论文研究-一种基于剪切的SLP向量化方法.pdf

作为多媒体和科学计算等领域重要的程序加速器件之一，SIMD扩展部件现已广泛集成于各类处理器中。自动向量化方法是目前生成SIMD向量化程序的重要手段。超字并行SLP（superword level parallelism）方法现已广泛应用于编译器中，并成为实现基本块级代码向量化的主要手段。SLP在进行收益评估时仅考虑代码段整体向量化的收益，并没有考虑到向量化收益为负的片段会降低最终整体的向量化收益，从而导致SLP方法无法达到最好的向量化效果。基于此，提出了一种基于剪切的SLP向量化方法（throttling SLP，TSLP）。通过寻找最优的向量化子图，去除了向量化收益为负的代码段，从而可以获得更好的向量化效果。通过标准测试程序的实验结果表明，与原来的SLP方法相比，TSLP方法平均能够获得9%的性能提升。