Intel Nehalemシングルスレッドピークパフォーマンス

Question

私のnehalem cpuで、アプリケーションのパフォーマンス異常を検出するためのシングルスレッドFPピークパフォーマンスに到達しようとしていますが、到達できないようです。クロック速度は3.2GHzです。SSE命令とマルチスレッドを使用せずにCPUのピークFP性能を達成したいと考えています。

単精度FPの加算と乗算を各クロックサイクルで並列に行うことができますので、2 * 3.20 = 6.4 GFLOPS /秒​​の最大性能が得られます。

は、しかし、私は、コードのシンプルな作品で、このパフォーマンスに到達することはできませんよ。〜1.5 GFLOPSの代わりに、6.4 GFLOPS：コードの

int iterations = 1000000; 
int flops_per_iteration = 2; 
int num_flops = iterations * flops_per_iterations; 

for(int i=0; i<iterations; i++) 
{ 
    a[i] = i; 
    b[i] = i*2; 
    c[i] = i*3; 
} 

tick(&start_time); 

for(int i = 0; i < iterations; i++){ 
    a[i] *= b[i]; 
    c[i] += b[i]; 
} 

time = tock(&start_time); 

printf("Performance: %0.4f GFLOPS \n", flops/(time*pow(10,-3)*pow(10,9))); 

この作品は私のパフォーマンスを提供します。

MTやSSEを使わずにピーク性能に近づくことができる他の例はありますか？

事前

のおかげで*更新：ホットループの追加アセンブリコード：*

Address Assembly 
Block 17: 
0x4013a5 movssl (%rdi,%rax,4), %xmm2 
0x4013aa movssl (%r8,%rax,4), %xmm0 
0x4013b0 movssl (%rsi,%rax,4), %xmm1 
0x4013b5 mulss %xmm2, %xmm0 
0x4013b9 addss %xmm1, %xmm2 
0x4013bd movssl %xmm0, (%r8,%rax,4) 
0x4013c3 movssl %xmm2, (%rsi,%rax,4) 
0x4013c8 inc %rax 
0x4013cb cmp %rcx, %rax 
0x4013ce jb 0x4013a5 <Block 17> 

Answer 1

パフォーマンスを6.4 GFLOPSにするには、CPUが1クロックで10命令を実行する必要があります。または展開されている場合は7つの命令。これはちょうど不可能です。このプロセッサでは、4命令/クロック以上は取得できません。

Answer 2

大きなハウは、あなたのL3キャッシュのですか？ 4 MB？だから、キャッシュのために少し余裕を持たせることができます。作業サイズを50％減らしてみてください。

FP操作の「並列処理」は、基本的にFP操作がトリガーされ、他の処理はまだ処理されていないことを意味します。しかし、あなたはほとんど登録SSEを使用してマルチスレッドのアプローチおよび/または

のいずれかを使用して

• ずに本当の並列性を得るために管理していないでしょう。

Answer 3

CPUパイプラインを埋めるためにループアンローリングを使用しないでください。