在数组中查找零并切换标志的循环的SSE优化+；更新另一个数组 一段C++代码决定了零的出现，并为每个被检查的数字保留二进制标志变量。每次在一维数组中遇到零时，该标志的值在0和1之间切换

我正在尝试使用SSE来加快速度，但我不确定如何进行。据我所知，评估_m128i的各个字段效率低下

< C++中的代码是：

int flag = 0;
int var_num2[1000];
for(int i = 0; i<1000; i++)
{  
    if (var[i] == 0)
    {
        var_num2[i] = flag;
        flag = !flag;  //toggle value upon encountering a 0
     }
}

int标志=0；
int var_num2[1000]；
对于（inti=0；i你必须认识到这个问题，但这是一个著名问题的变体。我首先给出一个理论描述

引入一个临时数组
not_var[]
，如果
var
包含
0
，则该数组包含
1
，否则为
0
。
引入一个临时数组
not\u var\u sum[]
，它保存
not\u var
的值。
var\u num2
现在是
非var\u sum[]的LSB

第一个和第三个操作可以简单地并行化。部分和的并行化非常简单

在实际实现中，您不会构造
not_var[]
，而是在步骤2的所有迭代中直接将LSB写入
var_num2
。这是有效的，因为您可以丢弃较高的位。仅保留LSB相当于取结果模2，
（a+b）%2=（（a%2）+（b%2））%s
什么类型的
var[]
元素？
int
？或
char
？经常出现零

SIMD aka partial是可能的（例如，对于4
float
的向量，2次洗牌和2次加法），但基于结果的条件存储是另一个主要问题。（1000个元素的数组可能太小，多线程无法盈利。）

整数前缀和更容易有效地实现，整数运算的延迟更低。这不仅仅是不带进位的加法，即XOR，所以使用
\u mm\u XOR\u si128
而不是
\u mm\u add\u ps
（您将在
\u mm\u cmpeq\u epi32
中的整数全零/全一比较结果向量上使用它）（或
epi8
或其他，取决于
var[]
的元素大小。您没有指定，但不同的策略选择可能对不同的大小是最佳的）


但是，仅仅有一个SIMD前缀和实际上几乎没有什么帮助：您仍然需要循环并找出存储的位置和未修改的位置。

我认为最好的办法是生成一个索引列表，然后

for (size_t j = 0 ; j < scatter_count ; j+=2) {
    var_num2[ scatter_element[j+0] ] = 0;
    var_num2[ scatter_element[j+1] ] = 1;
}

for（大小j=0；j

如果索引提前，您可以生成整个列表，或者您可以分批工作，将搜索工作与存储工作重叠

问题的前缀和部分是通过在展开循环中交替存储0和1来处理的。真正的技巧是避免分支预测失误，并高效地生成索引

要生成
scatter\u element[]
，您已将问题转化为（过滤）一个基于相应
\u mm\u cmpeq\u epi32（var[i..i+3]，\u mm\u setzero\u epi32（））的（隐式）索引数组。
要生成要过滤的索引，请从
[0,1,2,3]
的向量开始，然后添加
[4,4]
（
\u mm\u add\u epi32
）。我假设
var[]
的元素大小为32位。如果元素较小，则需要解包

顺便说一句，AVX512有分散指令，您可以在这里使用，否则使用标量代码执行存储部分是最好的选择。（但是，在仅存储而不加载时要小心。）

为了将左打包与存储重叠，我认为您需要左打包，直到一个缓冲区中可能有64个索引。然后离开该循环，运行另一个左打包索引并使用索引的循环，仅当循环缓冲区已满（然后仅存储）或为空（然后仅左打包）时停止。这允许您将向量比较/查找表工作与分散存储工作重叠，但不会出现太多不可预测的分支


<0 >如果0非常频繁，并且<代码> VARYNUM2[]/Case>元素为32或64位，并且具有AVX或AVX2可用性，则可以考虑使用标准前缀和使用AVX屏蔽存储。例如，不使用SSE，但是：它具有NT提示，因此它绕过和从高速缓存中驱逐数据，并且非常慢。
此外，由于前缀和是mod 2，即布尔值，因此可以使用基于压缩比较结果掩码的查找表。不使用带洗牌的水平运算，而是使用比较的4位
movmskps
结果+初始状态的第5位作为32个向量的查找表的索引（假设
var[]的32位元素大小）
）。
试图比“不”更快在可能已经在寄存器中的变量上，…是乐观的。如果输入是
var
，那么
var\u num2
在实现中的作用是什么？@Codor
var\u num2
稍后在实现中使用。@Mat，你会怎么做呢？不访问u m128i变量的各个字段。算法是顺序的本质上是tial；我怀疑使用SSE是否可以加快速度。你的意思是“和
1
否则”？@Codor:No.在代码中，
不是var[I]=（var[I]==0）？：1:0
这是个好主意，但关键是变量
标志
的初始值是由一个依赖于不同变量的条件设置的。一旦设置好，它就需要切换。@Blue:次要细节，只需反转输出。要清楚：这只是Comp.Sci方法，通过通常的过程将其减少为已解决的pr问题。@Blue：如果
var[]
中的零很少出现，那么您可能会使用一种乐观的单通算法