一种基于剪切的SLP向量化方法

作者：李颖颖; 奚慧兴; 高伟; 李伟; 翟胜伟

来源：计算机应用研究, 2018, 35(09): 2578-2582.

• 单指令多数据扩展部件
• 自动向量化
• 超字并行
• 代价模型

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。

• 单位
  信息工程大学; 中国电子科技集团公司第二十七研究所; 鞍山师范学院