?

SIMD 擴展部件是集成到通用處理器中的加速部件,旨在發(fā)掘多媒體和科學計算等領域程序的數據級并行.當前,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)掘迭代內并行的 SLP 方法.Loopaware方法是對 SLP 方法的改進,其思想是:首先,通過循環(huán)展開將迭代間并行轉換為迭代內并行,使循環(huán)體內的同構語句條數足夠多;再利用 SLP方法進行向量發(fā)掘.但當循環(huán)展開不合法或者并行度低于向量化因子時,Loop-aware方法無法實現程序向量并行性的發(fā)掘.因此提出了向量并行度指導的循環(huán)向量化方法,依據迭代間并行度、迭代內并行度和向量化因子構建循環(huán)向量化方法選擇方案,同時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,依據向量并行度對生成的向量循環(huán)進行展開.經過標準測試集測試,向量并行度指導的循環(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%.?