ICL Auto Vectorization

最新推荐文章于 2025-04-10 23:50:08 发布

aban-mtd

最新推荐文章于 2025-04-10 23:50:08 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏：代码片段笔记一步步做程序优化 C/C++ 文章标签：英特尔 c语言 c++ 向量化

本文链接：https://blog.youkuaiyun.com/bendanban/article/details/49969255

简介

此文简单介绍如何使用intel c++编译器实现向量化加速。

全文如下安排：

base ：待优化的源代码。
vectorization ：第一个向量化版本。
aligned ：内存对其对向量化的影响。

base

base版本代码：

// filename : main.cpp
#include <iostream>
#include <iomanip>
#include <stdlib.h>
#include <cstdint>
#include <malloc.h>
#include <windows.h>
using namespace std;


int64_t cpu_freq;
int64_t cpu_counter(){
  int64_t clock;
    QueryPerformanceCounter((LARGE_INTEGER*)&clock);
  return clock;
}

// output time
#if 1
  int64_t gloabel_timer_begin;
  int64_t gloabel_timer_end;
  #define TB__ gloabel_timer_begin=cpu_counter()
  #define TE__ gloabel_timer_end  =cpu_counter(); \
  cout << __LINE__ << " : " << double(gloabel_timer_end-gloabel_timer_begin)/double(cpu_freq) << " seconds" << endl
#else
  #define TB__ 
  #define TE__ 
#endif

// repeat times
#define REPEATTIMES 100000

// initialize data 
void init(float *data, int rows, int cols, int true_cols){
  for (int i = 0; i < rows; i++){
    for (int j = 0; j < cols; j++){
      data[i*true_cols+j] = float(rand())/float(RAND_MAX);
    }
  }  
}

void multiply(float *C, float *A, float *B, int rows, int cols, int true_cols);

void print_sum(float *data, int rows, int cols, int true_cols){
  float total = 0