Optimization 用AVX指令集优化自适应滤波器

我正在尝试使用AVX优化自适应滤波代码，AVX的滤波内核可能对每个像素都是随机的（比如0到991）

其对应的C代码如下所示：

/*过滤函数*/
空过滤器（）
{
int size=width*height；//图像大小
float w[992][11]；//过滤器内核数组
浮点x[size+10]，y[size]，filterindex[size]；//输入，输出，筛选索引
对于（i=0；i对于（k=-5，a=0.；k由于每个像素的权重不同，由于必须对过滤器权重进行聚集负载，因此使用AVX一次过滤多个像素时可能不会获得很大的加速。另一种使用相干负载的方法是，使用内部循环，并在加载像素时并行进行8次乘法运算在内存中连续从x开始，并在内存中连续从w过滤权重。由于您有11个权重，这并不理想地映射到AVX寄存器宽度，但您仍会看到加速。然后您可以使用_mm_hadd_ps对结果进行汇总。您可能希望在多个像素上展开循环，以隐藏一些添加延迟。或者，您可以尝试使用_mm_dp_ps dot product指令一起执行乘法和加法，这可能会更快，但延迟更高，因此您需要更多地展开循环

该循环也非常可并行化，因此可能值得考虑在多个线程之间拆分工作。
对于每个输入像素，您可以在两个AVX寄存器中加载11个滤波器系数（第二个寄存器中填充5个零），并以类似方式加载像素：_mm256_load_ps

将这些值成对相乘并相加，得到两个乘积的8和：_mm256_mul_ps，_mm256_fmadd_ps

接下来，您需要使用一系列水平加法将其压缩为单个值，生成4、8和16乘积的总和：_mm_hadd_ps

总计：每个输出像素9条指令。
只有AVX，还是AVX2可用？我认为在这种情况下，使用SIMD将很难获得3倍的改进。只是没有太多的并行性；滤波器内核本身太短，无法通过并行计算卷积的片段获得太多好处，事实上内核在每像素的基础上不同，使得并行计算多个像素变得复杂。您可能能够弥补一些轻微的改进，我认为在这种情况下，向上移动一个级别并搜索算法更改以提高速度将是您的最佳选择。第二个for循环可能不会像您预期的那样工作，因为行
y[i] =（浮动）a、 
不在loop@Learner：只有OP可以决定这一点。当您的实现优化无法使您达到需要提高性能的程度时，您需要查看您的算法，以查看不同的方法是否能在满足您的目标的同时表现得更好。您现在的代码实际上不适合SIMD。Howev呃，它可以很容易地从MIMD中获益（例如使用OpenMP）。您对此感兴趣吗？添加
#pragma omp parallel for private（k，a）
在您循环之前
i
@mathnewport:我确实考虑过使用_-mm\u-hadd\u-ps和_-mm\u-dp\u-ps，但获得的收益微乎其微。即使展开也没有帮助我们。考虑到所有的方法，我们观察到的收益仅为1.7倍左右。而且目前我们也没有寻找使用多线程方法的解决方案。这是非常简单的在这种情况下，你的内存带宽是有限的。你做过分析吗？我用rdtsc（）做过分析Vtune也是如此。这种方法没有提供更好的增益，因为下面有两个操作1。>压缩为单值2。>使用零填充。压缩时使用什么填充？像素/系数或更高版本？在第一种情况下，如果过滤器系数ENT存储在[911][16]数组中，数组中填充有零（这将使无关像素消失）。