c++ - 在 GCC 10.3.0 中找不到 _mm256_rem_epu64 内在函数
问题描述
我尝试用指令重写以下uint64_t
2x2 矩阵乘法,但没有发现内在的。AVX-512
GCC 10.3
_mm256_rem_epu64
#include <cstdint>
#include <immintrin.h>
constexpr uint32_t LAST_9_DIGITS_DIVIDER = 1000000000;
void multiply(uint64_t f[2][2], uint64_t m[2][2])
{
uint64_t x = (f[0][0] * m[0][0] + f[0][1] * m[1][0]) % LAST_9_DIGITS_DIVIDER;
uint64_t y = (f[0][0] * m[0][1] + f[0][1] * m[1][1]) % LAST_9_DIGITS_DIVIDER;
uint64_t z = (f[1][0] * m[0][0] + f[1][1] * m[1][0]) % LAST_9_DIGITS_DIVIDER;
uint64_t w = (f[1][0] * m[0][1] + f[1][1] * m[1][1]) % LAST_9_DIGITS_DIVIDER;
f[0][0] = x;
f[0][1] = y;
f[1][0] = z;
f[1][1] = w;
}
void multiply_simd(uint64_t f[2][2], uint64_t m[2][2])
{
__m256i v1 = _mm256_set_epi64x(f[0][0], f[0][0], f[1][0], f[1][0]);
__m256i v2 = _mm256_set_epi64x(m[0][0], m[0][1], m[0][0], m[0][1]);
__m256i v3 = _mm256_mullo_epi64(v1, v2);
__m256i v4 = _mm256_set_epi64x(f[0][1], f[0][1], f[1][1], f[1][1]);
__m256i v5 = _mm256_set_epi64x(m[1][0], m[1][1], m[1][0], m[1][1]);
__m256i v6 = _mm256_mullo_epi64(v4, v5);
__m256i v7 = _mm256_add_epi64(v3, v6);
__m256i div = _mm256_set1_epi64x(LAST_9_DIGITS_DIVIDER);
__m256i v8 = _mm256_rem_epu64(v7, div);
_mm256_store_epi64(f, v8);
}
是否有可能以某种方式启用_mm256_rem_epu64
或如果不启用,是否可以通过其他方式使用 SIMD 指令计算提醒?
解决方案
正如 Peter Cordes 在评论中提到的,_mm256_rem_epu64
是一个 SVML 函数。大多数编译器不支持 SVML;AFAIK 真的只有 ICC 可以,但 clang 也可以配置为使用它。
我知道的唯一其他 SVML 实现是在我的一个项目SIMDe中。在这种情况下,由于您使用的是 GCC 10.3,因此将使用vector extensions的实现_mm256_rem_epu64
,因此SIMDe中的代码将与以下内容基本相同:
#include <immintrin.h>
#include <stdint.h>
typedef uint64_t u64x4 __attribute__((__vector_size__(32)));
__m256i
foo_mm256_rem_epu64(__m256i a, __m256i b) {
return (__m256i) (((u64x4) a) % ((u64x4) b));
}
在这种情况下,GCC 和 clang 都会对操作进行标量化(参见Compiler Explorer),因此性能会很差,尤其是考虑到指令的速度有多慢。div
也就是说,由于您使用的是编译时常量,编译器应该能够用乘法和移位替换除法,因此性能会更好,但我们可以通过使用libdivide挤出更多。
Libdivide 通常在运行时计算魔法值,但libdivide_u64_t
结构非常简单,我们可以跳过这libdivide_u64_gen
一步并在编译时提供结构:
__m256i div_by_1000000000(__m256i a) {
static const struct libdivide_u64_t d = {
UINT64_C(1360296554856532783),
UINT8_C(93)
};
return libdivide_u64_do_vec256(a, &d);
}
现在,如果您可以使用 AVX-512VL + AVX-512DQ,则有一个 64 位乘法函数 ( _mm256_mullo_epi64
)。如果您可以使用它,那可能是正确的方法:
__m256i rem_1000000000(__m256i a) {
static const struct libdivide_u64_t d = {
UINT64_C(1360296554856532783),
UINT8_C(93)
};
return
_mm256_sub_epi64(
a,
_mm256_mullo_epi64(
libdivide_u64_do_vec256(a, &d),
_mm256_set1_epi64x(1000000000)
)
);
}
(或在Compiler Explorer上,使用 LLVM-MCA)
如果您没有 AVX-512DQ+VL,您可能希望再次使用矢量扩展:
typedef uint64_t u64x4 __attribute__((__vector_size__(32)));
__m256i rem_1000000000(__m256i a) {
static const struct libdivide_u64_t d = {
UINT64_C(1360296554856532783),
UINT8_C(93)
};
u64x4 one_billion = { 1000000000, 1000000000, 1000000000, 1000000000 };
return (__m256i) (
(
(u64x4) a) -
(((u64x4) libdivide_u64_do_vec256(a, &d)) * one_billion
)
);
}
所有这些都未经测试,但假设我没有犯任何愚蠢的错误,它应该相对活泼。
如果您真的想摆脱 libdivide 依赖项,您可以自己执行这些操作,但我真的看不出有什么不使用 libdivide 的充分理由,所以我将把它留给其他人练习。
推荐阅读
- macos - 如何快速查看(mac)文件?
- r - 用 Int 和 Null 总结 dplyr 中的一列
- mysql - 循环选择语句的一部分
- twilio - 使用 dialogflow 和 Twilio 在 whatsapp 聊天机器人中发送媒体文件时出错
- php - 是否可以检测 HTTPRequest 是否可用?
- c# - 用于创建类和接口的 Visual Studio 模板或代码片段
- javascript - 如何拖放 html 表格列?
- r - 使用循环或替代方法来避免重复的代码行
- javascript - 在html中更改子元素onclick父元素的颜色
- javascript - 如何使用 vuex 模块化复杂视图