Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 · Pelajaran

Mervektorkan Kod dengan SIMD

Temui teknik untuk mengoptimumkan prestasi kod dengan memvektorkan operasi menggunakan arahan SSE/AVX bagi tugas yang memproses data secara selari.

Pelajaran 3 daripada 411 langkah

Mervektorkan Kod dengan SIMD ialah pelajaran Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 percuma di CoddyKit. Ini ialah pelajaran 3 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 merangkumi sejumlah 4 pelajaran.

Pengenalan kepada Vektorisasi

Selamat datang ke pelajaran terakhir tentang SIMD! Kita telah mempelajari daftar dan arahan SSE/AVX. Sekarang, mari kita gabungkan semuanya untuk mengvektorkan kod.

Pemvektoran ialah pengoptimuman pengkompil atau teknik pengekodan manual yang mengubah gelung supaya operasi dapat dilakukan pada berbilang unsur data secara serentak, bukannya satu demi satu.

Mengapa Mengvektorkan? Kuasa SIMD

Bayangkan anda menambahkan dua senarai nombor. Pendekatan tradisional (skalar) menambahkan satu pasangan pada satu masa. Pemvektoran, dengan menggunakan SIMD, membolehkan anda menambahkan berbilang pasangan dalam satu arahan.

Skalar: A[0]+B[0], kemudian A[1]+B[1], dan seterusnya.
SIMD: (A[0], A[1], A[2], A[3]) + (B[0], B[1], B[2], B[3]) semuanya serentak!

Pemprosesan selari ini mempercepatkan tugasan berulang secara mendadak pada set data yang besar.

Penjajaran Data Penting

Untuk prestasi SIMD yang optimum, data anda hendaklah sejajar dalam memori. Ini bermaksud alamat permulaan blok data anda hendaklah merupakan gandaan saiz vektor (contohnya, 16 bait untuk SSE dan 32 bait untuk AVX).

Capaian Sejajar: Lebih pantas, menggunakan arahan seperti MOVAPS.
Capaian Tidak Sejajar: Lebih perlahan, menggunakan arahan seperti MOVUPS, kerana CPU perlu melakukan kerja tambahan untuk mendapatkan data.

Penjajaran yang betul membantu CPU mendapatkan data dengan lebih cekap dan mengelakkan penalti prestasi.

Memuatkan Data Vektor

Untuk bekerja dengan data dalam daftar SIMD, anda perlu memuatkannya daripada memori terlebih dahulu. Berikut ialah arahan biasa untuk nombor titik apungan ketepatan tunggal (PS):

MOVAPS XMM0, [mem]: Memindahkan 4 nombor titik apungan ketepatan tunggal yang sejajar daripada memori ke XMM0.
MOVUPS XMM0, [mem]: Memindahkan 4 nombor titik apungan ketepatan tunggal yang tidak sejajar daripada memori ke XMM0.

Sentiasa cuba gunakan MOVAPS jika data anda dijamin sejajar untuk mendapatkan prestasi yang lebih baik.

Melakukan Matematik Vektor

Setelah data berada dalam daftar SIMD, anda boleh melakukan operasi pada semua unsurnya secara serentak. Sebagai contoh, untuk menambahkan dua vektor nombor titik apungan ketepatan tunggal:

ADDPS XMM0, XMM1: Menambahkan nombor titik apungan ketepatan tunggal terpaket yang sepadan dalam XMM1 kepada XMM0. Hasilnya disimpan dalam XMM0.

Satu arahan ini melakukan empat operasi tambah berasingan secara selari!

Menyimpan Hasil Vektor

Selepas memproses data dalam daftar SIMD, anda perlu menyimpan hasilnya kembali ke memori. Seperti pemuatan, terdapat arahan penyimpanan sejajar dan tidak sejajar:

MOVAPS [mem], XMM0: Menyimpan 4 nombor titik apungan ketepatan tunggal yang sejajar daripada XMM0 ke memori.
MOVUPS [mem], XMM0: Menyimpan 4 nombor titik apungan ketepatan tunggal yang tidak sejajar daripada XMM0 ke memori.

Sekali lagi, utamakan MOVAPS untuk penyimpanan jika memori destinasi anda sejajar.

Mengvektorkan Jumlah Tatasusunan

Mari lihat contoh mudah untuk menambahkan dua tatasusunan nombor titik apungan ketepatan tunggal menggunakan arahan SSE. Program ini menambahkan array1 dan array2 lalu menyimpan hasilnya dalam result.

Kita memproses 4 nombor titik apungan pada satu masa dalam cara seperti gelung, dengan memindahkan 16 bait (4 nombor titik apungan) bagi setiap langkah.

section .data
    ; Define 8 single-precision floats (4 bytes each), aligned to 16 bytes
    ; 'dd' defines a doubleword (4 bytes), suitable for floats
    array1: align 16
        dd 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0
    array2: align 16
        dd 8.0, 7.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0
    result: align 16
        dd 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0

section .text
    global _start

_start:
    ; Process the first 4 floats (16 bytes)
    movaps xmm0, [array1]    ; Load 1.0, 2.0, 3.0, 4.0 into xmm0
    movaps xmm1, [array2]    ; Load 8.0, 7.0, 6.0, 5.0 into xmm1
    addps  xmm0, xmm1        ; Add packed floats: (9.0, 9.0, 9.0, 9.0)
    movaps [result], xmm0    ; Store result to result[0-3]

    ; Process the next 4 floats (16 bytes offset)
    movaps xmm0, [array1 + 16] ; Load 5.0, 6.0, 7.0, 8.0 into xmm0
    movaps xmm1, [array2 + 16] ; Load 4.0, 3.0, 2.0, 1.0 into xmm1
    addps  xmm0, xmm1        ; Add packed floats: (9.0, 9.0, 9.0, 9.0)
    movaps [result + 16], xmm0 ; Store result to result[4-7]

    ; Exit program (Linux specific system call)
    mov eax, 1               ; sys_exit system call number
    xor ebx, ebx             ; exit code 0
    int 0x80                 ; Call kernel

Operasi SIMD Biasa Lain

Selain ADDPS, SSE/AVX menyediakan pelbagai arahan untuk pelbagai operasi terpaket:

SUBPS: Menolak nombor titik apungan ketepatan tunggal terpaket.
MULPS: Mendarab nombor titik apungan ketepatan tunggal terpaket.
DIVPS: Membahagi nombor titik apungan ketepatan tunggal terpaket.
ANDPS, ORPS, XORPS: Operasi logik bit demi bit pada nombor titik apungan terpaket.
Arahan perbandingan (contohnya, CMPPS): Membandingkan nombor titik apungan terpaket.

Perkara pentingnya ialah semua arahan ini beroperasi pada berbilang item data secara serentak.

Bila Hendak Mengvektorkan

Pemvektoran ialah pengoptimuman yang berkuasa, tetapi ia tidak semestinya diperlukan atau bermanfaat. Pertimbangkan perkara berikut:

Set Data Besar: Paling berkesan untuk gelung yang memproses banyak unsur.
Operasi Berulang: Sesuai untuk operasi yang sama dan digunakan pada banyak item data.
Susun Atur Data: Berfungsi paling baik dengan data yang bersebelahan dan sejajar.
Overhed: Gelung kecil mungkin mengalami overhed yang lebih besar ketika menyediakan daftar vektor berbanding peningkatan kelajuan yang diperoleh.

Pengkompil sering dapat melakukan pemvektoran automatik, tetapi pemvektoran manual memberikan anda kawalan yang terperinci.

Semakan Pantas: Pemvektoran

Antara berikut, yang manakah manfaat utama mengvektorkan kod menggunakan arahan SIMD?

Jawab dalam pelajaran interaktif

Imbas Kembali: Kuasa SIMD

Syabas! Kini anda telah mempelajari cara menggunakan arahan SSE/AVX untuk mengvektorkan kod anda.

Pemvektoran melakukan operasi pada berbilang item data secara serentak.
Penjajaran data yang betul amat penting untuk prestasi optimum.
Arahan seperti MOVAPS, ADDPS dan MOVAPS digunakan untuk memuatkan, memproses dan menyimpan data terpaket.
Pemvektoran sangat berkesan untuk operasi berulang pada set data yang besar dan bersebelahan.

Teknik berkuasa ini membolehkan anda memperoleh peningkatan prestasi yang ketara dalam program pemasangan x86 anda. Teruskan berlatih!

Percuma untuk bermula

Pelajari Assembly dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus: 12
Pelajaran: 48

Mula belajar secara percuma Lihat kursus penuh

Soalan Lazim

Adakah pelajaran “Mervektorkan Kod dengan SIMD” percuma?

Ya — teks penuh “Mervektorkan Kod dengan SIMD” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86, tingkat taraf kepada CoddyKit PRO. Kursus Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 merangkumi sejumlah 4 pelajaran.

Apakah yang akan saya pelajari dalam “Mervektorkan Kod dengan SIMD”?

Temui teknik untuk mengoptimumkan prestasi kod dengan memvektorkan operasi menggunakan arahan SSE/AVX bagi tugas yang memproses data secara selari. Anda berlatih Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86?

Tiada pengalaman terdahulu diperlukan. Pembelajaran Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 3 daripada 4.

Berapa lamakah pelajaran “Mervektorkan Kod dengan SIMD” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 ini?

Ya. Setiap pelajaran Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86 menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

Asas Pengaturcaraan FPU x87
Pengenalan Set Arahan SSE/AVX
Mervektorkan Kod dengan SIMD
Ketepatan Titik Apung, Pembundaran dan Pengecualian

← Kembali ke Bahasa Himpunan & Pengaturcaraan Sistem Aras Rendah x86