时间戳

首页 > 解决方案 > 使用 SSE 向量指令加速矩阵-矩阵乘法

c - 使用 SSE 向量指令加速矩阵-矩阵乘法

问题描述

我在使用 SSE 向量指令对一些 C 代码进行向量化时遇到了一些麻烦。我必须胜利的代码是 

#define N 1000
void matrix_mul(int mat1[N][N], int mat2[N][N], int result[N][N])
{
   int i, j, k;
   for (i = 0; i < N; ++i)
   {
      for (j = 0; j < N; ++j)
      {
         for (k = 0; k < N; ++k)
         {
              result[i][k] += mat1[i][j] * mat2[j][k];
         }
      }
   }
}

这是我到目前为止得到的：

void  matrix_mul_sse(int mat1[N][N], int mat2[N][N], int result[N][N])
{
   int i, j, k; int* l;
   __m128i v1, v2, v3;
   v3 = _mm_setzero_si128();
   for (i = 0; i < N; ++i)
   {
       for (j = 0; j < N; j += 4)
       {

           for (k = 0; k < N; k += 4)
           {

               v1 = _mm_set1_epi32(mat1[i][j]);
               v2 = _mm_loadu_si128((__m128i*)&mat2[j][k]);
               v3 = _mm_add_epi32(v3, _mm_mul_epi32(v1, v2));
               _mm_storeu_si128((__m128i*)&result[i][k], v3);
               v3 = _mm_setzero_si128();
           }
       }
   }
}

执行后我得到了错误的结果。我知道原因是从内存加载到 v2。我按行主要顺序循环遍历 mat1，所以我需要加载 mat2[0][0]、mat2[1][0]、mat2[2][0]、mat2[3][0]....但是什么实际加载的是 mat2[0][0], mat2[0][1], mat2[0][2], mat2[0][3]... 因为 mat2 已经按行主要顺序存储在内存中。我试图解决这个问题，但没有任何改进。谁能帮助我。

标签： cvectorsse

解决方案

下面修复了您的实现：

void  matrix_mul_sse(int mat1[N][N], int mat2[N][N], int result[N][N])
{
   int i, j, k;
   __m128i v1, v2, v3, v4; 
   for (i = 0; i < N; ++i)
   {
       for (j = 0; j < N; ++j) // 'j' must be incremented by 1
       {
           // read mat1 here because it does not use 'k' index
           v1 = _mm_set1_epi32(mat1[i][j]); 
           for (k = 0; k < N; k += 4)
           {   
               v2 = _mm_loadu_si128((const __m128i*)&mat2[j][k]);

               // read what's in the result array first as we will need to add it later to our calculations
               v3 = _mm_loadu_si128((const __m128i*)&result[i][k]);

               // use _mm_mullo_epi32 here instead _mm_mul_epi32 and add it to the previous result
               v4 = _mm_add_epi32(v3, _mm_mullo_epi32(v1, v2));

               // store the result
               _mm_storeu_si128((__m128i*)&result[i][k], v4);
           }
       }
   }
}

简而言之_mm_mullo_epi32（需要 SSE4.1）产生 4 x int32 结果，而不是_mm_mul_epi322 x int64 结果。如果您不能使用 SSE4.1，请查看此处的答案以获取替代 SSE2 解决方案。

英特尔内在指南的完整描述：

_mm_mullo_epi32：将a和b中打包的32位整数相乘，产生中间64位整数，并将中间整数的低32位存储在dst中。

_mm_mul_epi32：将 a 和 b 中每个打包的 64 位元素的低 32 位整数相乘，并将带符号的 64 位结果存储在 dst 中。

推荐阅读