一种基于剪切的SLP向量化方法

• 作者: 奚慧兴 李伟 李颖颖 翟胜伟 高伟
• 来源期刊: 计算机应用研究
• 关键词: 单指令多数据扩展部件 自动向量化 超字并行 代价模型
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2578-2582
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.004

摘要

作为多媒体和科学计算等领域重要的程序加速器件之一,SIMD扩展部件现已广泛集成于各类处理器中.自动向量化方法是目前生成SIMD向量化程序的重要手段.超字并行SLP (superword level parallelism)方法现已广泛应用于编译器中,并成为实现基本块级代码向量化的主要手段.SLP在进行收益评估时仅考虑代码段整体向量化的收益,并没有考虑到向量化收益为负的片段会降低最终整体的向量化收益,从而导致SLP方法无法达到最好的向量化效果.基于此,提出了一种基于剪切的SLP向量化方法(throttling SLP,TSLP).通过寻找最优的向量化子图,去除了向量化收益为负的代码段,从而可以获得更好的向量化效果.通过标准测试程序的实验结果表明,与原来的SLP方法相比,TSLP方法平均能够获得9％的性能提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟	中国电子科技集团公司第二十七研究所	71	74	5.0	5.0
2	奚慧兴		5	5	1.0	2.0
3	李颖颖		6	5	2.0	2.0
5	高伟		9	12	2.0	2.0
11	翟胜伟	中国电子科技集团公司第二十七研究所	5	3	1.0	1.0