SIMD or Algorithm - 0100

Intrinsics，SIMD，再加上OpenMP

这次很简单，只需在循环上加上OpenMP的指示：

#paragm omp parallel for
for(int h = 0; h < 1024; h++) {
    .......

    #paragm omp parallel for
    for(int w = 0; w < 1024; w++) 

    ......
}

You see，现在就剩下比较结果了。

int _tmain(int argc, _TCHAR* argv[]) {

  INIT_PERF() // 初始化性能计数器

  float perf0 = 0.0, perf1 = 0.0, perf2 = 0.0, perf3 = 0.0; // 分别用来统计4种方法的结果
  const int loop = 1000; // 进行1000测试

  for ( int i = 0; i < loop; i++ ) perf0 += test_Normal_Filter(); // 传统方法
  for ( int i = 0; i < loop; i++ ) perf1 += test_Normal_OMP_Filter(); // 传统方法+OMP
  for ( int i = 0; i < loop; i++ ) perf2 += test_SIMD_Filter(); // SIMD方法
  for ( int i = 0; i < loop; i++ ) perf3 += test_SIMD_OMP_Filter(); // SIMD方法+OMP

  cout<<"Counter Freq:"<

结果，传统方法要优于SIMD方法!

得出的结论就是：

如果处理比较简单，像例子中这样没有复杂计算，数据相关性小，适合于流水线发挥作用的情况，注意算法的优化可能带来更好的性能提升。

所以，如果“感觉”使用新方法能够提高性能，请先做测试，并比较“优化”前后的结果，然后再决定是否进行“优化”。因为，上面的例子再次证明了，“感觉”有时候（经常是“往往”啦）并不可靠。

good lucky!