C 如何使用SSE汇编指令查找毕达哥拉斯三元组？

我对汇编非常陌生，我想找到所有毕达哥拉斯三元组，范围从1到100。我用C生成所有的数字，所有其他的计算都应该用汇编语言完成。我试图通过使用sqrt命令来实现这一点（我已经尝试了所有这些命令），但我无法使其工作。。 有人能告诉我应该怎么做吗

这就是我到目前为止得到的：

int main(){
            for (int i = 1; i <= 100; i++)
            {
                a++;
                if (a > 100)
                    a = 0;
                for (int j = 1; j <= 100; j++)
                {
                    b++;
                    if (b > 100)
                        b = a;
                    _asm   //tricky part begins here:
                    {
                        movups xmm0, a
                        movups xmm1, b
                        pmuludq xmm0, xmm0  
                        pmuludq xmm1, xmm1 
                        //movups xmm2, 0  
                        //paddd xmm2, xmm0  
                        //paddd xmm2, xmm1
                        movups z, xmm0
                    }
                    printf("%d\n", z);
                }
          }
    }

intmain（）{
对于（int i=1；i 100）
a=0；
对于（int j=1；j 100）
b=a；
_asm//棘手的部分从这里开始：
{
movups xmm0，a
movups xmm1，b
pmuludq xmm0，xmm0
pmuludq xmm1，xmm1
//movups xmm2，0
//paddxmm2，xmm0
//paddxmm2，xmm1
movz，xmm0
}
printf（“%d\n”，z）；
}
}
}

您的方法的基本问题是，您需要并行查看4个

b

值，因此不能仅从C标量变量加载。您需要在循环迭代中保持向量寄存器中的内容，因为您不仅仅是从内存或其他地方加载向量。您应该在asm中编写整个循环，因为MSVC内联asm不适合包装短序列，这是因为获取结果的开销不可避免

当然，将此循环矢量化的最佳方法是使用C intrinsic，而不是使用内联asm。然后，如果有必要（如果可能的话），您可以通过检查编译器的asm输出的低效性来帮助编译器生成更好的asm。（见附件）

---

当然，如果您真的只是想创建高效的代码来生成毕达哥拉斯三元组，那么您的算法也是假的：

维基百科的文章有一节描述了欧几里德的公式。迭代这将是一个不同于在整个

a=[1..100]b=[1..100]

搜索空间的暴力搜索中检查命中率的问题，因为检查一个数字是否是一个完美的正方形相当慢

---

此外，检测与条件匹配的向量元素也很笨拙。压缩比较指令和PMOVMSKB（或MOVMSKPS）将为您提供位图，但这在命中次数很少时最有效，例如，在第一次命中后循环停止的位置实现

memchr

。

“我想在汇编中执行此操作，因为我知道它比C快。”您怎么知道？因为它可能不会。我不会假设您手工编写的asm将比C编译器的输出更快。编译器是智能的，现代CPU是复杂的。我以为所有的形式都是

n*（a*a=b+c）

之类的？一些数学运算应该比C和汇编更快。如果你想学习asm，可以在asm中编写整个循环（或者更好，编写整个函数）。以这种方式使用MSVC内联asm只会让你自食其果。请参阅，这也解释了为什么MSVC内联asm在这方面很糟糕。@Blorgbeard和Rukass：几乎总是可以用手写asm打败编译器，但你必须知道自己在做什么。通常最好从优化的编译器输出开始，这样至少不会做得更糟。但是通常最好的办法是在你找到了什么是最优的之后，调整你的C源代码，使编译器能够生成更好的asm。请参阅my了解更多信息。请注意，在台式计算机上检查整个

a=[1..100]b=[1..100]

搜索空间的时间平均不到.005秒，因此这个问题的整个前提是荒谬的。@user3386109:这仍然是一百万或两个核心时钟周期，足够长，可以用性能计数器精确测量。但显然，这一点更适用于更大的搜索范围。在每次搜索命中的时候调用<代码> PROTFF <代码>是荒谬的，而不是把它们存储在一个数组中。