SSE指令介绍及其C、C++应用
2009-08-26 00:03
441 查看
SSE指令介绍及其C、C++应用
收藏
document.body.oncopy = function() {if (window.clipboardData) {
setTimeout(function() {
var text = clipboardData.getData("text");
if (text && text.length>300) {
text = text + "/r/n/n本文来自CSDN博客,转载请标明出处:" + location.href;
clipboardData.setData("text", text);
}
}, 100);
}
}
function StorePage(){d=document;t=d.selection?(d.selection.type!='None'?d.selection.createRange().text:''):(d.getSelection?d.getSelection():'');void(keyit=window.open('http://www.365key.com/storeit.aspx?t='+escape(d.title)+'&u='+escape(d.location.href)+'&c='+escape(t),'keyit','scrollbars=no,width=475,height=575,left=75,top=20,status=no,resizable=yes'));keyit.focus();}
http://blog.csdn.net/olncy/archive/2009/04/16/4084374.aspx
作者:Alex Farber
出处:http://www.codeproject.com/cpp/sseintro.asp
SSE技术简介
Intel公司的单指令多数据流式扩展(SSE,Streaming SIMDExtensions)技术能够有效增强CPU浮点运算的能力。Visual Studio
提供了对SSE指令集的编程支持,从而允许用户在C++代码中不用编写汇编代码就可直接使用SSE指令的功能。MSDN中有关SSE技术的主题
[1]有可能会使不熟悉使用SSE汇编指令编程的初学者感到困惑,但是在阅读MSDN有关文档的同时,参考一下Intel软件说明书(Intel
Software manuals)[2]会使你更清楚地理解使用SSE指令编程的要点。
SIMD(single-instruction,
multiple-data)是一种使用单道指令处理多道数据流的CPU执行模式,即在一个CPU指令执行周期内用一道指令完成处理多个数据的操作。考虑
一下下面这个任务:计算一个很长的浮点型数组中每一个元素的平方根。实现这个任务的算法可以这样写:
view plain
copy to clipboard
?
for
each f in array
//对数组中的每一个元素
f = sqrt(f) //计算它的平方根
end for
for each f in array //对数组中的每一个元素 f = sqrt(f) //计算它的平方根 end for
为了了解实现的细节,我们把上面的代码这样写:
view plain
copy to clipboard
?
for
each f in array
{
把f从内存加载到浮点寄存器
计算平方根
再把计算结果从寄存器中取出放入内存
}
for each f in array { 把f从内存加载到浮点寄存器 计算平方根 再把计算结果从寄存器中取出放入内存 }
具有Intel
SSE指令集支持的处理器有8个128位的寄存器,每一个寄存器可以存放4个(32位)单精度的浮点数。SSE同时提供了一个指令集,其中的指令可以允许
把浮点数加载到这些128位的寄存器之中,这些数就可以在这些寄存器中进行算术逻辑运算,然后把结果放回内存。采用SSE技术后,算法可以写成下面的样
子:
view plain
copy to clipboard
?
for
each 4 members in array
//对数组中的每4个元素
{
把数组中的这4个数加载到一个128位的SSE寄存器中
在一个CPU指令执行周期中完成计算这4个数的平方根的操作
把所得的4个结果取出写入内存
}
for each 4 members in array //对数组中的每4个元素 { 把数组中的这4个数加载到一个128位的SSE寄存器中 在一个CPU指令执行周期中完成计算这4个数的平方根的操作 把所得的4个结果取出写入内存 }
C++编程人员在使用SSE指令函数编程时不必关心这些128位的寄存器,你可以使用128位的数据类型“__m128”和一系列C++函数来实现
这些算术和逻辑操作,而决定程序使用哪个SSE寄存器以及代码优化是C++编译器的任务。当需要对很长的浮点数数组中的元素进行处理的时候,SSE技术确
实是一种很高效的方法。
SSE程序设计详细介绍
包含的头文件:所有的SSE指令函数和__m128数据类型都在xmmintrin.h文件中定义:
view plain
copy to clipboard
?
#include <xmmintrin.h>
#include <xmmintrin.h>
因为程序中用到的SSE处理器指令是由编译器决定,所以它并没有相关的.lib库文件。
数据分组(Data Alignment)
由SSE指令处理的每一个浮点数数组必须把其中需要处理的数每16个字节(128位二进制)分为一组。一个静态数组(static array)可由__declspec(align(16))关键字声明:
view plain
copy to clipboard
?
__declspec
(align(16))
float
m_fArray[ARRAY_SIZE];
__declspec(align(16)) float m_fArray[ARRAY_SIZE];
动态数组(dynamic array)可由_aligned_malloc函数为其分配空间:
view plain
copy to clipboard
?
m_fArray = (
float
*) _aligned_malloc(ARRAY_SIZE *
sizeof
(
float
), 16);
m_fArray = (float*) _aligned_malloc(ARRAY_SIZE * sizeof(float), 16);
由_aligned_malloc函数分配空间的动态数组可以由_aligned_free函数释放其占用的空间:
view plain
copy to clipboard
?
_aligned_free(m_fArray);
_aligned_free(m_fArray);
__m128 数据类型
该数据类型的变量可用做SSE指令的操作数,它们不能被用户指令直接存取。_m128类型的变量被自动分配为16个字节的字长。
CPU对SSE指令集的支持
如果你的CPU能够具有了SSE指令集,你就可以使用Visual Studio .NET提供的对SSE指令集支持的C++函数库了,你可以查看MSDN中的一个Visual C++
CPUID的例子[4],它可以帮你检测你的CPU是否支持SSE、MMX指令集或其它的CPU功能。
编程实例
以下讲解了SSE技术在Visual Studio .NET 2003下的应用实例,你可以在http://www.codeproject.com/cpp/sseintro/SSE_src.zip
下载示例程序压缩包。该压缩包中含有两个项目,这两个项目是基于微软基本类库(MFC)建立的Visual C++.NET项目,你也可以按照下面的讲解建立这两个项目。
SSETest 示例项目
SSETest项目是一个基于对话框的应用程序,它用到了三个浮点数组参与运算:view plain
copy to clipboard
?
fResult[i] = sqrt( fSource1[i]*fSource1[i] + fSource2[i]*fSource2[i] ) + 0.5
fResult[i] = sqrt( fSource1[i]*fSource1[i] + fSource2[i]*fSource2[i] ) + 0.5
其中i = 0, 1, 2 ... ARRAY_SIZE-1
其中ARRAY_SIZE被定义为30000。数据源数组(Source数组)通过使用sin和cos函数给它赋值,我们用Kris
Jearakul开发的瀑布状图表控件(Waterfall chart control)[3]
来显示参与计算的源数组和结果数组。计算所需的时间(以毫秒ms为单位)在对话框中显示出来。我们使用三种不同的途径来完成计算:
纯C++代码;
使用SSE指令函数的C++代码;
包含SSE汇编指令的代码。
纯C++代码:
view plain
copy to clipboard
?
void
CSSETestDlg::ComputeArrayCPlusPlus(
float
* pArray1,
// [输入] 源数组1
float
* pArray2,
// [输入] 源数组2
float
* pResult,
// [输出] 用来存放结果的数组
int
nSize)
// [输入] 数组的大小
{
int
i;
float
* pSource1 = pArray1;
float
* pSource2 = pArray2;
float
* pDest = pResult;
for
( i = 0; i < nSize; i++ )
{
*pDest = (float
)sqrt((*pSource1) * (*pSource1) + (*pSource2)
* (*pSource2)) + 0.5f;
pSource1++;
pSource2++;
pDest++;
}
}
void CSSETestDlg::ComputeArrayCPlusPlus( float* pArray1, // [输入] 源数组1 float* pArray2, // [输入] 源数组2 float* pResult, // [输出] 用来存放结果的数组 int nSize) // [输入] 数组的大小 { int i; float* pSource1 = pArray1; float* pSource2 = pArray2; float* pDest = pResult; for ( i = 0; i < nSize; i++ ) { *pDest = (float)sqrt((*pSource1) * (*pSource1) + (*pSource2) * (*pSource2)) + 0.5f; pSource1++; pSource2++; pDest++; } }
下面我们用具有SSE特性的C++代码重写上面这个函数。为了查询使用SSE指令C++函数的方法,我参考了Intel软件说明书
(Intel Software
manuals)中有关SSE汇编指令的说明,首先我是在第一卷的第九章找到的相关SSE指令,然后在第二卷找到了这些SSE指令的详细说明,这些说明有
一部分涉及了与其特性相关的C++函数。然后我通过这些SSE指令对应的C++函数查找了MSDN中与其相关的说明。搜索的结果见下表:
实现的功能 对应的SSE汇编指令 Visual C++.NET中的SSE函数
将4个32位浮点数放进一个128位的存储单元。 movss 和 shufps _mm_set_ps1
将4对32位浮点数同时进行相乘操作。这4对32位浮点数来自两个128位的存储单元,再把计算结果(乘积)赋给一个128位的存储单元。 mulps _mm_mul_ps
将4对32位浮点数同时进行相加操作。这4对32位浮点数来自两个128位的存储单元,再把计算结果(相加之和)赋给一个128位的存储单元。 addps _mm_add_ps
对一个128位存储单元中的4个32位浮点数同时进行求平方根操作。 sqrtps _mm_sqrt_ps
使用Visual C++.NET的 SSE指令函数的代码:
view plain
copy to clipboard
?
void
CSSETestDlg::ComputeArrayCPlusPlusSSE(
float
* pArray1,
// [输入] 源数组1
float
* pArray2,
// [输入] 源数组2
float
* pResult,
// [输出] 用来存放结果的数组
int
nSize)
// [输入] 数组的大小
{
int
nLoop = nSize/ 4;
__m128 m1, m2, m3, m4;
__m128* pSrc1 = (__m128*) pArray1;
__m128* pSrc2 = (__m128*) pArray2;
__m128* pDest = (__m128*) pResult;
__m128 m0_5 = _mm_set_ps1(0.5f); // m0_5[0, 1, 2, 3] = 0.5
for
(
int
i = 0; i < nLoop; i++ )
{
m1 = _mm_mul_ps(*pSrc1, *pSrc1); // m1 = *pSrc1 * *pSrc1
m2 = _mm_mul_ps(*pSrc2, *pSrc2); // m2 = *pSrc2 * *pSrc2
m3 = _mm_add_ps(m1, m2); // m3 = m1 + m2
m4 = _mm_sqrt_ps(m3); // m4 = sqrt(m3)
*pDest = _mm_add_ps(m4, m0_5); // *pDest = m4 + 0.5
pSrc1++;
pSrc2++;
pDest++;
}
}
void CSSETestDlg::ComputeArrayCPlusPlusSSE( float* pArray1, // [输入] 源数组1 float* pArray2, // [输入] 源数组2 float* pResult, // [输出] 用来存放结果的数组 int nSize) // [输入] 数组的大小 { int nLoop = nSize/ 4; __m128 m1, m2, m3, m4; __m128* pSrc1 = (__m128*) pArray1; __m128* pSrc2 = (__m128*) pArray2; __m128* pDest = (__m128*) pResult; __m128 m0_5 = _mm_set_ps1(0.5f); // m0_5[0, 1, 2, 3] = 0.5 for ( int i = 0; i < nLoop; i++ ) { m1 = _mm_mul_ps(*pSrc1, *pSrc1); // m1 = *pSrc1 * *pSrc1 m2 = _mm_mul_ps(*pSrc2, *pSrc2); // m2 = *pSrc2 * *pSrc2 m3 = _mm_add_ps(m1, m2); // m3 = m1 + m2 m4 = _mm_sqrt_ps(m3); // m4 = sqrt(m3) *pDest = _mm_add_ps(m4, m0_5); // *pDest = m4 + 0.5 pSrc1++; pSrc2++; pDest++; } }
使用SSE汇编指令实现的C++函数代码:
view plain
copy to clipboard
?
void
CSSETestDlg::ComputeArrayAssemblySSE(
float
* pArray1,
// [输入] 源数组1
float
* pArray2,
// [输入] 源数组2
float
* pResult,
// [输出] 用来存放结果的数组
int
nSize)
// [输入] 数组的大小
{
int
nLoop = nSize/4;
float
f = 0.5f;
_asm
{
movss xmm2, f // xmm2[0] = 0.5
shufps xmm2, xmm2, 0 // xmm2[1, 2, 3] = xmm2[0]
mov esi, pArray1 // 输入的源数组1的地址送往esi
mov edx, pArray2 // 输入的源数组2的地址送往edx
mov edi, pResult // 输出结果数组的地址保存在edi
mov ecx, nLoop //循环次数送往ecx
start_loop:
movaps xmm0, [esi] // xmm0 = [esi]
mulps xmm0, xmm0 // xmm0 = xmm0 * xmm0
movaps xmm1, [edx] // xmm1 = [edx]
mulps xmm1, xmm1 // xmm1 = xmm1 * xmm1
addps xmm0, xmm1 // xmm0 = xmm0 + xmm1
sqrtps xmm0, xmm0 // xmm0 = sqrt(xmm0)
addps xmm0, xmm2 // xmm0 = xmm1 + xmm2
movaps [edi], xmm0 // [edi] = xmm0
add esi, 16 // esi += 16
add edx, 16 // edx += 16
add edi, 16 // edi += 16
dec ecx // ecx--
jnz start_loop //如果不为0则转向start_loop
}
}
void CSSETestDlg::ComputeArrayAssemblySSE( float* pArray1, // [输入] 源数组1 float* pArray2, // [输入] 源数组2 float* pResult, // [输出] 用来存放结果的数组 int nSize) // [输入] 数组的大小 { int nLoop = nSize/4; float f = 0.5f; _asm { movss xmm2, f // xmm2[0] = 0.5 shufps xmm2, xmm2, 0 // xmm2[1, 2, 3] = xmm2[0] mov esi, pArray1 // 输入的源数组1的地址送往esi mov edx, pArray2 // 输入的源数组2的地址送往edx mov edi, pResult // 输出结果数组的地址保存在edi mov ecx, nLoop //循环次数送往ecx start_loop: movaps xmm0, [esi] // xmm0 = [esi] mulps xmm0, xmm0 // xmm0 = xmm0 * xmm0 movaps xmm1, [edx] // xmm1 = [edx] mulps xmm1, xmm1 // xmm1 = xmm1 * xmm1 addps xmm0, xmm1 // xmm0 = xmm0 + xmm1 sqrtps xmm0, xmm0 // xmm0 = sqrt(xmm0) addps xmm0, xmm2 // xmm0 = xmm1 + xmm2 movaps [edi], xmm0 // [edi] = xmm0 add esi, 16 // esi += 16 add edx, 16 // edx += 16 add edi, 16 // edi += 16 dec ecx // ecx-- jnz start_loop //如果不为0则转向start_loop } }
最后,在我的计算机上运行计算测试的结果:
纯C++代码计算所用的时间是26 毫秒
使用SSE的C++ 函数计算所用的时间是 9 毫秒
包含SSE汇编指令的C++代码计算所用的时间是 9 毫秒
以上的时间结果是在Release优化编译后执行程序得出的。
SSESample 示例项目
SSESample项目是一个基于对话框的应用程序,其中它用下面的浮点数数组进行计算:fResult[i] = sqrt(fSource[i]*2.8)
其中i = 0, 1, 2 ... ARRAY_SIZE-1
这个程序同时计算了数组中的最大值和最小值。ARRAY_SIZE被定义为100000,数组中的计算结果在列表框中显示出来。其中在我的机子上用下面三种方法计算所需的时间是:
纯C++代码计算 6 毫秒
使用SSE的C++ 函数计算 3 毫秒
使用SSE汇编指令计算 2 毫秒
大家看到,使用SSE汇编指令计算的结果会好一些,因为使用了效率增强了的SSX寄存器组。但是在通常情况下,使用SSE的C++
函数计算会比汇编代码计算的效率更高一些,因为C++编译器的优化后的代码有很高的运算效率,若要使汇编代码比优化后的代码运算效率更高,这通常是很难做
到的。
纯C++代码:
view plain
copy to clipboard
?
// 输入: m_fInitialArray
// 输出: m_fResultArray, m_fMin, m_fMax
void
CSSESampleDlg::OnBnClickedButtonCplusplus()
{
m_fMin = FLT_MAX;
m_fMax = FLT_MIN;
int
i;
for
( i = 0; i < ARRAY_SIZE; i++ )
{
m_fResultArray[i] = sqrt(m_fInitialArray[i] * 2.8f);
if
( m_fResultArray[i] < m_fMin )
m_fMin = m_fResultArray[i];
if
( m_fResultArray[i] > m_fMax )
m_fMax = m_fResultArray[i];
}
}
// 输入: m_fInitialArray // 输出: m_fResultArray, m_fMin, m_fMax void CSSESampleDlg::OnBnClickedButtonCplusplus() { m_fMin = FLT_MAX; m_fMax = FLT_MIN; int i; for ( i = 0; i < ARRAY_SIZE; i++ ) { m_fResultArray[i] = sqrt(m_fInitialArray[i] * 2.8f); if ( m_fResultArray[i] < m_fMin ) m_fMin = m_fResultArray[i]; if ( m_fResultArray[i] > m_fMax ) m_fMax = m_fResultArray[i]; } }
使用Visual C++.NET的 SSE指令函数的代码:
view plain
copy to clipboard
?
// 输入: m_fInitialArray
// 输出: m_fResultArray, m_fMin, m_fMax
void
CSSESampleDlg::OnBnClickedButtonSseC()
{
__m128 coeff = _mm_set_ps1(2.8f); // coeff[0, 1, 2, 3] = 2.8
__m128 tmp;
__m128 min128 = _mm_set_ps1(FLT_MAX); // min128[0, 1, 2, 3] = FLT_MAX
__m128 max128 = _mm_set_ps1(FLT_MIN); // max128[0, 1, 2, 3] = FLT_MIN
__m128* pSource = (__m128*) m_fInitialArray;
__m128* pDest = (__m128*) m_fResultArray;
for
(
int
i = 0; i < ARRAY_SIZE/4; i++ )
{
tmp = _mm_mul_ps(*pSource, coeff); // tmp = *pSource * coeff
*pDest = _mm_sqrt_ps(tmp); // *pDest = sqrt(tmp)
min128 = _mm_min_ps(*pDest, min128);
max128 = _mm_max_ps(*pDest, max128);
pSource++;
pDest++;
}
// 计算max128的最大值和min128的最小值
union
u
{
__m128 m;
float
f[4];
} x;
x.m = min128;
m_fMin = min(x.f[0], min(x.f[1], min(x.f[2], x.f[3])));
x.m = max128;
m_fMax = max(x.f[0], max(x.f[1], max(x.f[2], x.f[3])));
}
// 输入: m_fInitialArray // 输出: m_fResultArray, m_fMin, m_fMax void CSSESampleDlg::OnBnClickedButtonSseC() { __m128 coeff = _mm_set_ps1(2.8f); // coeff[0, 1, 2, 3] = 2.8 __m128 tmp; __m128 min128 = _mm_set_ps1(FLT_MAX); // min128[0, 1, 2, 3] = FLT_MAX __m128 max128 = _mm_set_ps1(FLT_MIN); // max128[0, 1, 2, 3] = FLT_MIN __m128* pSource = (__m128*) m_fInitialArray; __m128* pDest = (__m128*) m_fResultArray; for ( int i = 0; i < ARRAY_SIZE/4; i++ ) { tmp = _mm_mul_ps(*pSource, coeff); // tmp = *pSource * coeff *pDest = _mm_sqrt_ps(tmp); // *pDest = sqrt(tmp) min128 = _mm_min_ps(*pDest, min128); max128 = _mm_max_ps(*pDest, max128); pSource++; pDest++; } // 计算max128的最大值和min128的最小值 union u { __m128 m; float f[4]; } x; x.m = min128; m_fMin = min(x.f[0], min(x.f[1], min(x.f[2], x.f[3]))); x.m = max128; m_fMax = max(x.f[0], max(x.f[1], max(x.f[2], x.f[3]))); }
使用SSE汇编指令的C++函数代码:
view plain
copy to clipboard
?
// 输入: m_fInitialArray
// 输出: m_fResultArray, m_fMin, m_fMax
void
CSSESampleDlg::OnBnClickedButtonSseAssembly()
{
float
* pIn = m_fInitialArray;
float
* pOut = m_fResultArray;
float
f = 2.8f;
float
flt_min = FLT_MIN;
float
flt_max = FLT_MAX;
__m128 min128;
__m128 max128;
// 使用以下的附加寄存器:xmm2、xmm3、xmm4:
// xmm2 – 相乘系数
// xmm3 – 最小值
// xmm4 – 最大值
_asm
{
movss xmm2, f // xmm2[0] = 2.8
shufps xmm2, xmm2, 0 // xmm2[1, 2, 3] = xmm2[0]
movss xmm3, flt_max // xmm3 = FLT_MAX
shufps xmm3, xmm3, 0 // xmm3[1, 2, 3] = xmm3[0]
movss xmm4, flt_min // xmm4 = FLT_MIN
shufps xmm4, xmm4, 0 // xmm3[1, 2, 3] = xmm3[0]
mov esi, pIn // 输入数组的地址送往esi
mov edi, pOut // 输出数组的地址送往edi
mov ecx, ARRAY_SIZE/4 // 循环计数器初始化
start_loop:
movaps xmm1, [esi] // xmm1 = [esi]
mulps xmm1, xmm2 // xmm1 = xmm1 * xmm2
sqrtps xmm1, xmm1 // xmm1 = sqrt(xmm1)
movaps [edi], xmm1 // [edi] = xmm1
minps xmm3, xmm1
maxps xmm4, xmm1
add esi, 16
add edi, 16
dec ecx
jnz start_loop
movaps min128, xmm3
movaps max128, xmm4
}
union
u
{
__m128 m;
float
f[4];
} x;
x.m = min128;
m_fMin = min(x.f[0], min(x.f[1], min(x.f[2], x.f[3])));
x.m = max128;
m_fMax = max(x.f[0], max(x.f[1], max(x.f[2], x.f[3])));
}
// 输入: m_fInitialArray // 输出: m_fResultArray, m_fMin, m_fMax void CSSESampleDlg::OnBnClickedButtonSseAssembly() { float* pIn = m_fInitialArray; float* pOut = m_fResultArray; float f = 2.8f; float flt_min = FLT_MIN; float flt_max = FLT_MAX; __m128 min128; __m128 max128; // 使用以下的附加寄存器:xmm2、xmm3、xmm4: // xmm2 – 相乘系数 // xmm3 – 最小值 // xmm4 – 最大值 _asm { movss xmm2, f // xmm2[0] = 2.8 shufps xmm2, xmm2, 0 // xmm2[1, 2, 3] = xmm2[0] movss xmm3, flt_max // xmm3 = FLT_MAX shufps xmm3, xmm3, 0 // xmm3[1, 2, 3] = xmm3[0] movss xmm4, flt_min // xmm4 = FLT_MIN shufps xmm4, xmm4, 0 // xmm3[1, 2, 3] = xmm3[0] mov esi, pIn // 输入数组的地址送往esi mov edi, pOut // 输出数组的地址送往edi mov ecx, ARRAY_SIZE/4 // 循环计数器初始化 start_loop: movaps xmm1, [esi] // xmm1 = [esi] mulps xmm1, xmm2 // xmm1 = xmm1 * xmm2 sqrtps xmm1, xmm1 // xmm1 = sqrt(xmm1) movaps [edi], xmm1 // [edi] = xmm1 minps xmm3, xmm1 maxps xmm4, xmm1 add esi, 16 add edi, 16 dec ecx jnz start_loop movaps min128, xmm3 movaps max128, xmm4 } union u { __m128 m; float f[4]; } x; x.m = min128; m_fMin = min(x.f[0], min(x.f[1], min(x.f[2], x.f[3]))); x.m = max128; m_fMax = max(x.f[0], max(x.f[1], max(x.f[2], x.f[3]))); }
参考文档:
[1]MSDN, SSE技术主题:
http://msdn.microsoft.com/library/default.asp?url=/library/en-us/vclang/html/vcrefstreamingsimdextensions.asp
[2]Intel软件说明书(Intel Software manuals):
http://developer.intel.com/design/archives/processors/mmx/index.htm
[3] Kris Jearakul的瀑布状图表控件:http://www.codeguru.com/controls/Waterfall.shtml
[4] Microsoft Visual C++ CPUID示例:
http://msdn.microsoft.com/library/default.asp?url=/library/en-us/vcsample/html/vcsamcpuiddeterminecpucapabilities.asp
[5] Matt Pietrek在Microsoft Systems Journal 1998年2月刊上的评论文章:
http://www.microsoft.com/msj/0298/hood0298.aspx
。
相关文章推荐
- SSE指令介绍及其C、C++应用 zz
- [转载]SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用(1)
- SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用
- 转:SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用(2)
- SSE指令介绍及其C、C++应用 zz
- SSE指令介绍及其C、C++应用
- SSE指令介绍及其C、C++应用
- C++ 虚函数的一个应用场景及其重要性
- python解释器实现及其嵌入式应用:专栏介绍
- C++ 标准模板库STL set 使用方法与应用介绍(一)
- C++ 标准模板库STL multimap 使用方法与应用介绍
- python3 列表 元组 字典的介绍及其应用
- LDA(Latent Dirichlet allocation )原理介绍及其在语义学习中的应用