Core i5 4670K BOX のクチコミ掲示板

[i-brown]

いつものshort[256][4096]のFFTフィルタを1000回行う自作ベンチマークを実施してみました。
時間は1回あたりです。
メモリクロックにハンディがあるので、その辺は割り引いて考えてください。

Core i5 4670k（DDR3-2400）
AVX2＋FMA：1.19ms（Ivyより17％増速）
AVX ：1.19ms（Ivyより17％増速）
SSE3 ：1.72ms（Ivyより10％増速）

Core i5 3570（DDR3-1866）
AVX ：1.40ms
SSE3 ：1.90ms

AVXからFMA3への書き換えですが、ベクトルの回転（高校2年生で習うあれ）をするときに、ソースコードでは「加減算」の内側に「乗算」が来るので、この二つをFMAの対応命令に置き換え、括弧の対応関係を直せば簡単でした。ただ、FFTのプログラムといえどもAVX2やFMAに変更できる箇所は意外に少なかったので、AVXだけのときと有意差は出ませんでした。

Ivy Bridgeのスコアが以前の1.5msより良くなっているのは、64bit環境への最適化を行い、ループアンロールでレジスタを16本近く使えるように見直したためです。やはりハードとソフトは両輪ですね。

長い間待っていたのですが、「拡張命令で増速！」とはいかず、ハードウェアそのものがやや高速化したようです。Ivyで不満のない方は、そのままでも良いような気がします。

書込番号：16213032

[i-brown]

メモリクロックをDDR3-1600にそろえ、プログラムのロジックを見直して再度測定しました。
（AVX2は性能向上しましたが、AVXは低下しました。）

（単位は1回あたりの処理時間[ms] 左はHaswell、右はIvy Bridge）
AVX2：1.18（HaswellのAVXより＋5％）
AVX：1.24 / 1.58（＋27.4％）
SSE：1.69 / 2.18（＋28.9％）
FPU：20.48 / 21.90（6.9％）
Managed：282.54 / 303.42（＋7.3％）

世間の性能に関する評価は辛いようですが、SSE命令を中心に伸びていると思います。
普通の命令では7％程度といったところのようです。

書込番号：16225983

[i-brown]

再度SSEやAVXのロジックを見直し、最初と同じ条件で測定してみました。（Haswell DDR3-2400）
AVX2+FMA(4Threads)：1.12ms
AVX(4Threads)：1.17ms
SSE(4Threads)：1.63ms
FPU(1Thread)：20.07ms
Managed(1Thread)：278.24ms

AVX2とAVXの差は4％程度となりました。SSEも増速しています。
下の2つからわかるように、シングルスレッドの倍精度浮動小数点演算の場合はAVX2の17.9倍、.NETのマネージコードでごく普通に書くとFPUの13.8倍も時間がかかります。

特にエンコードなどCPU高負荷が続くような処理は、「良いソフトウェアを使うと処理が速くなる」ことがご理解いただけると思います。

書込番号：16230740

[|]

x86_64で整数レジスタが8本から16本に増えたとは言え、やはり少ないですよね。
他のRISCなら32本はあるのに。
拡張命令向けのレジスタをちまちま追加しているのをみて、あれでいいのかとたまに思います。

書込番号：16231224

[i-brown]

| さん、返信ありがとうございます。

レジスタの本数ですが、x86の8本からx64の16本になっただけでも相当な効果がありました。
32本あれば、さらに効果的なのも事実ですが、こればかりはアプリケーション側からどうにもなりません。

レジスタが増えた（x86->x64）で体感したメリットは、「大きなループを回してもレジスタが溢れない」（ループアンロールできる、処理の粒度を大きくとれる）ということでした。主にFFTという典型的な処理で遊んでいるので、今の仕様はそれなりに「工夫すれば何とかなる」状態だと感じました。
また、AVXからAVX2になると、256bit->128bit×2->256bitのような、分解・合成処理が減り、256bitのまま処理できるので、レジスタも節約できます。

この1週間（AVX2で6％増速）で効果があったのはループアンロールと変数のconst化（使い回さない）で、コンパイラが用のなくなった変数をどんどん破棄して、レジスタを効率的に使ってくれるようでした。裏返すと、増えたレジスタを使い切ろうとするとループアンロールをすることになり、保守性は下がります。

書込番号：16232251

[i-brown]

もう一度ロジックを見直しました。（Haswell DDR3-2400 x64最適化）

SSE：1.62ms
AVX：1.12ms（SSEより44％速い）
AVX2+FMA：1.03ms（AVXより8％速い）

もういじるところがなくなってきたので、拡張命令ごとの速度比較はこれにて確定と考えます。
64bitに最適化しているので、32bit環境ではレジスタが溢れて大幅に速度低下しそうです。
3月末にはIvy BridgeでSSE 2.53ms、AVXで1.62ms程度だったので、割とがんばったと思います。

書込番号：16249862