从超级计算世界借鉴来的自动向量化(Auto-vectorization)技术可以帮助你释放每台Intel系统中速度引擎的能量,而不需要编写向量化编码。
基于32个网页-相关网页
After a comprehensive survey on low power/energy compilation technology, especially on instruction-level and function-level power model, is presented, a low energy compilation method based on SIMD automatic vectorization is proposed.
三、在全面而深入地评述了低功耗编译技术,特别是指令级、功能级功耗模型的基础上,提出了基于SIMD指令自动向量化的低能耗编译方法。
参考来源 - VLIW DSP编译器设计及性能与功耗的优化研究·2,447,543篇论文数据,部分数据来源于NoteExpress
这只是一个简单的范例,演示了自动向量化背后的基本思想。
This is only a simple example, demonstrating the basic idea behind auto-vectorization.
这种优化和传统的针对向量处理器的自动向量化非常类似。
SIMD optimization is very similar to traditional automatic vectorization for vector processors.
正如在 Fortran 范例中演示的那样,自动向量化带来的好处随着问题规模的增加而增加,最后当 n=2000 的时候达到了。
As illustrated in the Fortran example, the benefit of auto-vectorization grows as the problem size is increased, reaching a factor of 6.00x at n=2000.
应用推荐