sf上的SIMD的程序库

最新推荐文章于 2024-08-28 09:07:54 发布
最新推荐文章于 2024-08-28 09:07:54 发布
阅读量227 收藏
点赞数
文章标签： c/c++ python 嵌入式

与SIMD相关的大概有这样一些：

Vector3D SSE Updated 2011-01-09
A C++ header library for fast operations on vectors/matrices (3D/3x3) using Streaming SIMD Extensions (SSE, SSE2, SSE3, SSE4); Tends to be used in 3D graphics applications and game developement.
http://sourceforge.net/projects/v3d/
http://nchc.dl.sourceforge.net/project/v3d/v3d-0.1b_r2.tar.gz


parallel for Updated 2008-05-29
A data parallel scientific programming model. Compiles efficiently to different platforms like distributed memory (MPI), shared memory multi-processor (pthreads), Cell BE processor, Nvidia Cuda, SIMD vectorization (SSE, Altivec), and sequential C++ code.
http://sourceforge.net/projects/parallel-for/

SSEPlus Updated 2008-05-21
SSEPlus is a SIMD function library. It provides optimized emulation for newer SSE instructions. It also provides a rich set of high performance routines for common operations such as arithmetic, bitwise logic, and data packing and unpacking.
http://sourceforge.net/projects/sseplus/
http://nchc.dl.sourceforge.net/project/sseplus/SSEPlus/0.3.67/SSEPlus_0.3.67.zip

(这个库居然是AMD开发的，有丰富的文档。看看，Intel，向人家AMD好好学学！)

GENIAL Updated 2008-04-01
GENIAL is a C++ library for signal and image processing. It uses template-generic techniques, multi threading, cache optimization and SIMD instructions for Pentium (MMX, SSE, SSE2, SSE3) to achieve high performance: FFT,DCT,Convolution,Linear Algebra...
http://sourceforge.net/projects/genial/
http://ncu.dl.sourceforge.net/project/genial/genial/genial-2.1.0/genial-2.1.0.zip

(使用了一下，但是因为没有下载最新的GCC及其头文件中的xmmintrin.h等文件导致无法编译通过。有很详细的文档，简单看了下，提供了各种高度简化的向量计算函数)


SIMDx86 Updated 2006-10-31
This library is meant for high performance calculations for science or 3D games/rasterizers using SIMD instructions of x86 processors to allow an unparalleled level of optimization. This takes advantage of MMX, 3DNow!, 3DNow!+/MMX+, & SSE/SSE2/SSE3/SSSE3
http://sourceforge.net/projects/simdx86/
http://nchc.dl.sourceforge.net/project/simdx86/SIMDx86-src/libSIMDx86-devel-src-0.4.0.zip

NVec Updated 2005-09-28
NVec is a C++ Library that provides SIMD accelerated functions without the user needing to know that SIMD functionality is available. Currently supports x86 and x86_64 SSE/SSE2/SSE3, for Linux and Windows (mingw) Requires a recent version of gcc. (~3.4)
http://sourceforge.net/projects/nvec/
http://ncu.dl.sourceforge.net/project/nvec/nvec/alpha-20050928/nvec.zip

libSIMD Updated 2005-04-05
Mathematical library utilising SIMD features of common processors to accelerate many commonly-used algorithms where compilers fear to tread.
http://sourceforge.net/projects/libsimd/
http://nchc.dl.sourceforge.net/project/libsimd/libsimd/20050405/libSIMD-20050405.tar.gz

Cross-platform SIMD C Headers Updated 2004-10-27
A cross-platform, cross-compiler, cross-CPU C header library for programming with SIMD instruction sets. X86 (MMX/SSE/SSE2) GCC and MSVC, PPC Altivec GCC, WMMX ARM GCC, and software emulated SIMD are supported.
http://sourceforge.net/projects/simd-cph/
http://nchc.dl.sourceforge.net/project/simd-cph/simd-cph/2004.10.26/simd_cph_20041026.tgz


sf上的SIMD程序库

iteye_8623
关注
设计快速跨平台SIMD矢量库
IIEEG的专栏
11-22 1944
<br />大部分3D应用中都有执行程序计算的矢量库，比如矢量运算，逻辑，比较，点和乘积等。尽管有无数设计这类库的方法，开发者们还是会经常忽略让这种矢量库以最快速度计算的关键要素。<br />大概2004年晚些时候，我接到一项任务，开发命名为VMath的矢量库，VMath代表的意思是“矢量数学（Vector Math）。”VMath的主要目标不仅仅在于最快速的运算，同时还要让它易于在不同平台之间移植。<br />2009年，令我惊讶的是，电脑编程技术并未改变多少。实际上本文中的结论，正是我在那时候的研究结果
新一代数据仓库：Snowflake 弹性数仓介绍
过往记忆大数据
01-19 4766
本文来自大佬的投稿，作者：张剑。摘要我们生活在分布式计算的黄金时代。公有云平台几乎能够按需提供无限的计算和存储资源。同时，SaaS模型将企业级系统带给了无法负担成本和相关系统复杂性的用户...
Simd库是一个免费的开源图像处理库-开源
04-13
Simd库是一个免费的开源图像处理库，专为C和C ++程序员设计。 它为图像处理提供了许多有用的高性能算法，例如：像素格式转换，图像缩放和过滤，从图像中提取统计信息，运动检测，对象检测（HAAR和LBP分类器级联）和分类，神经网络。
Simd：使用以下SIMD的C ++图像处理和机器学习库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON臂
02-03
Simd：使用以下SIMD的C ++图像处理和机器学习库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON臂
开源项目推荐：关于cpu指令集simd二次封装的开源C++库
$firecat利白的代码足迹$
03-17 4312
C++ image processing and machine learning library with using of SIMD: SSE, AVX, AVX-512 for x86/x64, VMX(Altivec) and VSX(Power7) for PowerPC, NEON for ARM. https://github.com/ermig1979/Simd http://ermig1979.github.io/Simd/ #include <opencv2/core/core.
libsimdmath:快速近似数学函数的 C++ 库，主要用于英特尔 AVX2
06-12
libsimd.h文件 用于英特尔 AVX 的快速近似数学函数的 C++ 库。 如何使用？ 在您的文件中包含相关标题，例如： #include "libsimdrcp.h" 您需要启用相关的编译器标志，有关 GCC 和 Intel 编译器的信息，请参见下文。 要使用 gcc 编译，请使用 eg g++ my_source.cpp -o my_exec -O3 -mfma -mavx2 -ffast-math 要使用 icpc 进行编译，请使用 eg icpc my_source.cpp -o my_exec -O3 -march=core-avx2 -fma 目前支持的功能： 计算 1/x，使用一次 Newton-Raphson 迭代对近似 AVX 内在 _mm256_rcp_ps 的起始猜测进行迭代。 精确到 32 位精度，但比_m256_div_ps(ONE, q)快
RandomLib开源C++库：高效随机数生成器
RandomLib库为C++开发者提供了一套方便、高效的工具，用于在应用程序中生成高质量的随机数。开发者无需深入了解底层算法的细节，便可以利用库提供的接口轻松集成到自己的项目中。此外，RandomLib的开源特性意味着...
第三章 程序的机器级表示
ai_do的博客
03-07 1085
程序的机器级表示 计算机执行机器代码，用字节序列编码低级的操作，包括处理数据、管理内存、读写存储设备上的数据，以及利用网络通信。编译器基于编程语言的规则、目标机器的指令集和操作系统遵循的惯例，经过一系列的阶段生成机器代码。GCC C语言编译器以汇编代码的形式产生输出，汇编代码是机器代码的文本表示，给出程序中的每一条指令，然后GCC调用汇编器和链接器，根据汇编代码生成可执行的机器代码。 当我们有高级语言编程的时候，机器屏蔽了程序的机器级的实现。而使用汇编语言编程的时候，程序员就必须制定程序用来执行计算的低级指
【深度剖析FFTW3】：洞悉库的架构与数据流，优化你的代码
![【深度剖析FFTW3】：洞悉库的...本文首先概述了FFTW3库的核心架构，深入解析了其数据流与变换算法，包括离散傅里叶变换（DFT）的基本概念、变换算法类型与选择以及多线程和SIMD优化的实现机制。接着，文章探讨了FFTW
深入理解计算机系统_第三章_程序的机器级表示
感谢您来到姜立明的技术探索空间
01-01 2600
深入，并且广泛 -沉默犀牛 文章导读 计算机执行机器代码，用字节序列编码低级的操作，包括处理数据、管理内存、读写存储设备上的数据，以及利用网络通信。编译器基于编程语言的规则、目标机器的指令集和操作系统遵循的惯例，经过一系列的阶段生成机器代码。GCC C语言编译器以汇编代码的形式产生输出，汇编代码是机器代码的文本表示，给出程序中的每一条指令，然后GCC调用汇编器和链接器，根据汇编代码生成可...
sleef:SIMD库，用于评估基本功能，矢量化的libm和DFT
05-14
主页： : GitHub Repo： : SLEEF是一个实现C标准数学函数的向量化版本的库。 该库还包含DFT子例程。 如何建造 从我们的GitHub存储库中查看源代码： git clone https://github.com/shibatch/sleef 制作一个单独的目录以创建一个源外版本： cd sleef && mkdir build && cd build 运行cmake来配置项目： cmake .. 运行make来构建项目： make -j 1 请参阅我们的网页以获取详细说明： : 执照 该软件是根据Boost软件许可版本1.0发行的。 请参阅随附的文件LICENSE.txt或在复制。 在相同的许可下，可以接受对此项目的贡献。 柴田直树（Naoki Shibata）和版权所有者，2010年-2021年。
SSEPlus-开源
04-25
SSEPlus是SIMD函数库。 它为更新的SSE指令提供了优化的仿真。 它还为常用操作（例如算术，按位逻辑以及数据打包和拆包）提供了一组丰富的高性能例程。
推荐开源图像处理库：Simd Library
gitblog_00020的博客
05-12 564
推荐开源图像处理库：Simd Library 项目介绍 Simd Library 是一个专为C和C++程序员设计的强大的免费开源图像处理和机器学习库。它包含了众多高效算法，如像素格式转换、图像缩放与滤波、图像统计信息提取、运动检测、对象检测（支持HAAR和LBP级联分类器）以及神经网络应用。该库已被优化以利用各种CPU的向量扩展指令，如SSE、AVX、AVX-512和AMX在x86/x64平台上，...
FAISS C++版本安装教程
一只小菜鸟的博客
03-11 7504
FAISS的Python版本安装起来是很快乐的，conda就可以轻松安装。 但是C++版本需要花费一点功夫。网上关于C++的教程除了官方以外少之有少，官方教程又过于繁琐，特此整理自己的安装流程，希望帮助到大家。 对官方教程感兴趣的，关注：https://github.com/facebookresearch/faiss/blob/main/INSTALL.md 预编译 按照官方github的要求，首先cmake预编译： cmake -DBUILD_TESTING=ON -DFAISS_ENABLE_GPU=
探索Pure SIMD：高效、便携的SIMD库
gitblog_00141的博客
08-28 336
探索Pure SIMD：高效、便携的SIMD库 项目介绍 在众多SIMD库中，Pure SIMD以其简洁、可扩展、便携和高效率的特点脱颖而出。不同于传统的SIMD库通过封装底层复杂的SIMD指令来提供用户友好的接口，Pure SIMD通过在编译时展开循环来简化向量操作，将剩余的工作交给现代编译器来生成SIMD指令。这一创新方法不仅简化了实现过程，还带来了诸多优势。 项目技术分析 Pure SIMD...
开源库Simd在vs2010中的编译及简单使用
网络资源是无限的
03-29 5662
开源库Simd在vs2010中的编译及简单使用！
A practical guide to using SSE SIMD with C++ (printable)
理性的幻想
05-18 1659
转自 http://sci.tuomastonteri.fi/programming/sse/printable A practical guide to using SSE SIMD with C++ (printable) 1.0 Introduction2.0 What is SIMD?3.0 Effective use of SSE4.0 Data structures w
使用SIMD指令实现数据库运算（论文阅读笔记）
junerli的博客
03-28 3412
摘要 现代cpu的指令允许在多个数据元素上并行执行基本操作。这些指令称为SIMD指令，因为它们将一条指令应用于多个数据元素。SIMD技术最初被内置到商业处理器中，以加速多媒体应用程序的性能。SIMD指令为数据库引擎的设计和实现提供了新的机会。我们研究了数据库上下文中的各种操作，并展示了如何使用SIMD指令加速操作的内部循环。使用SIMD指令有两个直接的性能好处：它允许一定程度的并行，这样多个操作就可以被一次执行。它通常还可以消除条件分支指令，来减少分支预测失败。 本文中我们考虑了最重要的数据库操作，包括
C++中使用SIMD的几种方法
热门推荐
06-02 3万+
图7列出了使用SIMD技术的多种方法，我们先按从上至下的顺序简要介绍每一种，然后重点介绍汇编语言方法。图7 使用SIMD技术的多种方法第一种方法是使用著名的IPP库，IPP的全称是Intel Integrated Performance Primitives， 是英特尔公司开发的一套跨平台软件函数库，提供了非常广泛的功能，包括各种常用的图形图像、音视频处理函数。因为其中的很多函数都已经使用SIMD...
Simd库功能介绍一下
最新发布
03-04
<think>好的，用户之前问过有没有支持AVX的开源图像处理库，我推荐了四个库，其中一个是Simd。现在用户接着问Simd库的功能，需要详细介绍这个库。 首先，我得回顾一下Simd库的基本信息。之前提到过它专注于SIMD优化，支持AVX等指令集，提供基础图像处理函数。用户可能对具体功能、使用场景或者优势感兴趣，需要详细展开。 接下来，用户可能是开发者，正在寻找高效的图像处理库，特别是需要底层优化的情况。他们可能对性能有较高要求，或者项目需要处理大量图像数据，所以需要了解Simd库的具体功能，比如支持的算法、平台兼容性、易用性等。 需要检查Simd的文档或GitHub页面，确认最新信息。比如支持的指令集、图像处理函数、跨平台支持等。同时，可能需要比较它与其他库的不同，比如OpenCV更全面，而Simd更专注于SIMD优化，适合特定需求。 另外，用户可能想知道如何集成和使用Simd库，是否需要编译选项或者特定的环境配置。比如是否需要启用AVX指令，支持的编译器，以及是否有示例代码可以参考。 可能还需要提到Simd库的性能优势，比如相比纯C++实现的加速比，实际应用中的表现，以及适合的场景，比如实时处理、高频交易图像处理等。 最后，确保回答结构清晰，分点列出主要功能、支持的指令集、跨平台能力、应用场景等，帮助用户快速理解Simd库的特点和适用性。</think>以下是对 **Simd Library** 的核心功能介绍： --- ### **Simd Library 简介** **定位**：专为图像/视频处理设计的轻量级开源库，**完全基于 SIMD 指令优化**（如 AVX2/AVX-512、NEON 等），提供高性能底层图像处理算子。 **项目地址**：https://github.com/ermig1979/Simd --- ### **核心功能** 1. **基础图像处理** - **色彩空间转换**：RGB/YUV/HSV/BGR 等格式互转（支持 8/16 位色深） - **几何变换**：缩放、旋转、镜像、仿射变换（双线性/双三次插值） - **滤波操作**：高斯模糊、中值滤波、Sobel 边缘检测、Laplacian 锐化 - **形态学操作**：腐蚀、膨胀、开运算、闭运算 2. **高级算法加速** - **直方图统计**：支持局部/全局直方图均衡化 - **特征检测**：Haar 特征提取、积分图计算（用于人脸检测等场景） - **图像匹配**：SSD/SAD/NCC 相似度计算（模板匹配优化） - **光流法**：稠密光流场计算（Lucas-Kanade 算法优化） 3. **数学运算** - **矩阵运算**：加减乘除、转置、归一化 - **统计计算**：均值、方差、协方差 - **二值化**：阈值分割（固定阈值/Otsu 自适应阈值） --- ### **关键特性** 1. **极致性能优化** - 所有函数均通过 **SIMD 内联汇编** 或 **C++ Intrinsics** 实现，支持： - **x86**: SSE/AVX2/AVX-512 - **ARM**: NEON/SVE - 典型算法加速比：**4-10 倍**（相比纯 C++ 实现） 2. **跨平台支持** - **操作系统**：Windows/Linux/macOS/Android/iOS - **编译器**：MSVC/GCC/Clang/ICC - **硬件兼容性**：自动检测 CPU 支持的指令集，动态选择最优实现 3. **简洁 API 设计** - 提供 **C++ 接口** 和 **C 语言封装**，函数命名规范（如 `SimdResizeBilinear`） - 无第三方依赖，集成仅需包含头文件 + 链接静态库 --- ### **适用场景** - **实时视频处理**（如直播美颜、超分辨率重建） - **高频图像分析**（工业检测、医学影像） - **嵌入式设备优化**（ARM 平台无人机/机器人视觉） --- ### **代码示例** ```cpp #include "Simd/Simd.hpp" // AVX2 加速的灰度图转换 void ConvertToGray(const uint8_t* src, uint8_t* dst, int width, int height) { SimdConvertToGray(src, width, height, width * 3, dst, width); } // 使用前需检测指令集支持 if (SimdCpuInfo(SimdCpuInfoAvx2)) { // 调用 AVX2 优化函数 } ``` --- ### **对比其他库** | 特性 | Simd | OpenCV | Halide | |---------------------|---------------|----------------|---------------| | **优化层级** | 底层 SIMD | 中高层算法封装 | 算法+优化分离 | | **学习成本** | 低（直接调用） | 中 | 高（需学 DSL）| | **灵活性** | 高（细粒度控制）| 中 | 极高 | --- **总结**：Simd 适合需要**极致性能优化**且希望直接控制 SIMD 指令的场景，尤其在基础图像操作上表现优异，但复杂算法需结合其他库使用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值