时间戳

首页 > 解决方案 > 如何让 clang 向量化一个简单的循环？

c - 如何让 clang 向量化一个简单的循环？

问题描述

我有以下循环：

float* s;
float* ap;
float* bp;

... // initialize s, ap, bp

for(size_t i=0;i<64;++i) {
   s[i] = ap[i]+bp[i];
}

似乎是矢量化的一个很好的候选者。虽然我打开了优化，但当我查看程序集输出时，clang（我正在使用 Xcode）似乎没有对循环进行矢量化：

LBB33_1:                                ## =>This Inner Loop Header: Depth=1
    movss   (%rax,%rsi,4), %xmm0    ## xmm0 = mem[0],zero,zero,zero
    addss   (%rcx,%rsi,4), %xmm0
    movss   %xmm0, (%rdx,%rsi,4)
Ltmp353:
    incq    %rsi
Ltmp354:
    cmpq    $64, %rsi
Ltmp355:
    jne LBB33_1

如何让 clang/Xcode 向量化这个简单的循环？

标签： cclangvectorizationcompiler-optimizationsse

解决方案

使用 clang/LLVM 的非古代版本。Apple clang/LLVM 与主线 clang/LLVM 不同，但它们共享一个共同的代码库。

主线 clang3.3 和更新的自动矢量化你的循环在-O3. Clang3.4 和更新的自动矢量化它甚至在-O2.

如果没有restrict，clang确实会发出检查目标和两个源之间重叠的 asm（回退到标量），因此您将从float *restrict s.

#include <stdlib.h>
void add_float_good(float *restrict s, float *restrict ap, float *restrict bp)
{
    for(size_t i=0;i<64;++i) {
       s[i] = ap[i]+bp[i];
    }
}

使用clang3.4 -O3 （在 Godbolt 编译器资源管理器上）编译为这个简单的 asm，具有最差的索引寻址模式和循环开销，但至少它是矢量化的。较新的 clang 喜欢展开，尤其是在为最近的 Intel 进行调整时（例如-march=skylake）

# clang3.4 -O3
add_float_good:
        xor     eax, eax
.LBB0_1:                                # %vector.body
        movups  xmm0, xmmword ptr [rsi + 4*rax]
        movups  xmm1, xmmword ptr [rdx + 4*rax]
        addps   xmm1, xmm0
        movups  xmmword ptr [rdi + 4*rax], xmm1
        add     rax, 4
        cmp     rax, 64
        jne     .LBB0_1
        ret

请注意，如果没有 AVX，它就不能使用内存源操作数，addps因为没有编译时对齐保证。

clang8.0 -O3 -march=skylake 使用 YMM 向量完全展开，就像 gcc 具有相同的选项。

推荐阅读