SIMD or Algorithm - 0100

igame2000

Intrinsics,SIMD,再加上OpenMP

这次很简单,只需在循环上加上OpenMP的指示:

#paragm omp parallel for
for(int h = 0; h < 1024; h++) {
    .......

    #paragm omp parallel for
    for(int w = 0; w < 1024; w++) 

    ......
}

You see,现在就剩下比较结果了。

int _tmain(int argc, _TCHAR* argv[]) {

  INIT_PERF() // 初始化性能计数器

  float perf0 = 0.0, perf1 = 0.0, perf2 = 0.0, perf3 = 0.0; // 分别用来统计4种方法的结果
  const int loop = 1000; // 进行1000测试

  for ( int i = 0; i < loop; i++ ) perf0 += test_Normal_Filter(); // 传统方法
  for ( int i = 0; i < loop; i++ ) perf1 += test_Normal_OMP_Filter(); // 传统方法+OMP
  for ( int i = 0; i < loop; i++ ) perf2 += test_SIMD_Filter(); // SIMD方法
  for ( int i = 0; i < loop; i++ ) perf3 += test_SIMD_OMP_Filter(); // SIMD方法+OMP

  cout<<"Counter Freq:"<<m_CounterFreq<<endl; // 计数频率
  cout<<"Perf0:"<<endl<<"Total:"<<perf0<<" "<<perf0/loop<<"/per proc"<<endl; // 传统方法的结果
  cout<<"Perf1:"<<endl<<"Total:"<<perf1<<" "<<perf1/loop<<"/per proc"<<endl; // 传统方法_OMP
  cout<<"Perf2:"<<endl<<"Total:"<<perf2<<" "<<perf2/loop<<"/per proc"<<endl; //SIMD
  cout<<"Perf3:"<<endl<<"Total:"<<perf3<<" "<<perf3/loop<<"/per proc"<<endl; // SIMD + OMP

   return 0;
}

结果,传统方法要优于SIMD方法!

得出的结论就是:

如果处理比较简单,像例子中这样没有复杂计算,数据相关性小,适合于流水线发挥作用的情况,注意算法的优化可能带来更好的性能提升。

所以,如果“感觉”使用新方法能够提高性能,请先做测试,并比较“优化”前后的结果,然后再决定是否进行“优化”。因为,上面的例子再次证明了,“感觉”有时候(经常是“往往”啦)并不可靠。

good lucky!

阅读 369

A babysitter.

6 声望
2 粉丝
0 条评论
你知道吗?

A babysitter.

6 声望
2 粉丝
宣传栏