那位编程举个例子, 把sse的"威力"释放一下?

紫色

但是利用了双核优化？随便一个计算量大点的lapack程序，只要开了双核优化，速度上去个百分之几十很容易的。他所说的sse优化对速度提高的贡献大概多少？
谈到双核优化，到目前为止我的感觉是: 大多数情况下还不如关闭双核优化而使用openmp，速度提升更大。intel的c/fortran早就支持openmp甚至还改进为所谓cluster openmp。

[ 本帖最后由 紫色 于 2007-9-29 23:49 编辑 ]

Ricepig

原帖由 紫色 于 2007-9-29 23:37 发表
但是利用了双核优化？随便一个计算量大点的lapack程序，只要开了双核优化，速度上去40%很容易的。sse3对速度提高了多少还是未知？

你去那个网站看看详细的优化报告,每一个步骤提高了多少都清清楚楚
可以看到单独SSE提高了多少.
看看这个http://blog.csdn.net/flyingdog/archive/2007/01/21/1489183.aspx

[ 本帖最后由 Ricepig 于 2007-9-29 23:41 编辑 ]

Edison

虽然像基于SSE2这样的double precision指令集的运算器能透过特定的方法来跑quadruple precision，但是速度只怕会下降到1/30~1/300。

Dr.BT

原帖由 Ricepig 于 2007-9-29 23:19 发表

IA-32 Intel Architecture Optimization Reference Manual 2-56页
"x87 supports 80-bit precision, double extended floating point.
Streaming SIMD Extensions support a maximum of 32-bit
precisio ...

你不会连最基本的概念都没有吧
cell怎么处理dp的？
还不是32l,32h，最多效率下来一大截罢了
MULPD xmmreg1, xmmreg2
随便拿条乘法出来说说嘛
xmm能是两个dp为什么不是一个128?
64l，64h不就是128:huh:
谁说不能做了

Edison

原帖由 Dr.BT 于 2007-9-30 00:01 发表

你不会连最基本的概念都没有吧
cell怎么处理dp的？
还不是32l,32h，最多效率下来一大截罢了
MULPD xmmreg1, xmmreg2
随便拿条乘法出来说说嘛
xmm能是两个dp为什么不是一个128?
64l，64h不就是128:huh:  ...

SPE有专门的非流水线SI2D FP64 IEEE754单元。

Ricepig

原帖由 Dr.BT 于 2007-9-30 00:01 发表

你不会连最基本的概念都没有吧
cell怎么处理dp的？
还不是32l,32h，最多效率下来一大截罢了
MULPD xmmreg1, xmmreg2
随便拿条乘法出来说说嘛
xmm能是两个dp为什么不是一个128?
64l，64h不就是128:huh:  ...

两个64bit拼的128位浮点运算,属于偏软件实现,和本贴讨论的内容无关,而且拼起来的效率很低,不信你自己想想一个比较著名的问题"大数乘法"
Intel的文档说不支持128bit精度,某些人就是要嘴硬~~~

紫色

看来也没有人来提供程序和数据，那就这样结束。感谢ricepig提供了对sse2优化的一个例子。非图形图像程序，simd如真能贡献10%的性能提升就令人刮目相看了。

顺便反驳一下前面3位高手：
1） p3/p4依靠sse压倒k7肯定是图形图像领域，数值计算领域这不可能。不要忘记p4中运行一条128位sse指令是两个周期，而x87是一个周期。考虑到simd的使用限制，科学计算程序在p4上舍x87而对sse优化只能吃亏。
2） 同样的理由，有人说athlonXp 1600+对athlon 1.4G的spec的相关部分测试性能提高是sse的功劳，不令人存疑吗？谁能解释sse哪里来的那种能耐？
3） 只有对core2/barcelona，数值计算程序才有进行sse优化的价值。“高手”们真要从网上拉程序拉数据，也要从这里入手吧？呵呵。那位拉了一个2001年中山大学bbs的程序，估计你也没有跑过从而不能提供运行时间等对比，大概只能在概念上对我有说服力吧？

sse提供了理论上2倍于x87的速度，但是simd的使用受数据关联和编译器优化能力的限制，也要受simd指令在整个计算量中的比重的影响。最终是什么结果，我会慢慢去测试。讨论到这里就可以了。封帖。

[ 本帖最后由 紫色 于 2007-9-30 03:35 编辑 ]

bessel

http://www1.ap.dell.com/content/topics/topic.aspx/ap/topics/power/zhcn/ps3q02_arrian?c=cn&l=zh&s=lca
图7及其文字说明，他们比较了p4处理器使用两种atlas的效率。

原帖由 紫色 于 2007-9-30 02:31 发表

看来也没有人来提供程序和数据，那就这样结束。感谢ricepig提供了对sse2优化的一个例子。非图形图像程序，simd如真能贡献10%的性能提升就令人刮目相看了。

顺便反驳一下前面3位兄弟：
1） p3/p4依靠sse压倒 ...

Intelife

原帖由 紫色 于 2007-9-30 02:31 发表
看来也没有人来提供程序和数据，那就这样结束。感谢ricepig提供了对sse2优化的一个例子。非图形图像程序，simd如真能贡献10%的性能提升就令人刮目相看了。

顺便反驳一下前面3位高手：
1） p3/p4依靠sse压倒 ...

晕倒，看了你这套理论，AMD都得给活活笑死！谁告诉你而x87能够一个周期搞完一条128位精度运算的？还有，128位是寄存器的宽度，不是指令的精度，你喷出的这套理论来看，你完全从根本上都不知道SSE为何物！SSE的能耐是定义了8个全新的128位寄存器，每个寄存器可以同时存放和处理4个单精度浮点数(每个32位长)，进行128位精度运算时，在软件上完全可以利用这些寄存器和SIMD方式来高速实现，而不必再象X87那样去压堆栈，寄存器的操作是最省时最快的，特别是4个数一起做完的时候。所谓的SSE优化就是怎样让在这些寄存器的四个数，或者两个数通过一条指令同时做完运算，这样才能把原来需要4步的运算在一步内弄完。我拉那个程序给你看，是因为那个东西写得比较简单明白，画公仔都画出肠了，没想到你还是看不懂。

mxyou

我现在才知道AMD绝对是可以死而无憾了，以前我一直是认为AMD可以坚持下去

AMD的国内人士都能说出SSE无用论，并且是好几天的刷版，既然SSE无用，就无用好了，这有什么好争的呢？

mxyou

还是说AMD中国在搞SSE无用论调查，不知道是不是全球同步

看来K11是打算不支持SSE，专心来搞SSE5的

嘉蓝

原帖由 晶晶守护神 于 2007-9-30 09:12 发表

乱说 从p3的  SSE 就是128bit

这个128bit是寄存器位宽。实际上sse不支持64位以上的操作数----------当然也没什么必要支持。
128位精度的浮点只在很小范围内有用，多数cpu也不直接提供支持。

zicfy

额...
被Interlife给忽悠住了~~~

acqwer

原帖由 紫色 于 2007-9-30 02:31 发表
看来也没有人来提供程序和数据，那就这样结束。感谢ricepig提供了对sse2优化的一个例子。非图形图像程序，simd如真能贡献10%的性能提升就令人刮目相看了。

顺便反驳一下前面3位高手：
1） p3/p4依靠sse压倒 ...

东西都有了，非要其他人给你详细指出吗？
Spec的189.lucas是fortran99编的质数判定，标准的数值运算，P4 1.4执行时间269，P3-s 1.4执行时间517，AthlonXP 1.4G执行时间369，Athlon 1.4G执行时间654，论X87性能肯定是Athlon=AthlonXP>P3>p4，你觉得这个结果的是如何产生的。

紫色

原帖由 Intelife 于 2007-9-30 07:38 发表


晕倒，看了你这套理论，AMD都得给活活笑死！谁告诉你而x87能够一个周期搞完一条128位精度运算的？还有，128位是寄存器的宽度，不是指令的精度，你喷出的这套理论来看，你完全从根本上都不知道SSE为何物！SS ...

行了行了，别YY了。
x87是80位的。x87浮点计算是使用堆栈。128位sse指的当然是数据位, 一个指令操作4个32位或者2个64位。ok?

[ 本帖最后由 紫色 于 2007-9-30 12:16 编辑 ]

紫色

原帖由 acqwer 于 2007-9-30 09:39 发表

东西都有了，非要其他人给你详细指出吗？
Spec的189.lucas是fortran99编的质数判定，标准的数值运算，P4 1.4执行时间269，P3-s 1.4执行时间517，AthlonXP 1.4G执行时间369，Athlon 1.4G执行时间654，论X87性 ...

我没有看到那个程序的源码，不敢说更多。
质数判定可能是整数编程吧？判定质数需要解析数论的知识从而引入浮点计算么？who knows?
我说了，最好有源码编一遍跑一遍，否则你只能去猜。

[ 本帖最后由 紫色 于 2007-9-30 12:17 编辑 ]