lab4性能優(yōu)化實驗分析

性能優(yōu)化實驗分析

2009/12/72021/5/91代碼優(yōu)化“不成熟的優(yōu)化乃萬惡之源”---TonyHoare前期著重精良的算法設(shè)計，后期找出性能瓶頸， 注重傳統(tǒng)的優(yōu)化措施以底層語言思考，用高級語言編程2021/5/92手工優(yōu)化的若干級別最抽象層：選擇合適的算法優(yōu)化程序（與編譯器和語 言均無關(guān)）低一層：基于所用的高級語言優(yōu)化代碼（不依賴語言 的特定實現(xiàn)）再低一層：考慮代碼的組織，優(yōu)化針對特定的編譯器 和函數(shù)庫（VC，GCC，ICC）最低一層：考慮編譯器生成的機器碼，調(diào)整指令序列2021/5/93常見代碼優(yōu)化方法減少函數(shù)調(diào)用提前計算循環(huán)展開并行運算提高cache利用率2021/5/94ImageRotatenaive_rotate

缺點：程序局部性不好，循環(huán)次數(shù)過多2021/5/95FirstTrying：分塊嘗試分成4*4的小塊，提高空間局部性

測試CPE改進為1.82021/5/96SecondTrying：循環(huán)展開采用32*32分塊，4*4路循環(huán)展開，注意循環(huán)內(nèi)部語句執(zhí)行順序 測試CPE改進2.72021/5/97ThirdTrying?假設(shè)分塊為4*4的矩陣，采用不同的巡回路線

srcdest2021/5/98LastTrying考慮矩形分塊32*1，32路循環(huán)展開，并使dest地址連續(xù)，以減少存儲器寫次數(shù)

測得CPE改進為3.52021/5/99ImageSmoothnaive_smooth2021/5/910FirstTrying：減少函數(shù)調(diào)用函數(shù)avg，accumulate_sum在smooth內(nèi)實現(xiàn)函數(shù)assign_sum_to_pixel，min，max用宏定義 實現(xiàn) 得到的CPE改進為1.62021/5/911SecondTrying：使用局部變量讓所有的函數(shù)調(diào)用均集成在smooth內(nèi)，然后確定 求平均值時涉及到的元素，它們的位置用4個局部 變量記錄下來，求和的像素個數(shù)用另外一個局部變量確定，最后做加法和除法 得到的CPE改進為5.0

2021/5/912SecondTrying：使用局部變量2021/5/913ThirdTrying：使用完全循環(huán)展開分析不同的avg情況共有9種，4個角點位置，4個 邊帶位置，1個中央塊，因此只需對這9種情況分 別討論比如左上角點2021/5/914ThirdTrying：使用完全循環(huán)展開中央位置 最終測得CPE改進為8.62021/5/915LastTrying?減少冗余計算 預(yù)先確定操作數(shù)的地址，使用指針變量

s0=src+row s1=src+row-dim s2=src+row+dim變常數(shù)除法為乘法

/4等效成>>2 /6等效*0x2AAB>>16 /9等效成*0x1C72>>162021/5/916代碼優(yōu)化推薦書籍WriteGreatCodeVolume2:ThinkingLow-level，

WritingHigh-level---RandallHydeSoftwareOptimizationforHigh-Performance Computing:CreatingFasterAp