Введение в принципы функционирования и применения современных мультиядерных архитектур (на примере Intel Xeon Phi) - тест 4

Подход, основанный на организации вычислений с использованием команд SIMD (SSE, SSE2, etc.), называется:

Суть парадигмы SIMD заключается в следующем:

Пусть в программе присутствует следующий код:#define LOOP_SIZE 16
…
int rr[LOOP_SIZE];
…
p = 1;
for(int k = 0; k < LOOP_SIZE; k++)
{
  p *= rr[k];
}
Какого следует ожидать ускорения в результате векторизации по сравнению со скалярной версией на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 24
…
int rr[LOOP_SIZE];
…
p = 1;
for(int k = 0; k < LOOP_SIZE; k++)
{
  p *= rr[k];
}
Какого следует ожидать ускорения в результате векторизации по сравнению со скалярной версией на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 24
…
int rr[LOOP_SIZE];
for(int k = 0; k < LOOP_SIZE; k++)
{
  rr[k] = number % k;
}
Какого следует ожидать ускорения в результате векторизации по сравнению со скалярной версией на Intel Xeon Phi?

Размер векторного регистра для хранения данных с плавающей запятой в наборах команд SSE составляет:

Размер векторного регистра для хранения данных с плавающей запятой в наборе команд AVX составляет:

Размер векторного регистра для хранения данных с плавающей запятой в наборе команд Intel Xeon Phi составляет:

Какого потенциального ускорения можно добиться при векторизации функции, работающей с вещественными числами одинарной точности, с использованием расширения SSE на процессоре Intel Xeon

Какого потенциального ускорения можно добиться при векторизации функции, работающей с вещественными числами одинарной точности, с использованием расширения AVX на процессоре Intel Xeon

Какого потенциального ускорения можно добиться при векторизации функции, работающей с вещественными числами одинарной точности, на сопроцессоре Intel Xeon Phi

Какого потенциального ускорения можно добиться при векторизации функции, работающей с вещественными числами двойной точности, с использованием расширения SSE на процессоре Intel Xeon

Какого потенциального ускорения можно добиться при векторизации функции, работающей с вещественными числами двойной точности, с использованием расширения AVX на процессоре Intel Xeon

Какого потенциального ускорения можно добиться при векторизации функции, работающей с вещественными числами двойной точности, на сопроцессоре Intel Xeon Phi

Какой процент от пиковой производительности можно получить в функции, работающей с вещественными числами одинарной точности, без использования векторных расширений на процессоре Intel Xeon

Какой процент от пиковой производительности можно получить в функции, работающей с вещественными числами одинарной точности, без использования векторных расширений на сопроцессоре Intel Xeon Phi

Какое из следующих замечаний является верным:

Инструкция вида FMA позволяет выполнить следующую операцию:

Какое из следующих утверждений является верным?

Как реализована расширенная поддержка математических функций в Xeon Phi?

Векторизация является параллелизмом на уровне:

Какие из перечисленных директив компилятора предназначены для векторизации кода?

Каким образом возможно использование векторных инструкций в программе?

Для данного цикла определите, зависимы ли его итерации. При наличии зависимости охарактеризуйте ее характер.for (int i = 0; i < n – 1; i++)
    a[i + 1] = a[i] * 2 – 5;

Для данного цикла определите, зависимы ли его итерации. При наличии зависимости охарактеризуйте ее характер.for (int i = 0; i < n – 2; i++)
    a[i + 2] = a[i] * 3 + 1;

Для данного цикла определите, зависимы ли его итерации. При наличии зависимости охарактеризуйте ее характер. Массивы a, b не пересекаются.for (int i = 0; i < n; i++)
    a[i] = b[i] * 2 + 8;

Для данного цикла определите, зависимы ли его итерации. При наличии зависимости охарактеризуйте ее характер. Массивы a, b не пересекаются.for (int i = 0; i < n - 2; i++)
    a[i] = b[i + 2] * 4 - 5;

Для данного цикла определите, зависимы ли его итерации. При наличии зависимости охарактеризуйте ее характер. Массивы a, b, c не пересекаются.for (int i = 1; i < n - 2; i++)
    a[i] = b[i + 2] * c[i – 1];

Код «D[:] = sin(S[:]);» в Cilk Plus приведёт к:

Какие ключи компилятора необходимо указать для корректной компиляции следующей функцииvoid GetOptionPrices(
  float * restrict pT, float * restrict pK, 
  float * restrict pS0, float * restrict pC)
{
  int i;
  float d1, d2, erf1, erf2;

  for (i = 0; i < N; i++)
  {
    d1 = (logf(pS0[i] / pK[i]) + (r + sig * sig * 0.5f) *
         pT[i]) / (sig * sqrtf(pT[i]));
    d2 = (logf(pS0[i] / pK[i]) + (r - sig * sig * 0.5f) * 
         pT[i]) / (sig * sqrtf(pT[i]));
    erf1 = 0.5f + 0.5f * erff(d1 / sqrtf(2.0f));
    erf2 = 0.5f + 0.5f * erff(d2 / sqrtf(2.0f));
    pC[i] = pS0[i] * erf1 - pK[i] * expf((-1.0f) * r * 
            pT[i]) * erf2;
  }
}

Следующую функцию
void GetOptionPricesV4(float *pT, float *pK, float *pS0, float *pC)
{
  int i;
  float d1, d2, erf1, erf2;

#pragma simd
  for (i = 0; i < N; i++)
  {
    d1 = (logf(pS0[i] / pK[i]) + (r + sig * sig * 0.5f) *
         pT[i]) / (sig * sqrtf(pT[i]));
    d2 = (logf(pS0[i] / pK[i]) + (r - sig * sig * 0.5f) *
         pT[i]) / (sig * sqrtf(pT[i]));
    erf1 = 0.5f + 0.5f * erff(d1 / sqrtf(2.0f));
    erf2 = 0.5f + 0.5f * erff(d2 / sqrtf(2.0f));
    pC[i] = pS0[i] * erf1 - pK[i] * expf((-1.0f) * r * 
            pT[i]) * erf2;
  }
}
требуется собрать с поддержкой векторного набора команд AVX. Какие ключи компилятора необходимо использовать

Следующую функциюvoid GetOptionPricesV7(float *pT, float *pK, float *pS0, float *pC)
{
  int i;
  float d1, d2, erf1, erf2, invf;
  float sig2 = sig * sig;

#pragma omp parallel for private(invf, d1, d2, erf1, erf2)
  for (i = 0; i < N; i++)
  {
    invf = invsqrtf(sig2 * pT[i]);
    d1 = (logf(pS0[i] / pK[i]) + (r + sig2 * 0.5f) * 
         pT[i]) * invf;
    d2 = (logf(pS0[i] / pK[i]) + (r - sig2 * 0.5f) * 
         pT[i]) * invf;
    erf1 = 0.5f + 0.5f * erff(d1 * invsqrt2);
    erf2 = 0.5f + 0.5f * erff(d2 * invsqrt2);
    pC[i] = pS0[i] * erf1 - pK[i] * expf((-1.0f) * r *
            pT[i]) * erf2;
  }
}
требуется собрать с поддержкой векторного набора команд AVX (ключ –mavx). Нужно ли модифицировать код?

Пусть в программе присутствует следующий код:    for (int j = 2; j < 1000; j++)
    {
      if (number == 1) break; 
      int r;
      r = number % j;
      if (r == 0)
      {
        number /= j;
        divisors[idx].push_back(j);
        j--;
      }
    }    
Возможна ли векторизация данного цикла средствами компилятора для исполнения на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 128
…
int rr[LOOP_SIZE];
for(int k = 0; k < LOOP_SIZE; k++)
{
  rr[k] = number % k;
}

Возможна ли векторизация данного цикла средствами компилятора для исполнения на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 130
…
int rr[LOOP_SIZE];
for(int k = 0; k < LOOP_SIZE; k++)
{
  rr[k] = number % k;
}
Возможна ли векторизация данного цикла средствами компилятора, для исполнения на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 16
…
int rr[LOOP_SIZE];
for(int k = 0; k < LOOP_SIZE; k++)
{
  rr[k] = number % k;
}
Возможна ли векторизация данного цикла средствами компилятора, для исполнения на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 16
…
int rr[LOOP_SIZE];
…
p = 1;
for(int k = 0; k < LOOP_SIZE; k++)
{
  p *= rr[k];
}
Возможна ли векторизация данного цикла средствами компилятора, для исполнения на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 30
…
int rr[LOOP_SIZE];
…
p = 1;
for(int k = 0; k < LOOP_SIZE; k++)
{
  p *= rr[k];
}
Возможна ли векторизация данного цикла средствами компилятора, для исполнения на Intel Xeon Phi?

Пусть в программе присутствует следующий код:#define LOOP_SIZE 128
…
int rr[LOOP_SIZE];
…
p = 1;
for(int k = 0; k < LOOP_SIZE; k++)
{
  p *= rr[k];
}
Возможна ли векторизация данного цикла средствами компилятора, для исполнения на Intel Xeon Phi?