C++ 如果浮点数是16字节对齐的，是否可以将浮点数直接强制转换到_m128？

如果浮点数是16字节对齐的，则直接将浮点数强制转换到

\uu m128

是否安全/可行/可取

我注意到使用

\u-mm\u-load\u-ps

和

\u-mm\u-store\u-ps

来“包装”原始数组会增加大量开销

我应该注意哪些潜在的陷阱

编辑：

实际上，在使用load和store指令时没有开销，我混合了一些数字，这就是为什么我获得了更好的性能。即使在

\uum128

实例中，我也能对原始内存地址进行一些可怕的破坏，当我运行测试时，在没有

\umm\u load\ups

指令的情况下，完成测试所用的时间是原来的两倍，可能会返回到某种故障安全代码路径。

经过验证，这是可能的，但不安全或不推荐

您不应直接访问\u m128字段

---

原因如下：

将浮子*铸造到m128将不起作用。C++编译器将分配到α128型转换为SSE指令，加载4个浮点数到SSE登记器。假设编译了此转换，它不会创建工作代码，因为不会生成SEE loading指令

__m128变量实际上不是变量或数组。这是SSE寄存器的占位符，用C++编译器代替SSE汇编指令登记。要更好地理解这一点，请阅读《英特尔汇编编程参考》

---

我能看到的一个明显的问题是，你没有使用别名（通过一个以上的指针类型引用一个内存位置），这会让优化者感到困惑。别名的典型问题是，由于优化程序没有观察到您正在通过原始指针修改内存位置，因此它认为它没有改变

由于您显然没有充分使用Optimizer（或者您愿意依靠它来发出正确的SSE指令），因此您可能不会有问题

---

自己使用内部函数的问题是，它们被设计为在SSE寄存器上操作，不能使用从内存位置加载的指令变体，并在单个指令中处理它。

是什么让你认为

\u mm\u load\u ps

和

\u mm\u store\u ps

会“增加大量开销”？假设源/目标是内存，这是向SSE寄存器加载/存储浮点数据的正常方法（任何其他方法最终都归结为内存）。

有几种方法将

浮点值放入SSE寄存器；可以使用以下内部函数：

__m128 sseval;
float a, b, c, d;

sseval = _mm_set_ps(a, b, c, d);  // make vector from [ a, b, c, d ]
sseval = _mm_setr_ps(a, b, c, d); // make vector from [ d, c, b, a ]
sseval = _mm_load_ps(&a);         // ill-specified here - "a" not float[] ...
                                  // same as _mm_set_ps(a[0], a[1], a[2], a[3])
                                  // if you have an actual array

sseval = _mm_set1_ps(a);          // make vector from [ a, a, a, a ]
sseval = _mm_load1_ps(&a);        // load from &a, replicate - same as previous

sseval = _mm_set_ss(a);           // make vector from [ a, 0, 0, 0 ]
sseval = _mm_load_ss(&a);         // load from &a, zero others - same as prev

无论您是声明
\u mm\u set\u ss（val）
还是
\u mm\u load\u ss（&val）
，编译器通常都会创建相同的指令-请尝试并反汇编代码

在某些情况下，编写
\u mm\u set\u ss（*valptr）
而不是
\u mm\u load\u ss（valptr）
是有利的。。。取决于你的代码（结构）。
自从这个问题被提出以来，几年过去了。要回答这个问题，我的经验表明：

是

reinterpret\u cast
-将
float*
转换为
\uuu m128*
，反之亦然，只要
float*
是16字节对齐的-例如（在MSVC 2012中）：

uu declspec（align（16））浮点f[4]；
返回_mm_mul_ps（_mm_set_ps1（1.f），*重新解释（f））；
是的，我看到了这一点，但没有解释为什么我觉得它没有什么价值。这更像是我想知道这样做的陷阱，因为我计划：）嗯，好吧，仔细看，似乎
\uuuum128
是用
\uuuuu属性（（向量大小（16））定义的）
（请参阅）。我想直接强制转换到
\uuum128
可能实际上没有正确地使用指定的寄存器进行此类操作？很抱歉，事情似乎发生了变化：\uuuum128现在实际上被声明为具有相应成员数组的联合。只要满足
浮动*
上的对齐要求，将
浮动*
强制转换为
\uu m128*
也可以。（编辑：我在Windows上，使用VS2012）@St0fF有趣。也许你应该把它变成一个答案？这个答案的第二部分是假的，除非MSVC是完全奇怪的。取消引用
\uuu m128*
很好，并生成对齐的加载/存储。如果这不是你想要的，那就不要做。因为我确实分析过它。在标量中添加相同长度的数组需要0.337秒，在具有加载和存储功能的SSE中需要0.244秒，而在没有任何转换（使用_m128的数组）的情况下，相同的操作需要0.127秒——几乎是速度的两倍！实际上，数字各不相同，但是一个_m128数组总是比使用加载和存储函数以及一个原始浮点数组快得多。50%的时候它的速度是原来的两倍多，有时没有那么快。我想你可能误解了你的分析结果。这听起来像是将显式加载/存储与编译器生成的加载/存储进行比较，但同样的指令很可能是在“幕后”使用的-您只是看到了不同指令调度/循环展开/等的效果。尽管查看您的代码以了解您正在测量的是什么，这将是非常有用的。Paul-您似乎是对的，较低的时间实际上是由于我的疏忽造成的一些数字不匹配。如果没有加载和存储函数，操作实际上需要更长的时间，但仍然是准确完成的，可能会退回到某种故障安全状态。10x，我可能会选择类似的实现我认为内部函数种类繁多的最大原因是a）程序员可以选择直接使用常量而不是变量（例如，
\u m128 s=\u mm\u set1\u ps（M\u PI）
而不是
浮点PI[4]={M\u PI，M\u PI，M\u PI}；\u m128 s=\u mm\u load\u ps（PI）
），以及b）允许编译器优化某些
__declspec( align( 16 ) ) float f[4];
return _mm_mul_ps( _mm_set_ps1( 1.f ), *reinterpret_cast<__m128*>( f ) );