c - 自动矢量化随机播放指令
问题描述
我试图让编译器(v)pshufd
通过自动矢量化生成指令(或等效指令)。这出乎意料的困难。
例如,假设一个包含 4 个uint32
值的向量,转换 :
A|B|C|D => A|A|C|C
应该使用单个指令(对应的内在 : _mm_shuffle_epi32()
)来实现。
尝试仅使用正常操作来表达相同的转换,我可以编写例如:
for (i=0; i<4; i+=2)
v32x4[i] = v32x4[i+1];
编译器似乎无法进行良好的转换,而是生成了十几个指令的标量和向量代码的混合。手动展开会产生更糟糕的结果。
有时,一些细节会妨碍编译器正确翻译。例如,数组中元素的nb应该是2的明确幂,指向表的指针应该保证没有别名,对齐应该明确表达等等。在这种情况下,我没有找到任何类似的原因,并且我仍然坚持使用手动内在函数来生成合理的程序集。
有没有办法(v)pshufd
只使用普通代码并依赖编译器的自动矢量化器来生成指令?
解决方案
(更新:自 2019-02-07 以来的新答案。)
即使没有我在此问题的先前答案中(v)pshufd
使用的 gcc 向量扩展,也
可以使编译器生成指令。以下示例给出了可能性的印象。这些示例使用 gcc 8.2 和 clang 7 编译。
示例 1
#include<stdint.h>
/* vectorizes */
/* gcc -m64 -O3 -march=nehalem Yes */
/* gcc -m64 -O3 -march=skylake Yes */
/* clang -m64 -O3 -march=nehalem No */
/* clang -m64 -O3 -march=skylake No */
void shuff1(int32_t* restrict a, int32_t* restrict b, int32_t n){
/* this line is optional */ a = (int32_t*)__builtin_assume_aligned(a, 16); b = (int32_t*)__builtin_assume_aligned(b, 16);
for (int32_t i = 0; i < n; i=i+4) {
b[i+0] = a[i+0];
b[i+1] = a[i+0];
b[i+2] = a[i+2];
b[i+3] = a[i+2];
}
}
/* vectorizes */
/* gcc -m64 -O3 -march=nehalem Yes */
/* gcc -m64 -O3 -march=skylake Yes */
/* clang -m64 -O3 -march=nehalem Yes */
/* clang -m64 -O3 -march=skylake Yes */
void shuff2(int32_t* restrict a, int32_t* restrict b, int32_t n){
/* this line is optional */ a = (int32_t*)__builtin_assume_aligned(a, 16); b = (int32_t*)__builtin_assume_aligned(b, 16);
for (int32_t i = 0; i < n; i=i+4) {
b[i+0] = a[i+1];
b[i+1] = a[i+2];
b[i+2] = a[i+3];
b[i+3] = a[i+0];
}
}
令人惊讶的是,clang 仅在数学意义上对排列进行矢量化,而不是一般的洗牌。,gcc -m64 -O3 -march=nehalem
的主循环shuff1
变为:
.L3:
add edx, 1
pshufd xmm0, XMMWORD PTR [rdi+rax], 160
movaps XMMWORD PTR [rsi+rax], xmm0
add rax, 16
cmp edx, ecx
jb .L3
示例 2
/* vectorizes */
/* gcc -m64 -O3 -march=nehalem No */
/* gcc -m64 -O3 -march=skylake No */
/* clang -m64 -O3 -march=nehalem No */
/* clang -m64 -O3 -march=skylake No */
void shuff3(int32_t* restrict a, int32_t* restrict b){
/* this line is optional */ a = (int32_t*)__builtin_assume_aligned(a, 16); b = (int32_t*)__builtin_assume_aligned(b, 16);
b[0] = a[0];
b[1] = a[0];
b[2] = a[2];
b[3] = a[2];
}
/* vectorizes */
/* gcc -m64 -O3 -march=nehalem Yes */
/* gcc -m64 -O3 -march=skylake Yes */
/* clang -m64 -O3 -march=nehalem Yes */
/* clang -m64 -O3 -march=skylake Yes */
void shuff4(int32_t* restrict a, int32_t* restrict b){
/* this line is optional */ a = (int32_t*)__builtin_assume_aligned(a, 16); b = (int32_t*)__builtin_assume_aligned(b, 16);
b[0] = a[1];
b[1] = a[2];
b[2] = a[3];
b[3] = a[0];
}
装配有gcc -m64 -O3 -march=skylake
:
shuff3:
mov eax, DWORD PTR [rdi]
mov DWORD PTR [rsi], eax
mov DWORD PTR [rsi+4], eax
mov eax, DWORD PTR [rdi+8]
mov DWORD PTR [rsi+8], eax
mov DWORD PTR [rsi+12], eax
ret
shuff4:
vpshufd xmm0, XMMWORD PTR [rdi], 57
vmovaps XMMWORD PTR [rsi], xmm0
ret
同样,(0,3,2,1) 排列的结果本质上不同于 (2,2,0,0) 洗牌情况。
示例 3
/* vectorizes */
/* gcc -m64 -O3 -march=nehalem Yes */
/* gcc -m64 -O3 -march=skylake Yes */
/* clang -m64 -O3 -march=nehalem No */
/* clang -m64 -O3 -march=skylake No */
void shuff5(int32_t* restrict a, int32_t* restrict b, int32_t n){
/* this line is optional */ a = (int32_t*)__builtin_assume_aligned(a, 32); b = (int32_t*)__builtin_assume_aligned(b, 32);
for (int32_t i = 0; i < n; i=i+8) {
b[i+0] = a[i+2];
b[i+1] = a[i+7];
b[i+2] = a[i+7];
b[i+3] = a[i+7];
b[i+4] = a[i+0];
b[i+5] = a[i+1];
b[i+6] = a[i+5];
b[i+7] = a[i+4];
}
}
/* vectorizes */
/* gcc -m64 -O3 -march=nehalem Yes */
/* gcc -m64 -O3 -march=skylake Yes */
/* clang -m64 -O3 -march=nehalem No */
/* clang -m64 -O3 -march=skylake No */
void shuff6(int32_t* restrict a, int32_t* restrict b, int32_t n){
/* this line is optional */ a = (int32_t*)__builtin_assume_aligned(a, 32); b = (int32_t*)__builtin_assume_aligned(b, 32);
for (int32_t i = 0; i < n; i=i+8) {
b[i+0] = a[i+0];
b[i+1] = a[i+0];
b[i+2] = a[i+2];
b[i+3] = a[i+2];
b[i+4] = a[i+4];
b[i+5] = a[i+4];
b[i+6] = a[i+6];
b[i+7] = a[i+6];
}
}
主gcc -m64 -O3 -march=skylake
循环shuff5
包含车道交叉vpermd
洗牌指令,我认为这非常令人印象深刻。功能shuff6
引出非车道交叉vpshufd ymm0, mem
指示,完善。
示例 4
shuff5
如果我们替换b[i+5] = a[i+1];
为,组装会变得非常混乱b[i+5] = 0;
。然而,循环被矢量化了。有关此答案中讨论的所有示例,另请参见此 Godbolt 链接
。
如果数组a
和b
是 16(或 32)字节对齐的,那么我们可以使用
a = (int32_t*)__builtin_assume_aligned(a, 16);
b = (int32_t*)__builtin_assume_aligned(b, 16);
(或 32 而不是 16)。这有时会稍微改进汇编代码的生成。
推荐阅读
- cassandra - Cassandra 数据中心不同步 - 如何诊断和重建?
- reactjs - 反应中的图像加载
- node.js - 在本地开发 NodeJS 应用程序,在 Docker 容器中运行,无需重新加载,体积问题
- python - 并行使用子进程 check_all 提交大文件
- python - 如何通过服务器收听新的 POST 方法?
- php - 解析错误:语法错误,第 17 行 C:\xampp\htdocs\policycode\sample_code\policy1.php 中的意外 '->' (T_OBJECT_OPERATOR)
- javascript - 从 fetchapi 输出结果到 html
- swift - SwiftSoup 将数据分配给自定义类
- javascript - 查找构成特定数字的所有可能组合 JavaScript
- angular - Angular 6 mat-sidenav 切换菜单不起作用