Automatic SIMD Vectorization of SSA-based Control Flow Graphs

رالف کارنبرگ بردارسازی کل تابع (WFV) را ارائه می‌کند، رویکردی که به کامپایلر اجازه می‌دهد تا به‌طور خودکار کدی ایجاد کند که از موازی‌سازی داده‌ها با استفاده از دستورالعمل‌های SIMD سوء استفاده می‌کند. برنامه های کاربردی موازی داده مانند شبیه سازی ذرات، تخمین قیمت اختیار سهام یا رمزگشایی ویدیویی نیازمند انجام محاسبات مشابه بر روی حجم عظیمی از داده ها هستند. بدون WFV، یک هسته پردازنده یک نمونه از یک تابع موازی داده را اجرا می کند. WFV تابع را برای اجرای چندین نمونه به طور همزمان با استفاده از دستورالعمل های SIMD تبدیل می کند. نویسنده یک الگوریتم پیشرفته WFV را توصیف می کند که شامل انواع تحلیل ها و تکنیک های تولید کد است. او نشان می دهد که این رویکرد باعث بهبود عملکرد کد تولید شده در موارد مختلف استفاده می شود.

Ralf Karrenberg presents Whole-Function Vectorization (WFV), an approach that allows a compiler to automatically create code that exploits data-parallelism using SIMD instructions. Data-parallel applications such as particle simulations, stock option price estimation or video decoding require the same computations to be performed on huge amounts of data. Without WFV, one processor core executes a single instance of a data-parallel function. WFV transforms the function to execute multiple instances at once using SIMD instructions. The author describes an advanced WFV algorithm that includes a variety of analyses and code generation techniques. He shows that this approach improves the performance of the generated code in a variety of use cases.