そのため、たぶん.NET Frameworkも64bitではSSE命令を積極的に使います。
SSEを積極的に使うということは、32bitでSSEを使ったプログラムを64bit化した速度は同じになるかなと思い、
一般情報を参考に、円周率を求めるプログラムを作って計測しました。C#じゃないですけど。
#include "stdafx.h"
#include "SSE.h"
#include <math.h>
#include <intrin.h>
#ifdef _DEBUG
#define new DEBUG_NEW
#endif
// 唯一のアプリケーション オブジェクトです。
CWinApp theApp;
using namespace std;
int _tmain(int argc, TCHAR* argv[], TCHAR* envp[])
{
int nRetCode = 0;
// MFC を初期化して、エラーの場合は結果を印刷します。
if (!AfxWinInit(::GetModuleHandle(NULL), NULL, ::GetCommandLine(), 0))
{
// TODO: 必要に応じてエラー コードを変更してください。
_tprintf(_T("致命的なエラー: MFC の初期化ができませんでした。\n"));
nRetCode = 1;
}
else
{
// TODO: アプリケーションの動作を記述するコードをここに挿入してください。
DWORD dwStart = GetTickCount();
int cin = 0;
long times=100000000;
__m128 rand_max = _mm_set_ss(RAND_MAX);
__m128 radius = _mm_set_ss(1);
for (int i = 0; i < times; i++){
// x = rand() / RAND_MAX
__m128 x = _mm_div_ss(_mm_set_ss(rand()), rand_max);
// y = rand() / RAND_MAX
__m128 y = _mm_div_ss(_mm_set_ss(rand()), rand_max);
// dist = sqrt(x * x + y * y)
__m128 dist = _mm_sqrt_ss(_mm_add_ss(_mm_mul_ss(x, x), _mm_mul_ss(y, y)));
// result = (dist < 1.0)
__m128 result = _mm_cmplt_ss(dist, radius);
if (_mm_cvtss_si32(result) != 0) {
cin++;
}
}
double pi = 4.0 * (double)cin / (double)times;
printf("GetTickCount %d\n", GetTickCount() - dwStart);
printf("trial times= %d\n", times);
printf("Math.PI = %f\n", 3.14159265358979323846);
printf("Calculated = %f\n", pi);
}
return nRetCode;
}
結果は、以下のようになりました。PCはまったく同一スペックです。
32bit Windows + 32bit App ： 5.7sec
64bit Windows + 64bit App ： 4.2sec
64bit Windows + 32bit App ： 5.7sec
32bitの逆アセンブル
for (int i = 0; i < times; i++){
// x = rand() / RAND_MAX
__m128 x = _mm_div_ss(_mm_set_ss(rand()), rand_max);
00301080 call dword ptr [__imp__rand (3020A4h)]
00301086 cvtsi2ss xmm0,eax
0030108A xorps xmm1,xmm1
0030108D movss xmm1,xmm0
00301091 movaps xmm0,xmm1
00301094 divss xmm0,dword ptr [esp+20h]
0030109A movaps xmmword ptr [esp+30h],xmm0
// y = rand() / RAND_MAX
__m128 y = _mm_div_ss(_mm_set_ss(rand()), rand_max);
0030109F call dword ptr [__imp__rand (3020A4h)]
003010A5 cvtsi2ss xmm0,eax
003010A9 xorps xmm1,xmm1
003010AC movss xmm1,xmm0
003010B0 movaps xmm0,xmm1
003010B3 divss xmm0,dword ptr [esp+20h]
// dist = sqrt(x * x + y * y)
__m128 dist = _mm_sqrt_ss(_mm_add_ss(_mm_mul_ss(x, x), _mm_mul_ss(y, y)));
003010B9 movaps xmm1,xmmword ptr [esp+30h]
003010BE mulss xmm0,xmm0
003010C2 movaps xmm2,xmm1
003010C5 mulss xmm2,xmm1
003010C9 addss xmm2,xmm0
003010CD sqrtss xmm2,xmm2
64bitの逆アセンブル
for (int i = 0; i < times; i++){
// x = rand() / RAND_MAX
__m128 x = _mm_div_ss(_mm_set_ss(rand()), rand_max);
000000013F6C1084 call qword ptr [__imp_rand (13F6C2138h)]
000000013F6C108A xorps xmm6,xmm6
000000013F6C108D movd xmm0,eax
000000013F6C1091 cvtdq2ps xmm0,xmm0
000000013F6C1094 movss xmm6,xmm0
000000013F6C1098 divss xmm6,xmm7
// y = rand() / RAND_MAX
__m128 y = _mm_div_ss(_mm_set_ss(rand()), rand_max);
000000013F6C109C call qword ptr [__imp_rand (13F6C2138h)]
// dist = sqrt(x * x + y * y)
__m128 dist = _mm_sqrt_ss(_mm_add_ss(_mm_mul_ss(x, x), _mm_mul_ss(y, y)));
000000013F6C10A2 mulss xmm6,xmm6
000000013F6C10A6 movd xmm0,eax
000000013F6C10AA cvtdq2ps xmm0,xmm0
000000013F6C10AD xorps xmm1,xmm1
000000013F6C10B0 movss xmm1,xmm0
000000013F6C10B4 divss xmm1,xmm7
000000013F6C10B8 mulss xmm1,xmm1
000000013F6C10BC addss xmm6,xmm1
000000013F6C10C0 sqrtss xmm6,xmm6
000000013F6C109C call qword ptr [__imp_rand (13F6C2138h)]
ここが早くなっている肝なのでしょうか。
