?

SIMD 擴展部件是集成到通用處理器中的加速部件,旨在發掘多媒體和科學計算等領域程序的數據級并行.當前,兩種基本的向量發掘方法分別是發掘迭代間并行的 Loop-based 方法和發掘迭代內并行的 SLP 方法.Loopaware方法是對 SLP 方法的改進,其思想是:首先,通過循環展開將迭代間并行轉換為迭代內并行,使循環體內的同構語句條數足夠多;再利用 SLP方法進行向量發掘.但當循環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掘.因此提出了向量并行度指導的循環向量化方法,依據迭代間并行度、迭代內并行度和向量化因子構建循環向量化方法選擇方案,同時提出了不充分向量化方法發掘并行度低于向量化因子的循環向量并行性,最后,依據向量并行度對生成的向量循環進行展開.經過標準測試集測試,向量并行度指導的循環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%.?