c++ - 编译器是否真的使用我的“omp declare simd”函数?
问题描述
看看我为 4D 点积构建的这个例子:
#pragma omp declare simd
double dot(double x0, double y0, double z0, double w0, double x1, double y1, double z1, double w1)
{
return x0 * x1 + y0 * y1 + z0 * z1 + w0 * w1;
}
#define SIMD 4
int main(int argc, char **argv)
{
double x[SIMD];
double y[SIMD];
double z[SIMD];
double w[SIMD];
double r[SIMD];
for (int i = 0; i < SIMD; i++)
{
x[i] = y[i] = z[i] = 1;
w[i] = 0;
}
#pragma omp simd
for (int i = 0; i < SIMD; i++)
{
r[i] = dot(x[i], y[i], z[i], w[i], x[i], y[i], z[i], w[i]);
}
double s = 0;
for (int i = 0; i < SIMD; i++)
{
s += r[i];
}
return s;
}
在编译器输出中,您可以看到它生成了一些名为_XXXXXXvvvvvvvv_dot
. 我假设这些是用于函数输入的不同长度的dot
函数,或者至少它们应该是这样的。但是,这些函数似乎并没有被编译器实际使用。输出的第 94 行显示call dot(…)
. 这会调用这些功能之一吗?我必须做什么才能使用它们?
解决方案
不要尝试手动调用 SIMD 版本:让编译器从它自动矢量化的循环中执行此操作。
您没有启用优化,因此 GCC 不会自动矢量化您的循环。因此它只调用函数的标量版本。
GCC 默认是-O0
- 反优化调试,所以当然代码完全是垃圾,实际上并不是自动矢量化的(没有addpd
或mulpd
指令)。
启用优化-O3
。当 GCC 可以看到定义时,它将简单地内联调用。这个#pragma omp declare simd
东西让编译器即使看不到定义,也可以调用函数的向量化版本。(或者对于它选择不内联的较大函数。)
您可以使用__attribute__((noinline))
ondot
来查看它是如何工作的,即使对于您的小功能:
在带有 GCC9.1 的 Godbolt 上-O3 -fopenmp
,进行了以下更改:
# gcc9.1 -O3 -fopenmp
main:
sub rsp, 40
movapd xmm0, XMMWORD PTR .LC0[rip] # {1, 1}
pxor xmm7, xmm7 # {0, 0}
movapd xmm3, xmm7
movapd xmm6, xmm0 # duplicate the 1,1 vector for several args
movapd xmm5, xmm0
movapd xmm4, xmm0
movapd xmm2, xmm0
movapd xmm1, xmm0
call _ZGVbN2vvvvvvvv_dot(double, double, double, double, double, double, double, double)
movaps XMMWORD PTR [rsp], xmm0 # store to the stack
movaps XMMWORD PTR [rsp+16], xmm0 # twice
pxor xmm0, xmm0 # 0.0
addsd xmm0, QWORD PTR [rsp] # 0 + v[0]
addsd xmm0, QWORD PTR [rsp+8] # ... += v[1]
addsd xmm0, QWORD PTR [rsp+16]
addsd xmm0, QWORD PTR [rsp+24] # stupid inefficient horizontal sum
add rsp, 40
cvttsd2si eax, xmm0 # truncate to integer as main's return value
ret
使用您的 tiny #define SIMD 4
,main
实际上根本不需要循环,只需两个 16 字节向量就足够了。带有编译时常量初始化器的数组被优化掉了;GCC 只是将常量具体化到寄存器中,pxor
对于 0.0 使用 -zeroing 并从静态常量数据中加载 + 复制对于1.0
.
所以无论如何,只有一个调用 SIMD 版本的dot()
,但就是这样。我认为 GCC 知道相同的调用会给出相同的结果,这就是为什么它调用一次但将结果存储两次的原因。
IDK 为什么 GCC 的 OpenMP 水平和如此愚蠢。显然,最好addpd xmm0,xmm0
不要将其存储两次,并且随机播放可以避免存储/重新加载。同样使用addsd
to do0.0 + x
是没有意义的;只需使用您从中存储的寄存器的低元素。
的标量版本dot()
具有通常的 C++ 名称修饰函数。其他版本具有特殊的名称修改约定,可能特定于 GCC 的 OpenMP、IDK。
有趣的是,gcc 制作了几个不同的版本dot
,包括使用 YMM 寄存器的 AVX 版本。还有一些溢出到堆栈并在循环中使用标量数学;IDK 为什么这些存在。
所以我想这意味着即使你编译这个源文件没有,以这种方式-march=skylake-avx512
编译的另一个循环仍然可以发出调用并获取 AVX512 定义:_ZGVeN8vvvvvvvv_dot
_ZGVeN8vvvvvvvv_dot(double, double, double, double, double, double, double, double):
vmulpd zmm1, zmm1, zmm5
vfmadd132pd zmm0, zmm1, zmm4
vfmadd231pd zmm0, zmm2, zmm6
vfmadd231pd zmm0, zmm3, zmm7
奇怪的是,我没有看到在 YMM regs 上使用 FMA 的 AVX+FMA 定义,只有使用 vmulpd / vaddpd 的 SSE2 和 AVX 定义。
推荐阅读
- git - 从 Github API 推送事件中获取 PR 编号
- ruby-on-rails - “表单中的第一个参数不能包含 nil 或为空”Ruby on Rails
- android - MediaController 控件在 Dialog Activity 或 Alert Dialog 中播放视频时卡住
- python - 加载预训练模型 pytorch - dict 对象没有属性 eval
- sas - 如何在 Excel 中将 Proc Freq 输出拆分为多列?
- php - 在 Laravel 中没有使用 latest() 获取最新记录
- .htaccess - 如何使用根文件夹中的默认语言文件和子文件夹中的另一种语言为静态 html 多语言网站设置 htaccess?
- python - WebSocketApp 与 create_connection
- tensorflow - Tensorflow,Tensorboard - AttributeError:“会话”对象没有属性“值”
- java - .getSelectedItem() 在组合框中不起作用