ（ユニコア）
ならばOKということか？
SMT（ハイパースレッディング等)の場合はどうなのか。

522:デフォルトの名無しさん
08/06/27 08:33:32
基本的にシングルコアでのみ利用可能だ

523:デフォルトの名無しさん
08/06/27 10:26:51
新種のキチガイが暴れてるなｗｗｗ
動かないっつーのが明記されてる資料出せやｗ

524:デフォルトの名無しさん
08/06/28 01:13:58
>>522
まず訂正するとユニコアなる単語はシングルコアの誤りだ。
そんで微妙に通じていないようだからもう一度聞くよ。

複数のシングルコアのCPUを搭載したマルチプロセッサの
システムでMMX/SSEは利用可能なのか。

シングルコアなんだけど擬似的にマルチプロセッサの
ように振る舞うSMT対応のCPUではどうか。
具体的に言うとHT有効なPentium4でMMXは使えるのか。

結論だけではなくて、理由を教えてもらいたいのだが。

525:デフォルトの名無しさん
08/06/28 01:31:34
誤解のないように追記。
話を簡単にするためマルチプロセスの場合を聞きたい。
とりあえずこの件についてはマルチスレッドは保留で。

526:デフォルトの名無しさん
08/06/28 10:19:45
マルチプロセスの場合は
物理CPU1つだけで稼動する
物理CPU2つならそのうち１つだけ
４つならそのうち１つだけ

527:デフォルトの名無しさん
08/06/28 11:15:05
脳内仕様はもういいよ、資料出せ資料を。

528:ヽ・´∀｀・,,）っ━━━━━━┓
08/06/28 14:34:24
>>496 亀レスだけど、どのへんが難しい？
単精度の場合だけど

;; r1 = a1^2 + a2^2 + a3^2 - a4^2
movaps xmm0, xmmword ptr [a1_a2_a3_a4] ;; a1, a2, a3, a4を並べておく
movaps xmm1, xmm0
xorps xmm1, xmmword ptr [MASK_PPPN] ;; MASK_PPPN = { 0x00000000, 0x00000000, 0x00000000, 0x80000000 }
;; これで xmm1 = { a1, a2, a3, -a4 } になる
dpps xmm0, xmm1, 0xF1 ;; 内積をとる
;; SSE4.1非対応ならdppsはこれで代替(SSE3必須)
;; mulps xmm0, xmm1
;; haddps xmm0, xmm0
;; haddps xmm0, xmm0
;; SSE3が使えないなら・・・メンドイ・・・

;; r2側は大して並列化が期待できないのでスカラでやってよし
;; r2 = a1+a2 - a3*a4 +a1+a3 + a2*a4 = a1+a1+a2+a3 + (a2-a3)*a4
movss xmm1, dword ptr [a1]
addss xmm1, xmm1 ;; a1+a1
movss xmm2, dword ptr [a2]
addss xmm1, xmm2 ;; (a1+a1) + a2
movss xmm3, dword ptr [a3]
addss xmm1, xmm3 ;;
subss xmm2, xmm3 ;; a2 - a3
mulss xmm2, dword ptr [a4] ;; (a2-a3)*a4
addss xmm1, xmm2 ;; r2 = = (a1+a1+a2+a3) + ((a2-a3)*a4)
;; 最後はこう
addss xmm0, xmm1 ;; r = r1 + r2

---

次ページ

最新レス表示

スレッドの検索

類似スレ一覧

話題のニュース

おまかせリスト

▼オプションを表示

レスジャンプ

mixiチェック！

Twitterに投稿

オプション

しおりを挟む

スレッドに書込

スレッドの一覧

暇つぶし2ch

---

5214日前に更新/141 KB
担当:undef