SlideShare a Scribd company logo
1 of 120
Download to read offline
プログラムを高速化する話
@KMC 春合宿 2015
KMC2 回生 prime
2
目次
1.はじめに / 最適化について
2.キャッシュを考慮した最適化
3.ビット演算による高速化
4.SIMD 命令による高速化
3
はじめに
現代ではそこまで頑張ってプログラムを高速化する必要
は無くなってきている
コンピュータの性能向上・省電力化
既存の高速なライブラリの充実
クラウドコンピューティングの普及
4
はじめに
ほとんどの場合、既存のライブラリを用いたり、アルゴ
リズムを改良したりすることによって、必要なパフォー
マンスを得ることが出来る
それで不十分でもクラウドコンピューティングによって金
の力で殴れば何とかなることが多い
5
はじめに
しかし、どうしてもプログラムを限界まで高速化したい
場面も存在する
利用できる計算資源が限られているとき
消費電力を減らしたいとき
時間制限のあるゲームの AI など、高速化するほど有利なと
き
莫大な計算量がかかるとき
6
はじめに
今後は「最適化」と「高速化」を同じ意味で使います
この講座では高速であることが正義です、最適です
今回は特に高い効果の得やすい 3 つの高速化技法につい
て扱います
キャッシュを意識したプログラミング
ビット演算
SIMD 命令
7
今回の目標
コンパイラ・ライブラリ・ CPU 等の高速化技術を上手く
活用して楽に高速化する
アルゴリズムの改良をしたり既存ライブラリ等を使った
りしても、必要なパフォーマンスが得られない時に、最
後の手段として、手作業でプログラムを高速化するため
に必要なテクニックを学ぶ
8
最適化について
手作業の泥臭い最適化をする前に、もっと高速なアルゴ
リズムがないかを考えるべき
オーダーレベルで計算量が減れば、圧倒的に速くなる事
が多い
競技プログラミング練習会に参加しましょう!!!
以後アルゴリズム的には最適(もしくは最適に近い)も
のを利用していると仮定することにします
9
最適化について
「細かい効率のことは忘れて、時間の 97% について考え
よう。時期尚早な最適化は諸悪の根源だ。それでも残り
3% についても機会を逃すべきではない」
- Donald E. Knuth
「プログラム最適化の第一法則 : 最適化するな。
プログラム最適化の第二法則 ( 上級者限定 ): まだするな。
」
- Michael A. Jackson
10
最適化について
最適化は、コードを複雑にすることが多いので、コード
の変更やデバッグを困難にする
そのうえ、パフォーマンスに重大な影響を与えるコード
は全体のうちのほんの僅か
パフォーマンスに大きな影響を与えないコードを最適化
してもほとんど意味がない
11
最適化の対象
主に Intel の Haswell マイクロアーキテクチャ以降を対象
多くのテクニックは他のプロセッサにも応用できます
ベース マイクロアーキテクチャ プロセスルール 登場年
Nehalem Nehalem 45nm 2008
〃 Westmere 32nm 2010
Sandy Bridge Sandy Bridge 32nm 2011
〃 Ivy Bridge 22nm 2012
Haswell Haswell 22nm 2013
〃 Broadwell 14nm 2014
12
開発環境
C++ を使用することを仮定します
低レベルな処理もサポート
高性能なコンパイラが存在
メモリ管理をプログラム側から制御可能
C++ のコンパイラは GCC, Clang 等が有名
13
Intel C/C++ Compiler
Intel 謹製の C/C++ コンパイラ
最適化能力が強いと言われている
学生なら非営利目的に限り無料で入手可能
Intel Parallel Studio XE についてくる
最新版は gcc 4.9 互換なので C++ の最新規格のサポートも
ぼちぼち
14
最適化手法を学ぶには
最適化手法を学ぶにはどうすればよいか?
15
最適化手法を学ぶには
「インテル ® 64 アーキテクチャー および IA-32 アーキ
テクチャー 最適化リフ レンス マニュアル」 [0][1] を読め
(完)
16
最適化手法を学ぶには
「インテル ® 64 アーキテクチャー および IA-32 アーキ
テクチャー 最適化リフ レンス マニュアル」 [0][1] を読め
(完)
PDF ファイルをインテルの公式サイトからダウンロード
できます
日本語訳もあるけどちょっと古い
700 ページ以上の超大作
17
用語の説明
CPU
Central Processing Unit の略
コンピュータなどにおいて中心的な処理装置として働く電
子回路 (Wikipedia より )
レジスタ
CPU の中にある計算等に用いる容量の小さな記憶装置
18
手作業による最適化
キャッシュを意識したプログラム
ビット演算の活用
SIMD 命令の活用
その他の最適化
19
キャッシュを意識したプログラミング
メモリアクセスの遅延とキャッシュ
局所的でないメモリアクセスを避ける
データ構造を SoA に
ストリップマイニング
ブロック化
20
メモリアクセスの遅延
メモリへのランダムアクセスは数十〜数百 cycle かかる
レイテンシが大きい
レジスタ上だけで計算が終わる場合に比べて単純計算で数
十倍のレベルで遅くなる
メモリアクセスが処理の律速になりやすい
21
メモリアクセスの遅延
転送速度も足りない
メモリ側は DDR4-4266 でも 34.1GB/s
CPU 側は最大で読み込み 64Bytes/cycle 、書き込み
32Bytes/cycle なので、 CPU の動作周波数が 3GHz なら、
読み込み 192GB/s 、書き込み 32Bytes/cycle
線形にアクセスする場合でも速度が足りない!
22
キャッシュメモリの導入
メモリのうち、頻繁にアクセスする場所を高速でアクセ
スできる場所に保持しておく
頻度に応じて複数段階のキャッシュが設けられる
最近では 1 次〜 3 次までの 3 段階
4 次キャッシュを搭載したものもある
23
キャッシュ階層
1次キャッシュ
2次キャッシュ
3次キャッシュ
メインメモリ
4〜
遅延(サイクル数)
11〜
20〜
40
高速
大容量
レジスタ
数十
〜
24
局所的でないメモリアクセスを避ける
局所的でないメモリアクセスをすると、アクセスする
データがキャッシュに乗っている確率が低くなる
例 ) 行列積
for (int i = 0; i < ROWS; ++i)
for (int j = 0; j < COLS; ++j)
for (int k = 0; k < LEN; ++k)
C[i][j] += A[i][k] * B[k][j];
二次元配列 B に ROWS 要素飛びでアクセスしている
25
局所的でないメモリアクセスを避ける
局所的でないメモリアクセスをすると、アクセスする
データがキャッシュに乗っている確率が低くなる
例 ) 行列積
for (int i = 0; i < ROWS; ++i)
for (int k = 0; k < LEN; ++k)
for (int j = 0; j < COLS; ++j)
C[i][j] += A[i][k] * B[k][j];
全ての配列に順番にアクセスするようになった
入れ替えた
26
データ構造を SoA に
大量のデータを順番に処理するとき、
AoS(Array of Structs; 構造体の配列 ) よりも、
SoA(Struct of Arrays; 配列の構造体 ) の方が高速に動作
する可能性がある
27
データ構造を SoA に
例
struct data {
int a, b, c;
double x, y, z;
} d_ary[SIZE]; // AoS
int a[SIZE], b[SIZE], c[SIZE];
double x[SIZE], y[SIZE], z[SIZE]; //SoA
28
データ構造を SoA に
a0 b0 c0 x0 y0 z0 a1 b1 c1 x1 y1 z1 a2 b2 c2 …
SoAだと順番にaにアクセスすると6要素ごとになる
AoSだと順番にaにアクセスすると
連続した領域にアクセスできる
SIMD命令を使いやすくなる
a0 a1 a2 …
b0 b1 b2 …
c0 c1 c2 …
x0 x1 x2 …
y0 y1 y2 …
z0 z1 z2 …
29
SoA のデメリットと対策
多数の要素を読み取って計算しなければならない場合、
キャッシュラインを使い尽くしてしまい、逆に遅くなる
場合もある
SoA と AoS の適切なハイブリッド構造にすることが必要
頻繁に同時にアクセスする要素を一つの構造体に、など
30
ストリップマイニング
以下のコードを考える
for (int i = 0; i < SIZE; ++i) {
hoge(A[i]);
}
for (int i = 0; i < SIZE; ++i) {
fuga(A[i]);
}
配列 A が十分長いとき、最初のループが終わった時点で、
A の先頭はキャッシュから排出されている
31
ストリップマイニング
したがって、 A は 2 回メインメモリから読み込まれるこ
とになり、効率が悪い
一方で、 hoge や fuga は SIMD 命令で並列に処理できる
ものとする
ここで、ループをキャッシュに乗るサイズに分割すると、
SIMD 命令を使いつつ、メインメモリへのアクセスを 1 回
に減らせる
32
ストリップマイニング
for (int i = 0; i < SIZE; i += strip_size) {
for (int j = i; j < min(SIZE, i+strip_size); ++j) {
hoge(A[j]);
}
for (int j = i; j < min(SIZE, i+strip_size); ++j) {
fuga(A[j]);
}
}
33
ブロック化
次のコードを考える
for (int i = 0; i < SIZE; ++i) {
for (int j = 0; j < SIZE; ++j) {
A[i][j] += B[j][i];
}
}
B には飛び飛びのアクセスをしているので SIZE が大きい
と毎回キャッシュミスが発生して効率が悪い
34
ブロック化
ここで、ストリップマイニングの要領でループをキャッ
シュに乗るサイズに分ける
Aへのアクセス Bへのアクセス
35
ブロック化
ここで、ストリップマイニングの要領でループをキャッ
シュに乗るサイズに分けると、キャッシュミスが減る
Aへのアクセス Bへのアクセス
36
ブロック化
for (int i = 0; i < SIZE; i+=block_size) {
for (int j = 0; j < SIZE; j+=block_size) {
for (int ii = i; ii < i+block_size; ++ii) {
for(int jj = j; jj < j+block_size; ++jj) {
A[ii][jj] += B[jj][ii];
}
}
}
}
37
ビット演算による最適化
基礎知識
ビット演算とは
基本なビット演算
ビット列の基本操作
ビット演算テクニック集
ビット演算関連の CPU 命令
38
基礎知識
コンピュータ内部ではデータは 2 進数で管理されている
2 進数リテラルは C++ では 0b のあとに続けて 0/1 を書く
ことで記述できる
1 0 1 1 1 0 0 1
1バイト = 8ビット
0b10111001
39
基礎知識
符号なし整数は単純に 2 進数で表される
1 バイトなら 0 〜 255=2 -1⁸
4 バイトなら 0 〜 4294967295=2³²-1
n バイトなら 0 〜 2^8n-1
0b10111001=185
40
基礎知識
符号付き整数は一番上の桁が符号を表す ( 負の数なら 1)
n ビット符号付き整数は、正の数なら符号なしと同じ
負の数なら、 mod 2^n で同じになる正の数の 2 進数表記
0b10111001 を 1 バイト符号付き整数だとみなすと、
0b10111001+0b01000111=2⁸ なので、
0b10111001=-0b01000111=-71
41
基礎知識
符号付き整数は一番上の桁が符号を表す ( 負の数なら 1)
n ビット符号付き整数は、正の数なら符号なしと同じ
負の数なら、 mod 2^n で同じになる正の数の 2 進数表記
1 バイトなら -128 〜 127
4 バイトなら -2147483648 〜 2147483647
n バイトなら -2^(n-1) 〜 2^(n-1)-1
42
基礎知識
実数は 1.x×2^i の形の有理数に丸めて表現する
丸める精度に応じてバリエーションがある
単精度浮動小数型
4 バイト、 2 進数で 23 桁の精度、 ±10^±38 程度まで表現
できる
倍精度浮動小数型
8 バイト、 2 進数で 53 桁の精度、 ±10^±308 程度まで表
現できる
43
ビット演算
2 進数の 0/1 の列を操作するような演算の総称
ビット論理和
ビット論理積
ビット排他的論理和
ビット否定
ビットシフト
加減乗算などがビット列を操作するのに使われることも
最近はビット列操作用の命令も追加されている
44
ビット演算のメリット
ビット演算自体が高速
回路が単純なので、多くのプロセッサで高速に動作する
一回の演算でビット幅分を一度に処理できるので高速
64bit なら 64 個の 0/1 を一括で処理できる
ビット単位にデータを詰めることで、メモリ使用量が減
り、キャッシュヒット率が向上する
45
ビット配列
整数等の配列を 0/1 の配列として利用するテクニック
符号なし 64bit 整数 (uint64_t) の配列が一番扱いやすい
SIMD 命令とも相性がよく、高速化が期待できる
46
基本的なビット演算
ビット論理和 OR (C 言語 : |)
片方でも 1 ならば 1 、そうでないなら 0
0 0 1 0 1 1 0 0
1 0 1 1 1 0 0 1
1 0 1 1 1 1 0 1
A
B
A OR B
47
基本的なビット演算
ビット論理積 AND (C 言語 : &)
両方とも 1 ならば 1 、そうでないなら 0
0 0 1 0 1 1 0 0
1 0 1 1 1 0 0 1
0 0 1 0 1 0 0 0
A
B
A AND B
48
基本的なビット演算
ビット排他的論理和 XOR (C 言語 : ^)
片方だけ 1 ならば 1 、そうでないなら 0
0 0 1 0 1 1 0 0
1 0 1 1 1 0 0 1
1 0 0 1 0 1 0 1
A
B
A XOR B
49
基本的なビット演算
ビット否定 NOT (C 言語 : ~)
0/1 を反転する
0 1 0 0 0 1 1 0
1 0 1 1 1 0 0 1A
NOT A
50
基本的なビット演算
ビットシフト (C 言語 : 左シフト <<, 右シフト >>)
0/1 列を右や左にシフトする
左シフトが上の桁の方にシフトする
1 1 1 0 0 1 0 0
1 0 1 1 1 0 0 1A
A << 2
シフトしたときに詰める数字によっていくつかバリ
エーションが存在する
51
C 言語でのビット演算
// ビット演算は整数型に対してのみ使える
A = B & C;
A &= B;
A = B << 4; // 下位ビットには 0 が詰められる
A <<= 4;
A = ~B;
// 符号なし 64 ビットリテラルを扱うとき
A = UINT64_C(0xCCCCCCCCCCCCCCCC);
52
ビット列の基本的操作
特定のビットを操作する
ビットを立てる
ビットを下ろす
ビットを反転する
ビットの値を取得する
マスク
53
特定のビットを操作する
UINT64_C(1) << index で index ビット目のみ立った数を
表せる
//A の index ビット目を操作する
A |= UINT64_C(1) << index; // ビットを立てる
A &= ~(UINT64_C(1) << index); // ビットを下ろす
A ^= UINT64_C(1) << index; // ビットを反転する
result = (A >> index) & 1; // ビットの値を取得する
54
マスク
// 奇数ビット目をクリア
// 0x5 = 0b0101
A &= UINT64_C(0x5555555555555555);
// 偶数ビットなら 0xAAA... = 0b1010...
// 2 ビットごとに交互にクリアするなら
0xCCC...=0b11001100...
55
ビット演算テクニック集
立っているビットの数を数える (popcount)
ビット列のハミング距離
立っている一番下のビットを求める
立っているビット列を走査する
立っている一番上のビットを求める
ビット列の並びを反転する
56
ビット演算テクニック集
部分集合の列挙
ビット列を一部だけスワップする
ビット列の指定した場所を詰めて並べる
57
立っているビットの数を数える
(popcount)
1 0 1 1 1 0 0 1
1 1 1 0
1 1 1 0
A
A&0xAA
(A&0xAA) >> 1
0 1 0 1A&0x55
0 1 1 0 0 1 0 1((A&0xAA) >> 1)
+ (A&0x55)
2ビットごとの立っているビットの数の和
58
立っているビットの数を数える
(popcount)
0 1 1 0 0 1 0 1
0 1 0 1
0 1 0 1
A'
A'&0xCC
(A'&0xCC) >> 2
1 0 0 1A'&0x33
0 0 1 1 0 0 1 0
((A'&0xCC) >> 2)
+ (A'&0x33)
4ビットごとの立っているビットの数の和
59
立っているビットの数を数える
(popcount)
0 0 1 1 0 0 1 0
0 0 1 1
0 0 1 1
A''
A''&0xF0
(A''&0xF0) >> 4
0 0 1 0A''&0x0F
0 0 0 0 0 1 0 1
((A''&0xF0) >> 4)
+ (A''&0x0F)
8ビット全体の立っているビットの数の和
60
ビット列のハミング距離を求める
ハミング距離:同じ長さの配列の対応する位置にある、
異なった値を持つ要素の数
0 0 1 0 1 1 0 0
1 0 1 1 1 0 0 1A
B
Hamming(A, B) = 4
≠
≠
≠
≠
=
=
=
=
61
ビット列のハミング距離を求める
// ビット列のハミング距離は XOR の popcount で求まる
Hamming(A, B) = popcount(A ^ B);
62
複数のビットから成るデータの配列の 
ハミング距離を求める
例えば、 2 ビットから成るデータの配列のハミング距離
を求めるとき、
for (int i = 0; i < ARY_SIZE; ++i) {
uint8_t C = A[i] ^ B[i]; //8 ビットの場合
C = ((C & 0xAA) >> 1) | (C & 0x55);
result += popcount(C);
}
63
立っている一番下のビットを求める
B = A & -A;
1 0 1 1 1 0 0 0A
0 1 0 0 1 0 0 0-A
0 0 0 0 1 0 0 0A & -A
-A = ~A + 1であることを利用
64
立っている一番下のビットを中心に操作
A & (A – 1); // 立っている一番下のビットをクリア
A ^ -A; // 立っている一番下のビットより上の桁を 1 に
A | -A; // さらに立っている一番下のビットも 1 に
// 立っている一番下のビットより下の桁を 1 に
A ^ (A – 1)
65
立っているビット列を走査する
// i &= i-1 で i の立っている一番下のビットをクリア
for (uint64_t i = bits; i != 0; i &= i-1) {
uint64_t rmb = i & -i;
// 何らかの処理
}
立っているビットの数が少ない場合には、この方法でも
立っているビットの数を高速に数えられる
66
立っている一番上のビットを求める
二分探索で求める
0 0 1 1 1 0 0 1A
0 0 1 1A&0xF0 != 0
立っている一番上のビットは上4桁にある
67
立っている一番上のビットを求める
二分探索で求める
0 0 1 1B=A&0xF0
立っている一番上のビットは上から0,1,4,5桁目にはない
B&0xCC 0 0 0 0 = 0
68
立っている一番上のビットを求める
二分探索で求める
0 0 1 1C=B
立っている一番上のビットは上から0,2,4,6桁目にある
C&0xAA 0 1 0 0 != 0
69
立っている一番上のビットを求める
// 8 ビットの場合
A = (A & 0xF0) ? (A & 0xF0) : A;
A = (A & 0xCC) ? (A & 0xCC) : A;
A = (A & 0xAA) ? (A & 0xAA) : A;
70
ビット列の並びを反転する
上位ビットを下に、下位ビットを上に持ってくる
1 0 1 1 1 0 0 1A
1 0 0 1 1 1 0 1Aの反転
71
ビット列の並びを反転する
分割統治法を用いる
1 0 1 1 1 0 0 1A
1 0 0 1 1 0 1 1(A>>4) | (A<<4)
72
ビット列の並びを反転する
分割統治法を用いる
1 0 1 1 1 0 0 1A
1 0 0 1 1 0 1 1B=(A>>4) | (A<<4)
0 1 1 0 1 1 1 0
((B&0xCC)>>2)
| ((B&0x33)<<2)
73
ビット列の並びを反転する
分割統治法を用いる
1 0 1 1 1 0 0 1A
1 0 0 1 1 0 1 1B=(A>>4) | (A<<4)
0 1 1 0 1 1 1 0C=((B&0xCC)>>2)
| ((B&0x33)<<2)
((C&0xAA)>>1)
| ((C&0x55)<<1)
1 0 0 1 1 1 0 1
74
ビット列の並びを反転する
分割統治法を用いる
1 0 1 1 1 0 0 1A
1 0 0 1 1 1 0 1Aの反転
75
ビット列を一部だけスワップする
Delta Swap という手法
長さが等しく、重複のないビット列をスワップする
* * * A B C * * * a b c * * * *
この幅をdeltaとする
0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0
x
mask
ABCとabcをスワップする
deltaとmaskを予め求めておく
76
ビット列を一部だけスワップする
Delta Swap という手法
長さが等しく、重複のないビット列をスワップする
* * * A B C * * * a b c * * * *
0 0 0 0 0 0 0 0 0 P Q R 0 0 0 0
x
b := (x ^ (x >> delta)) & mask
P = A^a, Q = B^b, R = C^cとなる
b
77
ビット列を一部だけスワップする
Delta Swap という手法
長さが等しく、重複のないビット列をスワップする
* * * A B C * * * a b c * * * *
0 0 0 P Q R 0 0 0 P Q R 0 0 0 0
x
ABCとabcが入れ替わった(他のビットは変化なし)
c := b ^ (b << delta)
c
* * * a b c * * * A B C * * * *c ^ x
78
ビット列の指定した場所を詰めて並べる
64bit 整数で 8x8 の 2 次元データを表現するとする
オセロやチェスなどの盤面の状態、など
0 1 2 3 4 5 6 7
8 9 10 11 12 13 14 15
16 17 18 19 20 21 22 23
24 25 26 27 28 29 30 31
32 33 34 35 36 37 38 39
40 41 42 43 44 45 46 47
48 49 50 51 52 53 54 55
56 57 58 59 60 61 62 63
79
ビット列の指定した場所を詰めて並べる
斜めの効きを調べたいときに下のようなビットを整列し
て並べたい
14
17 21
26 28
42 44
49 53
17 26 44 53 49 42 28 21
14
80
ビット列の指定した場所を詰めて並べる
delta swap などを使えば、一応実現可能だが、もっと高
速な方法が存在する
14
17 21
26 28
42 44
49 53
17 26 44 53 49 42 28 21
14
81
magic bitboard
実はビットの配置ごとに適切に選んだ整数 magic を掛け
てやると 1 列に並ぶ
magic bitboard として知られている
14
17 21
26 28
42 44
49 53
17 26 44 53 49 42 28 21
14
* magic ) >> some =(
82
magic bitboard
チェスのそれぞれの駒の効きの範囲に対する magic
number は既に知られている
そうでないようなビット配置に対しては、自分で一々
magic number を求めなければならない
あとで述べる pext 命令の追加により実質役割を終えた
83
ビット演算関連の CPU 命令
bts, btr, btc, bt
blsi, blsmsk, blsr, tzcnt
lzcnt
bzhi
bextr
pext
pdep
84
bts, btr, btc, bt
特定のビットを操作する命令
bts
unsigned char _bittestandset( __int32* a, __int32 b);
unsigned char _bittestandset64( __int64* a, __int64 b);
特定のビットを立て、立てる前のそのビットの状態を返す
btr: ビットを下ろす
btc: ビットを反転する
bt: ビットを取得する
85
blsi, blsmsk, blsr, tzcnt
立っている一番下のビット関連の操作をする命令
blsi: A & -A と同じ。立っている一番下のビットを求める
blsmsk: A ^ -A と同じ。立っている一番下のビットより
上のビットを 1 にした数を求める
blsr: A & (A-1) と同じ。立っている一番下のビットを 0
にした数を求める。
tzcnt: 立っている一番下のビットの桁数を求める
86
lzcnt, bzhi
lzcnt
立っている一番上のビットの上にある 0 の数を数える
bzhi
src の下 n 桁を dest に代入する
87
bextr
bextr
start, len を指定して図のような操作をした結果を返す
0 1 0 0 1 0 1 1 0 1 0 1 1 1 1 0
startlen
0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1
len
88
pext
mask で指定した位置にあるビットを下から詰めて並べる
1 0 1 1 1 0 1 1mask
0 1 0 1 0 0 1 1src
0 0 0 0 1 0 1 1結果
89
pdep
mask で指定した位置にビットを入れていく
pext のだいたい逆の操作ができる
1 0 1 1 1 0 1 1mask
0 1 0 1 0 0 1 1src
0 0 1 0 0 0 1 1結果
90
SIMD 命令による最適化
SIMD 命令とは
SIMD 命令が使える場合
SIMD 命令の使い方
SIMD プログラミングにおけるポイント
メモリアラインメント
マスクによる条件分岐の除去
その他 SIMD 命令で可能なこと
AVX-512 について
91
SIMD 命令とは
SIMD(Single Instruction Multiple Data の略 )
一つの命令で複数のデータを処理する
AVX 命令セットでは一度に 256bit(32Bytes) のデータを
一括で処理できる
単精度浮動小数 x8
倍精度浮動小数 x4
1/2/4/8Bytes 整数 x32/16/8/4
92
SIMD 命令とは
A[0] A[1] A[2] A[3]
B[0] B[1] B[2] B[3]
A[0]+B[0] A[1]+B[1] A[2]+B[2] A[3]+B[3]
+
256ビット
93
SIMD 命令が使える場合
データがメモリ上で連続している
そのデータに対しそれぞれ同じ、または似た操作をする
という条件を満たさなければならない
実際には、データが連続していなくても、近くにまとまって
いれば、ギャザー命令を利用して一気にに計算可能だが、
ギャザー命令は遅延が大きい
94
SIMD 命令の使い方
●既に最適化されたライブラリを使う ( 割愛 )
●自動ベクトル化の機能のあるコンパイラでコンパイル
●AVX の C++ ベクトルクラス
●SIMD 組み込み関数の利用
●アセンブリ言語
95
自動ベクトル化
コンパイラによっては適切なコンパイルオプションを指
定することによって、演算を SIMD 命令に変換してくれる
icc なら -xAVX を指定すると AVX 命令を使ってくれる
しかし、どんな場合も SIMD 命令に変換してくれるわけで
はない
そのときは、残り 3 通りのいずれかの方法を用いる
96
AVX の C++ ベクトルクラス
F64vec4/F32vec8 といったクラスが用意されている
いい感じに算術演算子と添字演算子がオーバーロードさ
れている
97
SIMD 組み込み関数の利用
#include “immintrin.h” で使えるようになる
単精度浮動小数 x8 型 __m256
倍精度浮動小数 x4 型 __m256d
整数 x4/8/16/32 型 __m256i
__m256d resv = _mm256_add_pd(a, b); のように使う
今回は主に SIMD 組み込み関数を利用していきます
98
アセンブリ言語
コンパイラはなるべく一般的な最適化をしようとするの
で、特殊な状況では最適でないプログラムを出力するこ
とがある
そのような場合の最終手段として直接アセンブリ言語を
書いてプログラミングすることが考えられる
ただし、多くの場合人間よりコンパイラのほうが賢い最
適化をするので、プロファイラなどによりパフォーマン
スが向上するとわかった時のみ行うべき
99
SIMD 組み込み関数の利用例
配列 A の各要素に配列 B の対応する要素を加算した結果
を配列 C に格納する。
配列の長さは 4 の倍数、 A,B,C はすべて倍精度浮動小数型
for (int i = 0; i < SIZE/4; ++i) {
__m256d va = _mm256_load_pd(A+4*i);
__m256d vb = _mm256_load_pd(B+4*i);
__m256d res = _mm256_add_pd(va, vb);
_mm256_store_pd(C+4*i, res);
}
100
SIMD 組み込み関数の使い方の基本
メモリ上からデータを取ってくるには _mm256_load*
メモリ上にデータを書き込むには _mm256_store*
_mm256_( 動作 )_( 型 ) となっていることが多い
型には
ps: 単精度浮動小数 x8
pd: 倍精度浮動小数 x4
epi8/16/13/64: 8/16/32/64 バイト整数 x32/16/8/4
101
Intel Intrinsics Guide
https://software.intel.com/sites/landingpage/Intrinsic
sGuide/
SIMD 組み込み関数を中心とした各種 CPU 命令の組み込
み関数のリファレンス
拡張の種類や命令のタイプで絞ったり検索したりできる
便利!!!
102
SIMD プログラミングにおけるポイント
データを 32 バイトアラインメントに合わせる
合っていないと実行速度が低下する
同時にたくさんの処理が行える分、メモリアクセスが律
速になりやすい
キャッシュを考慮したプログラミング
ループ中に条件分岐があるとベクトル化できない
マスクを有効活用するなどして条件分岐を除去する
103
メモリアラインメント 静的確保
alignas(32) uint64_t ary[SIZE];
ary の先頭は 32 バイト境界に合わせられる
104
メモリアラインメント 動的確保
メモリを動的確保する場合は __alignas は使えない
void *_mm_malloc(size_t size, size_t align);
size バイトの領域を確保。返されるポインタのアドレス
は align の倍数になる
_mm_malloc で確保したメモリは _mm_free で開放する
他にも posix_memalign/aligned_alloc を使う方法や
std::align を使う方法もある
105
マスクによる条件分岐の除去
__m256i _mm256_cmpeq_epi8(__m256i, __m256i);
各バイトを比較して等しいなら FF 、異なるなら 00 を各
バイトに入れて返す
eq (等しい) /gt (大きい)、
epi8/16/32/64 ( 1/2/4/8 バイト)のバリエーションが存
在する
106
マスクによる条件分岐の除去
等しくないなら〜〜の場合は eq のビットを反転させれば
良い
<>≦≧の 4 種類の不等号もビットを反転させたり左右
を入れ替えたりすれば実現可能
浮動小数点型の場合は組み込み関数にどのような比較を
するかを指定して渡せる
107
マスクによる条件分岐の除去
SIMD 比較命令によりマスクを作る
演算対象と AND をとったりして正しい結果が得られるよ
うにする
108
マスクによる条件分岐の除去
例 )
for (int i = 0; i < SIZE; ++i) {
if (a[i] > b[i]) {
c[i] += a[i];
}
}
条件分岐が入っているのでこのままでは並列に足し算で
きない
109
マスクによる条件分岐の除去
例 )
for (int i = 0; i < SIZE/32; ++i) {
__m256i va = _mm256_load_si256((__m256i*)(A+32*i));
__m256i vb = _mm256_load_si256((__m256i*)(B+32*i));
__m256i mask = _mm256_cmpgt_epi8(va, vb);
va = _mm256_and_si256(va, mask);
__m256i vc = _mm256_load_si256((__m256i*)(C+32*i));
vc = _mm256_add_epi8(vc, va);
_mm256_store_si256((__m256i*)(C+32*i), vc);
}
110
マスクによる条件分岐の除去
例 )
for (int i = 0; i < SIZE/32; ++i) {
__m256i va = _mm256_load_si256((__m256i*)(A+32*i));
__m256i vb = _mm256_load_si256((__m256i*)(B+32*i));
__m256i mask = _mm256_cmpgt_epi8(va, vb);
va = _mm256_and_si256(va, mask);
__m256i vc = _mm256_load_si256((__m256i*)(C+32*i));
vc = _mm256_add_epi8(vc, va);
_mm256_store_si256((__m256i*)(C+32*i), vc);
}
111
マスクによる条件分岐の除去
例 )
for (int i = 0; i < SIZE/32; ++i) {
__m256i va = _mm256_load_si256((__m256i*)(A+32*i));
__m256i vb = _mm256_load_si256((__m256i*)(B+32*i));
__m256i mask = _mm256_cmpgt_epi8(va, vb);
va = _mm256_and_si256(va, mask);
__m256i vc = _mm256_load_si256((__m256i*)(C+32*i));
vc = _mm256_add_epi8(vc, va);
_mm256_store_si256((__m256i*)(C+32*i), vc);
}
112
マスクによる条件分岐の除去
例 )
for (int i = 0; i < SIZE/32; ++i) {
__m256i va = _mm256_load_si256((__m256i*)(A+32*i));
__m256i vb = _mm256_load_si256((__m256i*)(B+32*i));
__m256i mask = _mm256_cmpgt_epi8(va, vb);
va = _mm256_and_si256(va, mask);
__m256i vc = _mm256_load_si256((__m256i*)(C+32*i));
vc = _mm256_add_epi8(vc, va);
_mm256_store_si256((__m256i*)(C+32*i), vc);
}
113
マスクによる条件分岐の除去
例 )
for (int i = 0; i < SIZE/32; ++i) {
__m256i va = _mm256_load_si256((__m256i*)(A+32*i));
__m256i vb = _mm256_load_si256((__m256i*)(B+32*i));
__m256i mask = _mm256_cmpgt_epi8(va, vb);
va = _mm256_and_si256(va, mask);
__m256i vc = _mm256_load_si256((__m256i*)(C+32*i));
vc = _mm256_add_epi8(vc, va);
_mm256_store_si256((__m256i*)(C+32*i), vc);
}
114
その他 SIMD 命令で可能なこと
複素数の計算
水平加算(隣合う要素と足し算する)などを利用すると、
愚直にやるより高速に計算できる
バイト列の並び替え
シャッフル命令によりバイト列を逆順に並び替えたり、よ
り複雑な並び替えが高速に行える
数学関連の関数の値の計算
三角関数や指数関数などを並列に計算できる命令がある
115
AVX-512 について
Broadwell の次の Skylake で Xeon( サーバー向けプロ
セッサ ) に AVX-512 拡張命令が追加される予定
一度に 512 ビット扱えるだけでなく、ほぼすべての命令
にマスクを掛けることが出来るようになる
各種の便利命令がてんこ盛り
Core i3/5/7 等には Skylake の次の Cannonlake で入る?
116
今日触れられなかった内容
並列実行時における最適化
アウト・オブ・オーダーやスーパースカラーを意識した
命令の選択
プリフェッチ命令
117
まとめ
今回は 3 つの最適化手法について解説した
キャッシュを意識したプログラミング
ビット演算
SIMD 命令
いずれの手法も上手く使えれば数倍〜数十倍の高速化が
見込める
118
参考文献等
[0] インテル ® 64 アーキテクチャーおよび IA-32 アーキテク
チャー最適化リファレンス・マニュアル
http://www.intel.co.jp/content/dam/www/public/ijkk/jp/ja/do
cuments/developer/248966-024JA.pdf
[1] 英語の最新版
http://www.intel.co.jp/content/dam/www/public/us/en/docum
ents/manuals/64-ia-32-architectures-optimization-manual.pdf
[2] Intel Intrinsics Guide
https://software.intel.com/sites/landingpage/Intrin
sicsGuide/
119
参考文献等
[3] Intel® Architecture Instruction Set Extensions
Programming Reference
https://software.intel.com/sites/default/files/managed/0d/53/
319433-022.pdf
[4] Intel® 64 and IA-32 Architectures Software Developer’s
Manual
http://www.intel.co.jp/content/dam/www/public/us/en/docu
ments/manuals/64-ia-32-architectures-software-developer-
manual-325462.pdf
[5] CPU – Wikipedia
http://ja.wikipedia.org/wiki/CPU
120
参考文献等
[6] Chess Programming Wiki
https://chessprogramming.wikispaces.com/

More Related Content

What's hot

Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Preferred Networks
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
 
Constexpr 中3女子テクニック
Constexpr 中3女子テクニックConstexpr 中3女子テクニック
Constexpr 中3女子テクニック
Genya Murakami
 
メタプログラミングって何だろう
メタプログラミングって何だろうメタプログラミングって何だろう
メタプログラミングって何だろう
Kota Mizushima
 

What's hot (20)

いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
 
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
 
AVX-512(フォーマット)詳解
AVX-512(フォーマット)詳解AVX-512(フォーマット)詳解
AVX-512(フォーマット)詳解
 
Pythonによる黒魔術入門
Pythonによる黒魔術入門Pythonによる黒魔術入門
Pythonによる黒魔術入門
 
プログラムを高速化する話Ⅱ 〜GPGPU編〜
プログラムを高速化する話Ⅱ 〜GPGPU編〜プログラムを高速化する話Ⅱ 〜GPGPU編〜
プログラムを高速化する話Ⅱ 〜GPGPU編〜
 
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
 
Marp Tutorial
Marp TutorialMarp Tutorial
Marp Tutorial
 
強化学習その3
強化学習その3強化学習その3
強化学習その3
 
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
 
Deflate
DeflateDeflate
Deflate
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろ
 
Constexpr 中3女子テクニック
Constexpr 中3女子テクニックConstexpr 中3女子テクニック
Constexpr 中3女子テクニック
 
エラーハンドリング
エラーハンドリングエラーハンドリング
エラーハンドリング
 
Union find(素集合データ構造)
Union find(素集合データ構造)Union find(素集合データ構造)
Union find(素集合データ構造)
 
強化学習における好奇心
強化学習における好奇心強化学習における好奇心
強化学習における好奇心
 
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
 
CRC-32
CRC-32CRC-32
CRC-32
 
メタプログラミングって何だろう
メタプログラミングって何だろうメタプログラミングって何だろう
メタプログラミングって何だろう
 

Viewers also liked

これからはじめるインフラエンジニア
これからはじめるインフラエンジニアこれからはじめるインフラエンジニア
これからはじめるインフラエンジニア
外道 父
 

Viewers also liked (20)

これからはじめるインフラエンジニア
これからはじめるインフラエンジニアこれからはじめるインフラエンジニア
これからはじめるインフラエンジニア
 
インフラエンジニアがUnityをやるべきたった一つの理由
インフラエンジニアがUnityをやるべきたった一つの理由インフラエンジニアがUnityをやるべきたった一つの理由
インフラエンジニアがUnityをやるべきたった一つの理由
 
インフラエンジニアの綺麗で優しい手順書の書き方
インフラエンジニアの綺麗で優しい手順書の書き方インフラエンジニアの綺麗で優しい手順書の書き方
インフラエンジニアの綺麗で優しい手順書の書き方
 
⼤企業で実現するイマドキの内製開発
⼤企業で実現するイマドキの内製開発⼤企業で実現するイマドキの内製開発
⼤企業で実現するイマドキの内製開発
 
テスト駆動インフラ構築-Chefとserverspecを使ったインフラ自動化のすすめ-
テスト駆動インフラ構築-Chefとserverspecを使ったインフラ自動化のすすめ-テスト駆動インフラ構築-Chefとserverspecを使ったインフラ自動化のすすめ-
テスト駆動インフラ構築-Chefとserverspecを使ったインフラ自動化のすすめ-
 
アプリエンジニアからクラウド専用のインフラエンジニアになってみて
アプリエンジニアからクラウド専用のインフラエンジニアになってみてアプリエンジニアからクラウド専用のインフラエンジニアになってみて
アプリエンジニアからクラウド専用のインフラエンジニアになってみて
 
インフラエンジニアってなんでしたっけ(仮)
インフラエンジニアってなんでしたっけ(仮)インフラエンジニアってなんでしたっけ(仮)
インフラエンジニアってなんでしたっけ(仮)
 
2015-05-23 クラウドの運用になって インフラエンジニアは何が変わるのか?
2015-05-23 クラウドの運用になって インフラエンジニアは何が変わるのか?2015-05-23 クラウドの運用になって インフラエンジニアは何が変わるのか?
2015-05-23 クラウドの運用になって インフラエンジニアは何が変わるのか?
 
インフラ構築とテストについて(ITインフラ業務自動化現状確認会)
インフラ構築とテストについて(ITインフラ業務自動化現状確認会)インフラ構築とテストについて(ITインフラ業務自動化現状確認会)
インフラ構築とテストについて(ITインフラ業務自動化現状確認会)
 
技術選択とアーキテクトの役割
技術選択とアーキテクトの役割技術選択とアーキテクトの役割
技術選択とアーキテクトの役割
 
プログラム組んだら負け!実はHTML/CSSだけでできること2015夏
プログラム組んだら負け!実はHTML/CSSだけでできること2015夏プログラム組んだら負け!実はHTML/CSSだけでできること2015夏
プログラム組んだら負け!実はHTML/CSSだけでできること2015夏
 
偶然にも500万個のSSH公開鍵を手に入れた俺たちは
偶然にも500万個のSSH公開鍵を手に入れた俺たちは偶然にも500万個のSSH公開鍵を手に入れた俺たちは
偶然にも500万個のSSH公開鍵を手に入れた俺たちは
 
運用に自動化を求めるのは間違っているだろうか
運用に自動化を求めるのは間違っているだろうか運用に自動化を求めるのは間違っているだろうか
運用に自動化を求めるのは間違っているだろうか
 
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料 「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
 
プログラマのための線形代数再入門
プログラマのための線形代数再入門プログラマのための線形代数再入門
プログラマのための線形代数再入門
 
MySQLテーブル設計入門
MySQLテーブル設計入門MySQLテーブル設計入門
MySQLテーブル設計入門
 
実践イカパケット解析
実践イカパケット解析実践イカパケット解析
実践イカパケット解析
 
ウェブパフォーマンスの基礎とこれから
ウェブパフォーマンスの基礎とこれからウェブパフォーマンスの基礎とこれから
ウェブパフォーマンスの基礎とこれから
 
DeNAの大規模データマイニング活用したサービス開発
DeNAの大規模データマイニング活用したサービス開発DeNAの大規模データマイニング活用したサービス開発
DeNAの大規模データマイニング活用したサービス開発
 
ABテスト・LPOのための統計学【社内向けサディスティックエディション】データアーティスト株式会社
ABテスト・LPOのための統計学【社内向けサディスティックエディション】データアーティスト株式会社ABテスト・LPOのための統計学【社内向けサディスティックエディション】データアーティスト株式会社
ABテスト・LPOのための統計学【社内向けサディスティックエディション】データアーティスト株式会社
 

Similar to プログラムを高速化する話

Or seminar2011final
Or seminar2011finalOr seminar2011final
Or seminar2011final
Mikio Kubo
 
Javaセキュアコーディングセミナー東京第2回講義
Javaセキュアコーディングセミナー東京第2回講義Javaセキュアコーディングセミナー東京第2回講義
Javaセキュアコーディングセミナー東京第2回講義
JPCERT Coordination Center
 
Wavelet matrix implementation
Wavelet matrix implementationWavelet matrix implementation
Wavelet matrix implementation
MITSUNARI Shigeo
 
Ruby科学データ処理ツールの開発 NArrayとPwrake
Ruby科学データ処理ツールの開発 NArrayとPwrakeRuby科学データ処理ツールの開発 NArrayとPwrake
Ruby科学データ処理ツールの開発 NArrayとPwrake
Masahiro Tanaka
 

Similar to プログラムを高速化する話 (20)

Introduction to programming
Introduction to programmingIntroduction to programming
Introduction to programming
 
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
 
Or seminar2011final
Or seminar2011finalOr seminar2011final
Or seminar2011final
 
HistoPyramid Stream Compaction
HistoPyramid Stream CompactionHistoPyramid Stream Compaction
HistoPyramid Stream Compaction
 
Gurobi python
Gurobi pythonGurobi python
Gurobi python
 
Javaセキュアコーディングセミナー東京第2回講義
Javaセキュアコーディングセミナー東京第2回講義Javaセキュアコーディングセミナー東京第2回講義
Javaセキュアコーディングセミナー東京第2回講義
 
Wavelet matrix implementation
Wavelet matrix implementationWavelet matrix implementation
Wavelet matrix implementation
 
並列化による高速化
並列化による高速化 並列化による高速化
並列化による高速化
 
x64 のスカラー,SIMD 演算性能を測ってみた @ C++ MIX #10
x64 のスカラー,SIMD 演算性能を測ってみた @ C++  MIX #10x64 のスカラー,SIMD 演算性能を測ってみた @ C++  MIX #10
x64 のスカラー,SIMD 演算性能を測ってみた @ C++ MIX #10
 
C# 7.2 with .NET Core 2.1
C# 7.2 with .NET Core 2.1C# 7.2 with .NET Core 2.1
C# 7.2 with .NET Core 2.1
 
ネイティブコードを語る
ネイティブコードを語るネイティブコードを語る
ネイティブコードを語る
 
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
 
Ruby科学データ処理ツールの開発 NArrayとPwrake
Ruby科学データ処理ツールの開発 NArrayとPwrakeRuby科学データ処理ツールの開発 NArrayとPwrake
Ruby科学データ処理ツールの開発 NArrayとPwrake
 
【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター 【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター
 
x64 のスカラー,SIMD 演算性能を測ってみた v0.1 @ C++ MIX #10
x64 のスカラー,SIMD 演算性能を測ってみた v0.1 @ C++  MIX #10x64 のスカラー,SIMD 演算性能を測ってみた v0.1 @ C++  MIX #10
x64 のスカラー,SIMD 演算性能を測ってみた v0.1 @ C++ MIX #10
 
[Basic 3] 計算量 / 配列, 連結リスト / ハッシュ テーブル / スタック, キュー
[Basic 3] 計算量 / 配列, 連結リスト / ハッシュ テーブル / スタック, キュー[Basic 3] 計算量 / 配列, 連結リスト / ハッシュ テーブル / スタック, キュー
[Basic 3] 計算量 / 配列, 連結リスト / ハッシュ テーブル / スタック, キュー
 
ma99992010id464
ma99992010id464ma99992010id464
ma99992010id464
 
Boost Tour 1.50.0 All
Boost Tour 1.50.0 AllBoost Tour 1.50.0 All
Boost Tour 1.50.0 All
 
Prosym2012
Prosym2012Prosym2012
Prosym2012
 
第11回 配信講義 計算科学技術特論B(2022)
第11回 配信講義 計算科学技術特論B(2022)第11回 配信講義 計算科学技術特論B(2022)
第11回 配信講義 計算科学技術特論B(2022)
 

More from 京大 マイコンクラブ

More from 京大 マイコンクラブ (20)

テキストファイルを読む💪 第1回
テキストファイルを読む💪  第1回テキストファイルを読む💪  第1回
テキストファイルを読む💪 第1回
 
かわいくなろうとしたら語彙力が下がった話
かわいくなろうとしたら語彙力が下がった話かわいくなろうとしたら語彙力が下がった話
かわいくなろうとしたら語彙力が下がった話
 
Common Lisp入門
Common Lisp入門Common Lisp入門
Common Lisp入門
 
多倍長整数の乗算と高速フーリエ変換
多倍長整数の乗算と高速フーリエ変換多倍長整数の乗算と高速フーリエ変換
多倍長整数の乗算と高速フーリエ変換
 
つくってあそぼ ラムダ計算インタプリタ
つくってあそぼ ラムダ計算インタプリタつくってあそぼ ラムダ計算インタプリタ
つくってあそぼ ラムダ計算インタプリタ
 
Geometry with Unity
Geometry with UnityGeometry with Unity
Geometry with Unity
 
セミコロンレスc++
セミコロンレスc++セミコロンレスc++
セミコロンレスc++
 
エンジニアと健康
エンジニアと健康エンジニアと健康
エンジニアと健康
 
女の子になれなかった人のために
女の子になれなかった人のために女の子になれなかった人のために
女の子になれなかった人のために
 
Pietで競プロしよう
Pietで競プロしようPietで競プロしよう
Pietで競プロしよう
 
もし太陽のコアがIntelCoreだったら
もし太陽のコアがIntelCoreだったらもし太陽のコアがIntelCoreだったら
もし太陽のコアがIntelCoreだったら
 
C# ゲームプログラミングはホントにメモリのことに無頓着でいいの?
C# ゲームプログラミングはホントにメモリのことに無頓着でいいの?C# ゲームプログラミングはホントにメモリのことに無頓着でいいの?
C# ゲームプログラミングはホントにメモリのことに無頓着でいいの?
 
ドット絵でプログラミング!難解言語『Piet』勉強会
ドット絵でプログラミング!難解言語『Piet』勉強会ドット絵でプログラミング!難解言語『Piet』勉強会
ドット絵でプログラミング!難解言語『Piet』勉強会
 
No SSH (@nojima; KMC関東例会)
No SSH (@nojima; KMC関東例会)No SSH (@nojima; KMC関東例会)
No SSH (@nojima; KMC関東例会)
 
DTM練習会2017第1.5回 「伴奏の付け方」
DTM練習会2017第1.5回 「伴奏の付け方」DTM練習会2017第1.5回 「伴奏の付け方」
DTM練習会2017第1.5回 「伴奏の付け方」
 
hideya流 テストプレイ観察術
hideya流 テストプレイ観察術hideya流 テストプレイ観察術
hideya流 テストプレイ観察術
 
暗号技術入門 秘密の国のアリス 総集編
暗号技術入門 秘密の国のアリス 総集編暗号技術入門 秘密の国のアリス 総集編
暗号技術入門 秘密の国のアリス 総集編
 
Altseed
AltseedAltseed
Altseed
 
C#でゲームを作る2016 第8回
C#でゲームを作る2016 第8回C#でゲームを作る2016 第8回
C#でゲームを作る2016 第8回
 
C#でゲームを作る2016 第7回
C#でゲームを作る2016 第7回C#でゲームを作る2016 第7回
C#でゲームを作る2016 第7回
 

Recently uploaded

Recently uploaded (8)

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルLoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
 
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdKeywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
 
情報を表現するときのポイント
情報を表現するときのポイント情報を表現するときのポイント
情報を表現するときのポイント
 
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
 
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
 
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
 
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
 
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルLoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
 

プログラムを高速化する話