科研之友
微信
新浪微博
Facebook
分享链接
摘要
超字级并行（superword level parallelism,SLP）是一种面向处理器单指令多数据（single instruction multiple data,SIMD）扩展部件实现程序自动向量化的方法，这种方法被广泛应用于主流编译器中.SLP方法有赖于先找到同构指令序列再对之进行自动向量化.将非同构指令序列等价转为同构指令序列以扩展SLP方法的适用范围是当前研究趋势之一.提出SLP的一种扩展方法──SLP-M向量化方法，引入二元表达式替换同构转换方式，基于条件判断和收益计算的选择，利用多种指令序列同构化转换，将满足特定条件的非同构指令序列转换为同构指令序列，再进一步实施自动向量化，从而提升SLP的适用范围和收益.在LLVM中实现了SLP-M方法，并利用SPEC CPU 2017等标准测试集进行了测试评估.实验结果表明，SLPM方法相比于已有方法在核心函数测试中性能提升了21.8%，在基准测试程序整体测试中性能提升了4.1%.
-
单位中国科学院软件研究所; 计算机科学国家重点实验室
