Author Archive

実行した命令数をカウントする

一週間で三回ぐらい聞かれたので知っている範囲で書いておきます。 パフォーマンスカウンタの値をとる 全命令をカウントするINST_RETIREDがありますが、もう少し詳細な値も取れます。 http://www.intel.

2015年10月27日 nakamura Tech記事.

Read More »

Processor Trace を使ってデバッグ時に詳細なトレースを取得する

Broadwell 世代から、いくつかのCPUではProcessor Traceと呼ばれる機能が付いています。簡単に使いかたを説明します。 Intel Processor Trace それなりの規模のCPUにはプロセッサ

2015年10月18日 nakamura Tech記事.

Read More »

TSX は cmpxchg のかわりに使えるか？

ARMのldrexとstrexのコードを見て、なんとなくx86のcmpxchgより読みやすい気がしたので、x86にもll/sc相当が欲しいなと思ったのですが、よく考えたら今のx86にはTMがあったのを思い出しました。 P

2015年6月30日 nakamura Tech記事.

Read More »

AMD GCN isa と NVIDA SASS でのアドレス演算のチューニング

ちょっとしたきっかけがあって、AMD用のGPUとNVIDIA用のGPU両方で高速化作業を行いました。 そのときに得られた知見を書いておきます。 AMD GCN isa と NVIDIA SASS GPUでプログラミングを

2015年6月23日 nakamura Tech記事.

Read More »

OpenCL2.0 の機能を Broadwell で試す (SVM編)

Broadwell、いわゆる 5th Generation Intel(R) Core(TM) Processor がリリースされてから大分経ちましたが、皆さん、Broadwellは使っていますか？ Broadwell

2015年3月25日 nakamura Tech記事.

Read More »

x86/x64最適化勉強会7 で発表しました

3/15 に行われた、x86/x64最適化勉強会7 に行ってきました。 当日の様子は、主催の光成さんが書かれた、x86/x64最適化勉強会7レポート や @t_teruya さんによる togetter のまとめ などが

2015年3月16日 nakamura Tech記事, イベントレポート.

Read More »

Denver の最適化機能を調べる

NVIDIA 社の開発した Denver という 64bit ARM CPU は、ARM 機械語を最適化する機能を持っています。これをいくらか見てみようと思います コード https://bitbucket.org/fi

2015年1月15日 nakamura Tech記事.

Read More »

動き予測(おまけ)

さすがに20倍にはならないので、と書きましたが、よく考えたら、最近のx86 では サイクルあたりで 16byte の sad が一個取れるので、20倍ぐらい出そうな気がしたので試してみました。 https://bitbu

2015年1月7日 nakamura Tech記事.

Read More »

GPU の動き予測ハードウェアをOpenCLから使う

最近のGPUは、動画エンコーダを実装しているものが多いです。 Intel社のGPUは、この動画エンコーダで使われる、ブロック単位での動き予測ハードウェアを、OpenCLから使うことができます。 公式の解説 : https

nakamura Tech記事.

Read More »

(小ネタ)比較してインクリメント/デクリメント

SSE, AVXの比較結果は真の場合、全ビットが立ちますが、これは -1 とも解釈できるので、 if (a == b) { c++; } if (a == b) { c--; } は、それぞれ、 c = _mm_sub_

2014年11月20日 nakamura Tech記事.

Read More »

命令単位の時間を計測する (準備)

命令単位の時間をはかってみましょう。この場合は、命令のクロック単位で知りたいことが多いので、CPU_CLK_UNHALTEDの値を使ってみます。 https://proc-cpuinfo.fixstars.com/201

2014年11月18日 nakamura Tech記事.

Read More »

その他の時間計測方法

rdtscp や CPU_CLK_UNHALTED は、細かい性能を計測する場合には便利ですが、大きな粒度で計測したい場合、単位の変換などが面倒です。状況に応じて、色々な方法を使い分けると良いでしょう。 以下、思い付く範

2014年11月15日 nakamura Tech記事.

Read More »

CPU_CLK_UNHALTEDの値を取得する

近年のCPUは電力削減のために、負荷にあわせてクロックが変動するものが多くなっています。 rdtsc, rdtscp で取得できる値は、このクロックとは別にカウントされており、省電力機能の有無に関わらず、一定クロックでカ

2014年11月14日 nakamura Tech記事.

Read More »

rdtscp を使う

x86マシンでは、処理時間を計測する時、rdtsc 命令を使うと便利な場合があります。 しかし、rdtsc で取得できるタイムスタンプ値は、コア毎に同期されておらず、マザーボードやBIOSによっては、大きな差が出ることが

2014年11月12日 nakamura Tech記事.

Read More »

KNC(XeonPhi) のmax

KNC の浮動小数の max を行うintrinsicsは単精度、倍精度それぞれ二種類あります。 _mm512_gmax_ps, _mm512_gmax_pd _mm512_max_ps _mm512_max_pd gm

2014年11月11日 nakamura Tech記事.

Read More »