?

SIMD 擴(kuò)展部件是集成到通用處理器中的加速部件,旨在發(fā)掘多媒體和科學(xué)計(jì)算等領(lǐng)域程序的數(shù)據(jù)級并行.當(dāng)前,兩種基本的向量發(fā)掘方法分別是發(fā)掘迭代間并行的 Loop-based 方法和發(fā)掘迭代內(nèi)并行的 SLP 方法.Loopaware方法是對 SLP 方法的改進(jìn),其思想是:首先,通過循環(huán)展開將迭代間并行轉(zhuǎn)換為迭代內(nèi)并行,使循環(huán)體內(nèi)的同構(gòu)語句條數(shù)足夠多;再利用 SLP方法進(jìn)行向量發(fā)掘.但當(dāng)循環(huán)展開不合法或者并行度低于向量化因子時(shí),Loop-aware方法無法實(shí)現(xiàn)程序向量并行性的發(fā)掘.因此提出了向量并行度指導(dǎo)的循環(huán)向量化方法,依據(jù)迭代間并行度、迭代內(nèi)并行度和向量化因子構(gòu)建循環(huán)向量化方法選擇方案,同時(shí)提出了不充分向量化方法發(fā)掘并行度低于向量化因子的循環(huán)向量并行性,最后,依據(jù)向量并行度對生成的向量循環(huán)進(jìn)行展開.經(jīng)過標(biāo)準(zhǔn)測試集測試,向量并行度指導(dǎo)的循環(huán)SIMD 向量化方法比 Loop-aware 方法的識別率提升了 107.5%,性能提升了 12.1%.?