指令集

指令集是指CPU能执行的所有指令的集合，每一指令对应一种操作，任何程序最终要编译成一条条指令才能让CPU识别并执行。CPU依靠指令来计算和控制系统，所以指令强弱是衡量CPU性能的重要指标，指令集也成为提高CPU效率的有效工具。

CPU都有一个基本的指令集，比如说目前英特尔和AMD的绝大部分处理器都使用的是X86指令集，因为它们都源自于X86架构。但无论CPU有多快，X86指令也只能一次处理一个数据，这样效率就很低下，毕竟在很多应用中，数据都是成组出现的，比如一个点的坐标（XYZ）和颜色（RGB）、多声道音频等。为了提高CPU在某些方面的性能，就必须增加一些特殊的指令满足时代进步的需求，这些新增的指令就构成了扩展指令集。该指令集采用单指令多数据(single instruction multiple data,简称 SIMD)扩展技术。

Intel扩展指令集的演变

Intel扩展指令集链接:intel扩展指令集机票

MMX

英特尔在1996年率先引入了MMX（Multi Media eXtensions）多媒体扩展指令集，也开创了SIMD（Single Instruction Multiple Data，单指令多数据）指令集之先河，即在一个周期内一个指令可以完成多个数据操作，MMX指令集的出现让当时的MMX Pentium大出风头。

SSE

SSE（Streaming SIMD Extensions，流式单指令多数据扩展）指令集是1999年英特尔在Pentium III处理器中率先推出的，并将矢量处理能力从64位扩展到了128位。在Willamette核心的Pentium 4中英特尔又将扩展指令集升级到SSE2（2000年），而SSE3指令集（2004年）是从Prescott核心的Pentium 4开始出现。
SSE4（2007年）指令集是自SSE以来最大的一次指令集扩展，它实际上分成Penryn中出现的SSE4.1和Nehalem中出现的SSE4.2，其中SSE4.1占据了大部分的指令，共有47条，Nehalem中的SSE4指令集更新很少，只有7条指令，这样一共有54条指令，称为SSE4.2。

AVX

2007年8月，AMD抢先宣布了SSE5指令集(SSE到SSE4均为英特尔出品)，英特尔当即黑脸表示不支持SSE5，转而在2008年3月宣布Sandy Bridge微架构将引入全新的AVX指令集，同年4月英特尔公布AVX指令集规范，随后开始不断进行更新，业界普遍认为支持AVX指令集是Sandy Bridge最重要的进步，没有之一。
AVX（Advanced Vector Extensions，高级矢量扩展）指令集借鉴了一些AMD SSE5的设计思路，进行扩展和加强，形成一套新一代的完整SIMD指令集规范。

MMX、SSE、AVX

MMX

MMX系列指令集使用单独的64bit寄存器（MM寄存器），寄存器个数不清楚，一次处理64bit的数据。可以存放数据如下。

寄存器结构：

MM0
MM1
MM2
MM3
MM4
…

每个MM寄存器可以存储的值的大小和个数如下（bit， 1字节（B）= 8bit）
MMX指令只能处理整型（字符，短整，整型，这里的整形为32bit）
寄存器大小：

64bit

一次处理两个32bit整型

32bit	32bit

一次处理4个16bit整型

16bit	16bit	16bit	16bit

一次处理8个字符

8bit	8bit	8bit	8bit	8bit	8bit	8bit	8bit

SSE

MMX系列指令集使用单独的128bit寄存器（XMM寄存器），寄存器个数16（不同计算机可能不同），一次处理128bit的数据。可以存放数据如下。
寄存器结构：

XMM0
XMM1
XMM2
XMM3
XMM4
…

每个XMM寄存器可以存储的值的大小和个数如下
SSE指令能处理整型，单精度浮点，双精度浮点
注：为什么会有16bit？拿整型来说，对于不同的计算机，占的字节不同，有一个size_t的数据类型，在不同计算机上可能占得字节不同（4B，或者2B），具体可以使用sizeof（数据类型）来查看此类型占得字节数。
寄存器大小:

128bit

一次处理2个64bit的数据类型

64bit	64bit

一次处理4个32bit的数据类型

32bit	32bit	32bit	32bit

一次处理8个16bit数据类型

16bit	16bit	16bit	16bit	16bit	16bit	16bit	16bit

AVX

AVX高级矢量扩展，在SSE的基础上又把寄存器大小扩展为256bit。这次AVX将所有16个128位XMM寄存器扩充为256位的YMM寄存器，从而支持256位的矢量计算。理想状态下，浮点性能最高能达到前代的2倍水平。同时所有的SSE/SSE2/SSE3/SSSE3/SSE4指令是被AVX全面兼容的（AVX不兼容MMX），因此实际操作的是YMM寄存器的低128位，在这一点上与原来的SSE系列指令集无异。

支持256位矢量计算，浮点性能最大提升2倍
增强的数据重排，更有效存取数据
支持3操作数和4操作数，在矢量和标量代码中能更好使用寄存器
支持灵活的不对齐内存地址访问
支持灵活的扩展性强的VEX编码方式，可减少代码

寄存器结构：

YMM0
YMM1
YMM2
YMM3
YMM4
…

寄存器大小

256bit

一次处理4个64bit的数据类型

64bit	64bit	64bit	64bit

一次处理8个32bit的数据类型

32bit	32bit	32bit	32bit	32bit	32bit	32bit	32bit

指令的使用

指令功能介绍

这里只讲解指令的简单使用，内部原理及其寻址什么的流程，自行深抛。
程序必然包括数据和操作，要计算数据，肯定要去cpu的运算器，所以数据会从（如果数据小可能直接全放cache了）内存到cache，再从cache到register，然后进入运算器计算，计算得到数据如果短时间不用，或者想长久保存，则可能需要重写回内存或者硬盘。
简单来说，分三步：

写入数据
运算数据
数据写出
那么数据的写入和写出就对应了扩展指令集的访存指令，数据计算就对应了运算指令。另外还有许多指令类型。具体如下：

指令导读

指令的具体用法还是要查指令手册
每一个指令的构成都可以理解一个函数。
返回值类型函数名（形参列表）
1）类型

__m128 128bit 存储单精度浮点float
__m128i 128bit 存储整形int
__m128d 128bit 存储双精度浮点double
__m256 256bit 存储单精度float
__m256i 256bit 存储整型int
__m256d 256bit 存储双精度double
2）函数名

_mm :128bit	_mm256 :256bit
_load :操作	_load :操作
_ps :p=package,s=float	_ps :p=package,s=float
_pd :p=package,s=double	_pd :p=package,s=double
_ss :p=scalar,s=float	_ss :p=scalar,s=float

package:是向量数据打包的意思 scalar是标量，一个数据的意思

3）形参：要传入的数据的类型指定，一般为地址
如下图：
函数
头文件
指令
编译Flags
Op：指令数据的操作规则

SSE，AVX为什么会提升性能

SIMD

SSE指令的不同形式

垂直计算形式
例如：_mm_add_ps();
水平计算形式
例如：_mm_hadd_ps();
_mm256_hadd_ps();
标量形式（scalar）

示例代码

1-loop.c

#include<stdio.h>
#include <x86intrin.h>
#define N 128int main(){double a[N][N],b[N][N],c[N][N];int i,j;for(i=0;i<N;i++)for(j=0;j<N;j++){a[i][j]=10;b[i][j]=6;}
/*for(i = 0; i < N; i++){for(j = 0; j < N; j++)c[i][j] = a[i][j] + b[i][j];}
*/int block = N / 4;int reserve = N % 4;__m256d ymm0, ymm1;__m256d avx_sum0 = _mm256_setzero_pd();for(i = 0; i < N; i++){for(j = 0; j < block; j ++){ymm0 = _mm256_loadu_pd(&a[i][j*4]);ymm1 = _mm256_loadu_pd(&b[i][j*4]);avx_sum0 = _mm256_add_pd(ymm0, ymm1);_mm256_storeu_pd(*(c+i)+j*4, avx_sum0);}}if(c[4][6]==16)printf("\n结果正确，测试完成!\n\n");elseprintf("\n结果不正确，测试完成!\n\n");return 0;
}

2-ctrl_flow-f4

#include<stdio.h>
#include <x86intrin.h>
#define N 128
int main(){float a[N]={0};float b[N]={1.1,2.2,3.3};float c[N]={1,2,3};int i, j;/*for(i=0;i<N;i++){if(b[i]<c[i])a[i]=b[i]+a[i];elsea[i]=c[i]-a[i];}*/int block = N / 8;__m256 ymm_a = _mm256_setzero_ps(); __m256 ymm_b = _mm256_setzero_ps(); __m256 ymm_c = _mm256_setzero_ps();__m256 avx_sum, avx_sub;__m256 mask;__m256 blendv;for(i = 0; i < 1; i++){ymm_a = _mm256_loadu_ps(a +i*8);ymm_b = _mm256_loadu_ps(b +i*8);ymm_c = _mm256_loadu_ps(c +i*8);avx_sum = _mm256_add_ps(ymm_b, ymm_c);avx_sub = _mm256_sub_ps(ymm_c, ymm_a);mask = _mm256_cmp_ps(ymm_b,ymm_c, 2); //30blendv = _mm256_blendv_ps(avx_sub, avx_sum, mask);printf("%f, %f, %f, %f, %f, %f, %f, %f\n", blendv[0], blendv[1], blendv[2], blendv[3],blendv[4], blendv[5], blendv[6], blendv[7]);_mm256_storeu_ps(a + i*8, blendv);}if(a[2]==3)printf("\n结果正确，测试完成!\n\n");elseprintf("\n结果不正确，测试完成!\n\n");return 0;
}

3-reducetion-d4.c

#include<stdio.h>
#define N 128
#include <x86intrin.h>int main()
{float sum = 1;float a[N]={1,2,3};int i;/*for(i=0;i<N;i++)sum+=a[i];*/__m256 avx_sum = _mm256_setzero_ps();__m256 ymm0;int block = N / 8;for(i = 0; i < block; i++){ymm0 = _mm256_loadu_ps(a + i*8);avx_sum = _mm256_hadd_ps(ymm0, avx_sum);}avx_sum = _mm256_hadd_ps(avx_sum, avx_sum);avx_sum = _mm256_hadd_ps(avx_sum, avx_sum);sum += avx_sum[0] + avx_sum[4];printf("sum = %f ", sum);if(sum==7)printf("\n结果正确，测试完成!\n\n");elseprintf("\n结果不正确，测试完成!\n\n");return 0;
}

4-unalign-d4.c

#include<stdio.h>
#define N 128
#include <x86intrin.h>
int main()
{double a[N],b[N],c[N];int i;for(i=0;i<N;i++)a[i]=3;for(i=0;i<N;i++)b[i]=4;/*for(i=0;i<N/4(32);i++)c[i]=a[i+1]+b[i+2];*/int block = N / 4 / 4;__m256d avx_sum0 = _mm256_setzero_pd();__m256d ymm0, ymm1;for(i = 0; i < block; i++){ymm0 = _mm256_loadu_pd(a + 1 +i*4);ymm1 = _mm256_loadu_pd(b + 1 +i*4);avx_sum0 = _mm256_add_pd(avx_sum0, ymm0);avx_sum0 = _mm256_add_pd(avx_sum0, ymm1);_mm256_storeu_pd(c + i*4, avx_sum0);avx_sum0 = _mm256_setzero_pd();}if(c[2]==7)printf("\n结果正确，测试完成!\n\n");elseprintf("\n结果不正确，测试完成!\n\n");return 0;
}

5-cvt-df.c

#include<stdio.h>
#include <x86intrin.h>
#define N 128
int main(){float a[N]={0};double b[N]={1,2,3};int i;/*for(i=0;i<N;i++)a[i]=b[i];*/int block = N / 4;__m256d ymm_pd;__m128 ymm_ps;for(i = 0; i < block; i++){ymm_pd = _mm256_loadu_pd(b + i*4);ymm_ps = _mm256_cvtpd_ps(ymm_pd);//printf("%f, %f, %f, %f\n", //     ymm_ps[0], ymm_ps[1], ymm_ps[2], ymm_ps[3]);_mm_storeu_ps(a + i*4,ymm_ps);}if(a[2]==3)  printf("\n结果正确，测试完成!\n\n");elseprintf("\n结果不正确，测试完成!\n\n");return 0;
}

SIMD、SSE、AVX指令集相关推荐

SSE/AVX指令集学习笔记
因为最近在做SSE/AVX指令集优化视频编码的某些模块,所以要学习SSE指令集的用法.本帖主要记录本人用到的函数的用法. 一.SSE指令(128位寄存器) __m128i _mm_load_si1 ...
X86 SSE/AVX指令集加速学习
在看了刘文志的<并行编程方法与优化实践>后决定写一写书中的例子或者实际工程中用到加速的一些sample,这本书的pdf我也有,可以在下面留言,我发给你. 1. 使用SSE指令实现了一些简单 ...
一文读懂SIMD指令集目前最全SSE/AVX介绍
SIMD指令集 SSE/AVX 概述参考手册 Intel® Intrinsics Guide Tommesani.com Docs Intel® 64 and IA-32 Architectures ...
SIMD（MMX/SSE/AVX）变量命名规范心得
[转载]:SIMD(MMX/SSE/AVX)变量命名规范心得当使用Intrinsics函数来操作SIMD指令集(MMX/SSE/AVX等)时,会面对不同长度的SIMD数据类型,其中又分为多种紧缩格式 ...
[C] 跨平台使用Intrinsic函数范例1——使用SSE、AVX指令集处理单精度浮点数组求和（支持vc、gcc，兼容Windows、Linux、Mac）...
作者:zyl910. 本文面对对SSE等SIMD指令集有一定基础的读者,以单精度浮点数组求和为例演示了如何跨平台使用SSE.AVX指令集.因使用了stdint.zintrin.ccpuid这三个模块, ...
SIMD 编程的优势与SIMD指令：SSE/AVX 与编程demo
资源:https://download.csdn.net/download/Rong_Toa/18745608 <Benefits of SIMD Programming | SIMD的优势&g ...
单指令多数据SIMD的SSE/AVX指令集和API
https://software.intel.com/sites/landingpage/IntrinsicsGuide/# Technologies MMX SSE SSE2 SSE3 SSSE3 ...
opencv cpu指令集SSE/AVX
SSE与AVX指令集 SSE指令集是英特尔提供的基于SIMD(单指令多数据,也就是说同一时间内,对多个不同的数据执行同一条命令)的硬件加速指令,通过使用寄存器来进行并行加速.经过几代的迭代,最新的SS ...
TensorFlow CPU环境 SSE/AVX/FMA 指令集编译
TensorFlow CPU环境 SSE/AVX/FMA 指令集编译 sess.run()出现如下Warning W tensorflow/core/platform/cpu_feature_guar ...

SIMD、SSE、AVX指令集

指令集