Различные результаты с версией SSE

Question

Я пытаюсь переписать некоторый код, чтобы использовать SSE. Однако по какой-то причине моя версия SSE дает разные результаты, чем оригинал, например. 209.1 вместо 1.47 и т. Д.

Почему? Полную функцию можно найти here.

struct vec_ps 
{ 
    __m128 value; 

    vec_ps(){} 
    vec_ps(float value)   : value(_mm_set1_ps(value)) {} 
    vec_ps(__m128 value)  : value(value)    {} 
    vec_ps(const vec_ps& other) : value(other.value)  {} 

    vec_ps& operator=(const vec_ps& other) 
    { 
     value = other.value; 
     return *this; 
    } 

    vec_ps& operator+=(const vec_ps& other) 
    { 
     value = _mm_add_ps(value, other.value); 
     return *this; 
    } 

    vec_ps& operator-=(const vec_ps& other) 
    { 
     value = _mm_sub_ps(value, other.value); 
     return *this; 
    } 

    vec_ps& operator*=(const vec_ps& other) 
    { 
     value = _mm_mul_ps(value, other.value); 
     return *this; 
    } 

    vec_ps& operator/=(const vec_ps& other) 
    { 
     value = _mm_div_ps(value, other.value); 
     return *this; 
    } 

    static vec_ps load(float* ptr) 
    { 
     return vec_ps(_mm_load_ps(ptr)); 
    } 

    static void stream(float* ptr, const vec_ps& other) 
    { 
     _mm_stream_ps(ptr, other.value); 
    } 

    void stream(float* ptr) 
    { 
     _mm_stream_ps(ptr, value); 
    } 
}; 

vec_ps operator+(const vec_ps& lhs, const vec_ps& rhs) 
{  
    return vec_ps(lhs) += rhs; 
} 

vec_ps operator-(const vec_ps& lhs, const vec_ps& rhs) 
{  
    return vec_ps(lhs) -= rhs; 
} 

vec_ps operator*(const vec_ps& lhs, const vec_ps& rhs) 
{  
    return vec_ps(lhs) *= rhs; 
} 

vec_ps operator/(const vec_ps& lhs, const vec_ps& rhs) 
{  
    return vec_ps(lhs) /= rhs; 
} 

void foo(/*...*/) 
{ 
     std::vector<float, tbb::cache_aligned_allocator<float>> ref_mu(w*h); 
     std::vector<float, tbb::cache_aligned_allocator<float>> cmp_mu(w*h); 
     std::vector<float, tbb::cache_aligned_allocator<float>> ref_sigma_sqd(w*h); 
     std::vector<float, tbb::cache_aligned_allocator<float>> cmp_sigma_sqd(w*h); 
     std::vector<float, tbb::cache_aligned_allocator<float>> sigma_both(w*h); 
     int size = w*h*sizeof(float); 

     /*...*/ 

     float ssim_sum = 0.0; 
     float ssim_sum2 = 0.0; 

     vec_ps ssim_sum_ps(0.0f);  

     for(int n = 0; n < size/16; ++n) 
     { 
      auto ref_mu_ps   = vec_ps::load(ref_mu.data()  + n*4); 
      auto cmp_mu_ps   = vec_ps::load(cmp_mu.data()  + n*4); 
      auto sigma_both_ps  = vec_ps::load(sigma_both.data() + n*4); 
      auto ref_sigma_sqd_ps = vec_ps::load(ref_sigma_sqd.data() + n*4); 
      auto cmp_sigma_sqd_ps = vec_ps::load(cmp_sigma_sqd.data() + n*4); 

      auto numerator = (2.0f * ref_mu_ps * cmp_mu_ps + C1) * (2.0f * sigma_both_ps + C2); 
      auto denominator = (ref_mu_ps*ref_mu_ps + cmp_mu_ps*cmp_mu_ps + C1) * (ref_sigma_sqd_ps + cmp_sigma_sqd_ps + C2); 
      ssim_sum_ps += numerator/denominator; 
     } 

     for(int n = 0; n < 4; ++n) 
      ssim_sum2 += ssim_sum_ps.value.m128_f32[n]; 

     for (int y = 0; y < h; ++y) 
     { 
      int offset = y*w; 
      for (int x = 0; x < w; ++x, ++offset) 
      {   
       float numerator = (2.0f * ref_mu[offset] * cmp_mu[offset] + C1) * (2.0f * sigma_both[offset] + C2); 
       float denominator = (ref_mu[offset]*ref_mu[offset] + cmp_mu[offset]*cmp_mu[offset] + C1) * (ref_sigma_sqd[offset] + cmp_sigma_sqd[offset] + C2); 
       ssim_sum += numerator/denominator;     
      } 
     } 
     assert(ssim_sum2 == ssim_sum); // FAILS! 
} 

Answer 1

Просто комментарий выше, как это, кажется, ответ на вопрос: Есть ли гарантия, что ш * ч делится на четыре? Если это не так, ваша последняя итерация в версии SSE будет основана на случайных числах. Использование sizeof (float) в одном месте и 16 вместо 4 * sizeof (float) `в другом несколько сбивает с толку: почему бы не оставить размер поплавка? Кроме того, почему версия, отличная от SSE, не запускается поверх области вместо того, чтобы пытаться следовать ширине и высоте матрицы?