SSE にはビットシフト命令が無い;; http://web.mit.edu/nasm_v0.98/doc/nasm/html/nasmdoc0.html あるのはバイト単位のシフト演算のみ。 とりあえず SSE 128bit レジスタに入れて出すだけのコード。(信用しないで!) void test2() { typedef struct {ULong lo; ULong hi;} U128; U128 m, n; m.hi = 0x1111111111111111; m.lo = 0x2222222222222222; n.hi = 0; n.lo = 0; __asm__ __volatile__ ( "movq %2, %%xmm0;" "movq %3, %%xmm1;" "pslldq $8, %%xmm0;" "orps %%xmm0, %%xmm1;" "movq %%xmm1, %1;" "psrldq $8, %%xmm1;" "movq %%xmm1, %0;" : "=m"(n.hi), "=m"(n.lo) // n is output operand (%0, %1) : "m"(m.hi), "m"(m.lo) // m is input operand (%2, %3) : "%xmm0", "%xmm1" // clobbered register ); fprintf(stderr, "m=0x%016llx%016llx, n=0x%016llx%016llx\n", m.hi, m.lo, n.hi, n.lo); } 実行結果は m=0x11111111111111112222222222222222, n=0x11111111111111112222222222222222 128ビット空間を自由に使えるものだと思ってた。馬鹿ですね。 シフト演算はたし算 (とバイト単位のシフトも使う?) に置き換えればできるけど、どうなんだろう? C/C++ の 64ビットx2 のデータではシフト演算のロジックが汚くなるので SSE まで逃げてきたんだけど、 GPU と連立組むのもアイディアのうちか。 参考サイト: Optimizing MILC Math Routines with SSE http://lqcd.fnal.gov/sse/ SSE2を用いたRC5-64クライアントの最適化に関する考察 http://www.katto.comm.waseda.ac.jp/~matsui/rc5/index.html 続 GeForce8800GTX と SM4.0 の整数演算 http://wlog.flatlib.jp/item/911/catid/6 NVIDIA CUDA Homepage http://developer.nvidia.com/object/cuda.html

インラインアセンブラの勉強 GCC Inline Assembler http://caspar.hazymoon.jp/OpenBSD/annex/gcc_inline_asm.html http://caspar.hazymoon.jp/OpenBSD/annex/gas.html http://www.mars.sannet.ne.jp/sci10/on_gcc_asm.html void test1() { typedef unsigned long long ULong; ULong m = 0x1000100010001000; ULong n = 0x0111011101110111; ULong out = 0; __asm__ __volatile__ ( "movq %1, %%rax;" "addq %2, %%rax;" "movq %%rax, %0;" : "=r"(out) // 出力 (%0) : "r"(m), "r"(n) // 入力 (%1, %2) : "%rax" // 破壊されるレジスタ ); fprintf(stderr, "m=0x%016llx, n=0x%016llx, out=0x%016llx\n", m, n, out); } コンパイル (gcc -m64) 後の実行結果は m=0x1000100010001000, n=0x0111011101110111, out=0x1111111111111111

ビット位置の計算 0.0065秒/100万 (gcc -O3 Athlon64x2 3800+ x86_64 vine seed) 0.0146秒/100万 (gcc -O3 Athlon64x2 3800+ i386 vine 4.1) ただ1ビットだけ立ってる場合のオフセットを求める方法。 --- int offset_of_onebit1(unsigned long long x) { int n = 0; if (x & 0xffffffff00000000LL) { n += 32; x >>= 32; } if (x & 0xffff0000) n += 16; if (x & 0xff00ff00) n += 8; if (x & 0xf0f0f0f0) n += 4; if (x & 0xcccccccc) n += 2; if (x & 0xaaaaaaaa) n += 1; return n; } --- n += 16 は n |= 16 でも同じ。むしろ若干遅くなる。 また以下のように if 文を無くしても処理速度は変わらない --- int offset_of_onebit2(ULong x) { int n = 0; (x & 0xffffffff00000000LL) && (n += 32) && (x >>= 32); (x & 0xffff0000) && (n += 16); (x & 0xff00ff00) && (n += 8); (x & 0xf0f0f0f0) && (n += 4); (x & 0xcccccccc) && (n += 2); (x & 0xaaaaaaaa) && (n++); return n; } --- 環境によって違いはあるかも。

ビットの連続抽出 0.230秒/100万 (gcc -O3 Athlon64x2 3800+ x86_64 vine seed) 0.513秒/100万 (gcc -O3 Athlon64x2 3800+ i386 vine 4.1) ビット位置を一個ずつ取り出すイテレータ。 肝は bits & (-bits) で LSB (Least Significant Bit) が求められること。 --- #if defined(__x86_64__) typedef unsigned long ULong; #elif defined(__i386__) typedef unsigned long long ULong; #endif class CBitPos { ULong bits; public: CBitPos(ULong x) : bits(x) {} ULong next() { ULong x = bits & (-bits); bits &= ~x; return x; } }; --- 一回あたり44ビットONのデータで測定。つまり一個のイテレータで44回ループ処理した。 for (long i = 0; i < 1000000L; i++) { CBitPos a(0x7777777777773333LL); int pos = a.next(); while (pos) pos = a.next(); } ちなみに MSB (Most Significant Bit) を求める方法を用いると三倍くらい遅くなる。 --- x |= (x >> 1); x |= (x >> 2); x |= (x >> 4); x |= (x >> 8); x |= (x >> 16); x |= (x >> 32); x &= ~(x >> 1); ---

ビット数のカウント 0.0085秒/100万 (gcc -O3 Athlon64x2 3800+ x86_64 vine seed) 0.0251秒/100万 (gcc -O3 Athlon64x2 3800+ i386 vine 4.1) 立ってるビットを数えるには隣同士の和を求めることを繰り返す。 --- int bitcount(unsigned long long x) { x -= ((x >> 1) & 0x5555555555555555LL); x = (((x >> 2) & 0x3333333333333333LL) + (x & 0x3333333333333333LL)); x = (((x >> 4) + x) & 0x0f0f0f0f0f0f0f0fLL); x += (x >> 8); x += (x >> 16); x += (x >> 32); return x & 0x0000007f; } --- 参考サイト: http://www.nminoru.jp/~nminoru/programming/bitcount.html http://aggregate.org/MAGIC/#Most%20Significant%201%20Bit http://graphics.stanford.edu/~seander/bithacks.html

80コアチップ http://pc.watch.impress.co.jp/docs/2007/0215/kaigai337.htm http://pc.watch.impress.co.jp/docs/2007/0214/isscc02.htm 8x10=80CPU だそうです。おしいな 9x9=81CPU だと面白いかも^^; 64コアCPU なんてのも http://pc.watch.impress.co.jp/docs/2007/0821/tilera.htm http://www.tilera.com/products/processors.php

円周率 300 万桁の計算 http://www.h2np.net/pi/ これは hoihoi-p 氏のブログから http://hoihoi-p.yosiki.org/blog/435 http://h2np.net/pi/pi_quick_start.tar.gz を試してみると Pentium4 2.8E (32bit): 14.77 sec Athlon64 3700+ (32bit): 10.15 sec Athlon64 3700+ (64bit): 5.92 sec 予備マシンながら、なかなかの性能^^

Debian to Run on AMD64 http://linux.slashdot.org/linux/06/07/26/0057215.shtml http://linux.slashdot.org/comments.pl?sid=192198&cid=15782532 明日読もう。

マシンの起動時にエラーが出るので良く見たら which コマンドなどがセグメンテーションエラー。 リビルドしてみると /usr/lib/libiberty.a なんてゴミを拾ってた。 こいつは本来 binutils-*.x86_64.rpm 入れた時に削除されてるはずのもの。なんでだろう... やっぱり大掃除しないといかんなー 追記: 一応 /lib, /usr/lib の下は掃除完了

>>36 util-linux-2.12p-0vl4 ... 大量に依存関係のエラー 古い i386 版が残っていたためでした。少し間隔が空いて惚けてますね;; gtk2 関連が整備されて来たので、試しに Sylpheed をビルドしたら OK これでセカンドマシンとして十分機能する状態になりました w(^o^)w