0

Почему эта функция

void add(int count, float* results, const float* dataA, const float* dataB) {
  for (int i = 0; i < count; ++i)
    results[i] = dataA[i] + dataB[i];
}

при -O2 оптимизируется в меньший код

add(int, float*, float const*, float const*):
        test    edi, edi
        jle     .L1
        movsx   rdi, edi
        xor     eax, eax
.L3:
        movss   xmm0, DWORD PTR [rdx+rax*4]
        addss   xmm0, DWORD PTR [rcx+rax*4]
        movss   DWORD PTR [rsi+rax*4], xmm0
        add     rax, 1
        cmp     rdi, rax
        jne     .L3
.L1:
        ret

чем при -O3

add(int, float*, float const*, float const*):
        mov     r8d, edi
        mov     rdi, rdx
        mov     rdx, rcx
        test    r8d, r8d
        jle     .L1
        lea     rcx, [rcx+4]
        mov     rax, rsi
        sub     rax, rcx
        cmp     rax, 8
        seta    cl
        cmp     r8d, 1
        setne   al
        test    cl, al
        je      .L3
        lea     rcx, [rdi+4]
        mov     rax, rsi
        sub     rax, rcx
        cmp     rax, 8
        jbe     .L3
        lea     eax, [r8-1]
        mov     r9d, r8d
        cmp     eax, 2
        jbe     .L11
        mov     ecx, r8d
        xor     eax, eax
        shr     ecx, 2
        sal     rcx, 4
.L5:
        movups  xmm0, XMMWORD PTR [rdi+rax]
        movups  xmm2, XMMWORD PTR [rdx+rax]
        addps   xmm0, xmm2
        movups  XMMWORD PTR [rsi+rax], xmm0
        add     rax, 16
        cmp     rax, rcx
        jne     .L5
        test    r8b, 3
        je      .L1
        mov     ecx, r8d
        mov     r9d, r8d
        and     ecx, -4
        sub     r9d, ecx
        mov     eax, ecx
        cmp     r9d, 1
        je      .L7
.L4:
        movq    xmm0, QWORD PTR [rdi+rcx*4]
        movq    xmm1, QWORD PTR [rdx+rcx*4]
        addps   xmm0, xmm1
        movlps  QWORD PTR [rsi+rcx*4], xmm0
        test    r9b, 1
        je      .L1
        and     r9d, -2
        add     eax, r9d
.L7:
        cdqe
        movss   xmm0, DWORD PTR [rdi+rax*4]
        addss   xmm0, DWORD PTR [rdx+rax*4]
        movss   DWORD PTR [rsi+rax*4], xmm0
        ret
.L3:
        xor     eax, eax
.L9:
        movss   xmm0, DWORD PTR [rdi+rax*4]
        addss   xmm0, DWORD PTR [rdx+rax*4]
        movss   DWORD PTR [rsi+rax*4], xmm0
        add     rax, 1
        cmp     r8, rax
        jne     .L9
.L1:
        ret
.L11:
        xor     ecx, ecx
        xor     eax, eax
        jmp     .L4

https://godbolt.org/z/W1jjrPE6a

7
  • а по какому критерию вы даёте оценку «лучше»? 6 ноя 2021 в 8:40
  • @aleksandrbarakin короче, быстрее
    – steff
    6 ноя 2021 в 8:40
  • 4
    @steff из того, что код короче, не следует, что он быстрее. Сравните скорость исполнения и проверьте себя.
    – gbg
    6 ноя 2021 в 8:42
  • 1
    Потому что более длинный вариант кода, если его внимательно почитать, испольует векторные инструкции разной размерности для разных случаев, а значит, за одну итерацию цикла он может складывать сразу несколько элементов.
    – gbg
    6 ноя 2021 в 8:58
  • 1
    А из того, что код длиннее, тоже не следует, что он быстрее. 6 ноя 2021 в 9:20

1 ответ 1

1

"Короткий код" использует "одиночные/single" векторные инструкции, низводя таким образом себя до "обычного кода", "длинный код" проверят можно ли применить параллельное вычисление и если да то ускоряет себя многократно. Более высокие "расходы" на вход в цикл несопоставима меньше чем выигрыш от параллельного вычисления.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.