c++ - SIMD 聚集导致的分段错误?
问题描述
我的项目使用 SIMD 收集来加速表查找。以下是简化版本,但足以说明我遇到的问题。
#include <x86intrin.h>
#include <stdio.h>
alignas(32) static int a[256][8] = { 0 };
int main(){
// initialize 32 bytes (as a __m256i)
int *s = (int*)_mm_malloc(32, 4);
for(int i=0; i<8; i++)
s[i] = i;
__m256i *t = (__m256i*)s;
// do table lookup task using SIMD gather
for(int i=0; i<100000; i++){
int *addr = a[i % 256];
t[0] = _mm256_i32gather_epi32(addr, t[0], 4);
}
// print out the result
for(int i=0; i<8; i++)
printf("%d ", s[i]);
printf("\n");
}
编译和执行
user@server:~/test$ g++ -O3 -mavx2 gather.cpp
user@server:~/test$ ./a.out
Segmentation fault (core dumped)
实际上,还有一个使用带有 __m128i 的 SIMD shuffle 的替代版本,它可以正常工作。有人有想法吗?
解决方案
_mm_malloc (size_t size, size_t align)
- 你只对齐 4,然后对 a 进行对齐所需的取消引用__m256i*
。据推测,当_mm_malloc(32, 4)
碰巧返回未按 32 对齐的内存时,会出现段错误。
只需_mm256_set_epi32(7,6,5,4,3,2,1,0);
像普通人一样使用,或者alignas(32)
可以在循环中初始化的本地数组。(和/或你可以_mm256_loadu_si256
用来做一个未对齐的负载)。
您可以使用 修复您的代码_mm_malloc(32,32)
,但不要。动态分配(然后泄漏)一个您只想在本地使用的单个 32 字节对象是非常愚蠢的。
当所有数据都来自一个或两个 32 字节的块时,更喜欢 shuffle 而不是收集
就缓存访问而言,一个 8 元素的收集成本大约为 8 个标量或向量负载,加上其他执行单元的一些工作。(https://uops.info/和https://agner.org/optimize/)。不幸的是,当多个元素来自同一个缓存行时,Gather 不会变得更有效。
在您的情况下,您甚至不需要洗牌,只需从a[][]
.
int *addr = a[i % 256];
获得一个指向 32 字节对齐的指针int [8]
,您可以从中_mm256_load_si256((const __m256i*)addr)
. 这为您提供了您想要的 0..7 本机顺序的元素。
如果您确实需要 0..7 以外的订单,请使用 AVX2 vpermd
( _mm256_permutevar8x32_epi32
) 和您用作收集索引的相同随机控制向量常数。
推荐阅读
- c# - C# 正则表达式字母数字字符串
- python - 函数不使用更新的变量
- php - 模态中的 Foreach
- regex - 如果给定语言 L 的语法,我如何找到 L* 的常规语法?
- networking - UDP、防火墙和 nat
- reactjs - 如何修复:如何使用 onClick 显示状态到 div?(反应)
- android - 我的应用注册活动(我制作的)在我的设备上不完全可见(从底部切开)
- github - 如何删除 wiki 上特定页面历史中的特定修订
- python - ValueError: 应用滚动时索引必须是单调的("2H").mean()
- react-native - Redux/saga:如何在没有通道的回调中触发操作(放置)(使用 sagas 作为正常的生成器函数)