assembly - 编译器是否只完全展开外循环?
问题描述
我尝试编译此代码并使用循环特定的编译指示告诉编译器多少次展开计数循环。
#include <vector>
int main() {
std::vector<int> v(8192);
#pragma GCC unroll 8 // 16
for (int i = 0; i < 16; i++) {
for (int j = 0; j < 512; j++) {
v[i*512+j] = i*j;
}
}
return 0;
}
当我#pragma GCC unroll 8
在外for
循环之前放置时,编译器不会展开。
.L3:
movd xmm7, ecx
mov rax, rsi
movdqa xmm2, xmm6
pshufd xmm3, xmm7, 0
movdqa xmm4, xmm3
psrlq xmm4, 32
.L4:
movdqa xmm0, xmm2
movdqa xmm1, xmm3
paddd xmm2, xmm5
add rax, 16
pmuludq xmm1, xmm0
psrlq xmm0, 32
pmuludq xmm0, xmm4
pshufd xmm1, xmm1, 8
pshufd xmm0, xmm0, 8
punpckldq xmm1, xmm0
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L4
add ecx, 1
add rsi, 2048
lea rdx, [rax+2048]
cmp ecx, 16
jne .L3
mov rdi, rbp
mov esi, 16384
call _ZdlPvm
xor eax, eax
pop rbp
ret
但是当我#pragma GCC unroll 16
在外for
循环之前放置时,编译器会成功展开外循环。
.L2:
lea rdi, [rbp+8]
mov rcx, rbp
movdqa xmm2, XMMWORD PTR .LC0[rip]
xor eax, eax
and rdi, -8
movdqa xmm0, XMMWORD PTR .LC1[rip]
mov QWORD PTR [rbp+0], 0
lea rdx, [rbp+4096]
sub rcx, rdi
movdqa xmm1, xmm2
mov QWORD PTR [rbp+2040], 0
add ecx, 2048
shr ecx, 3
rep stosq
lea rax, [rbp+2048]
.L3:
movdqa xmm3, xmm1
add rax, 16
paddd xmm1, xmm0
movups XMMWORD PTR [rax-16], xmm3
cmp rax, rdx
jne .L3
lea rdx, [rbp+6144]
movdqa xmm3, xmm2
.L4:
movdqa xmm1, xmm3
add rax, 16
paddd xmm3, xmm0
pslld xmm1, 1
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L4
lea rdx, [rbp+8192]
movdqa xmm3, xmm2
.L5:
movdqa xmm4, xmm3
add rax, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 1
paddd xmm1, xmm4
movups XMMWORD PTR [rax-16], xmm1
cmp rdx, rax
jne .L5
mov rax, rdx
movdqa xmm3, xmm2
lea rdx, [rbp+10240]
.L6:
movdqa xmm1, xmm3
add rax, 16
paddd xmm3, xmm0
pslld xmm1, 2
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L6
mov rdx, rax
movdqa xmm3, xmm2
lea rax, [rbp+12288]
.L7:
movdqa xmm4, xmm3
add rdx, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 2
paddd xmm1, xmm4
movups XMMWORD PTR [rdx-16], xmm1
cmp rax, rdx
jne .L7
lea rdx, [rbp+14336]
movdqa xmm3, xmm2
.L8:
movdqa xmm4, xmm3
add rax, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 1
paddd xmm1, xmm4
pslld xmm1, 1
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L8
movdqa xmm3, xmm2
.L9:
movdqa xmm4, xmm3
add rax, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 3
psubd xmm1, xmm4
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rbx
jne .L9
lea rdx, [rbp+18432]
movdqa xmm3, xmm2
.L10:
movdqa xmm1, xmm3
add rax, 16
paddd xmm3, xmm0
pslld xmm1, 3
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L10
lea rdx, [rbp+20480]
movdqa xmm3, xmm2
.L11:
movdqa xmm4, xmm3
add rax, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 3
paddd xmm1, xmm4
movups XMMWORD PTR [rax-16], xmm1
cmp rdx, rax
jne .L11
lea rax, [rbp+22528]
movdqa xmm3, xmm2
.L12:
movdqa xmm4, xmm3
add rdx, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 2
paddd xmm1, xmm4
pslld xmm1, 1
movups XMMWORD PTR [rdx-16], xmm1
cmp rax, rdx
jne .L12
lea rdx, [rbp+24576]
movdqa xmm4, xmm2
.L13:
movdqa xmm3, xmm4
add rax, 16
paddd xmm4, xmm0
movdqa xmm1, xmm3
pslld xmm1, 1
paddd xmm1, xmm3
pslld xmm1, 2
psubd xmm1, xmm3
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L13
lea rdx, [rbp+26624]
movdqa xmm3, xmm2
.L14:
movdqa xmm4, xmm3
add rax, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 1
paddd xmm1, xmm4
pslld xmm1, 2
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L14
lea rdx, [rbp+28672]
movdqa xmm4, xmm2
.L15:
movdqa xmm3, xmm4
add rax, 16
paddd xmm4, xmm0
movdqa xmm1, xmm3
pslld xmm1, 1
paddd xmm1, xmm3
pslld xmm1, 2
paddd xmm1, xmm3
movups XMMWORD PTR [rax-16], xmm1
cmp rax, rdx
jne .L15
lea rdx, [rbp+30720]
movdqa xmm3, xmm2
.L16:
movdqa xmm4, xmm3
add rax, 16
paddd xmm3, xmm0
movdqa xmm1, xmm4
pslld xmm1, 3
psubd xmm1, xmm4
pslld xmm1, 1
movups XMMWORD PTR [rax-16], xmm1
cmp rdx, rax
jne .L16
mov rax, rdx
lea rdx, [rbp+32768]
.L17:
movdqa xmm3, xmm2
add rax, 16
paddd xmm2, xmm0
movdqa xmm1, xmm3
pslld xmm1, 4
psubd xmm1, xmm3
movups XMMWORD PTR [rax-16], xmm1
cmp rdx, rax
jne .L17
mov rdi, rbp
mov esi, 16384
call _ZdlPvm
add rsp, 8
xor eax, eax
pop rbx
pop rbp
ret
那么编译器是否只完全展开外循环?
GCC 版本:g++ (Compiler-Explorer-Build-gcc-b8ef019ab938471f7f877a1eee3a6374fd8a6ae9-binutils-2.36.1) 12.0.0 20211029 (实验性)
选项:-O2
神螺栓: https ://godbolt.org/z/zq7TWesY9
解决方案
https://godbolt.org/z/PT6T1691W似乎可以-O2 -funroll-loops
解决问题,显然需要启用该选项才能使编译指示告诉 GCC 展开多少。(更新:或者至少使它有一些效果。见评论,这似乎还不是一个完整的答案。)
(-funroll-loops
默认情况下不启用,除非您使用-fprofile-use
, 在运行并运行具有代表性输入的程序之后。很久-fprofile-generate
以前它在 -O3 时默认启用,但代码膨胀 I-cache 压力通常会使循环变得更糟不热。这会导致 GCC 花费大部分时间的循环是 SIMD 的几条指令,但完全展开的标量序言/尾声是指令数量的 10 倍,尤其是在更宽的情况下向量。即使使用 AVX-512,GCC 通常只对奇数个元素使用标量,而不是创建掩码。:/)
完全展开循环是 GCC 甚至会做的事情-O2
,至少对于非常小的行程计数。(例如,一个int
数组最多 3 个p[i] += 1;
,带有-O2 -fno-tree-vectorize
)。 https://godbolt.org/z/P5rvjYj1b
-O2
完全展开更大的循环或更高的行程计数(当静态代码大小可能会因此而增加时)似乎默认情况下没有启用。(GCC在他们的调优选项/参数中称之为剥离循环,即从循环中剥离所有迭代,这样它就消失了。 是 on ,但不是。由于 GCC11,不再打印作为 asm 注释启用的优化选项列表.)-fpeel-loops
-O3
-O2
-fverbose-asm
-O2
顺便说一句,现在在 GCC 主干中似乎默认启用了自动矢量化。以前它只在 at 上-O3
,所以这很有趣。
推荐阅读
- android-studio - 由于Windows上的HAXM错误而无法安装android studio
- node.js - Express、Multer 和 Cloudinary 未返回完整的 Cloudinary 响应
- nginx - 如何让 nginx 重定向到 url 编码的查询参数
- python - 是否可以在不先写入文件的情况下组合来自 ffmpeg-python 的音频和视频?
- google-sheets - 使用重要范围和动态单元格引用的 Google 表格查询
- html - 为什么我的子 div 溢出到父 div 之外?
- field - 无法理解在哪里注册字段
- java - @PostFilter 不适用于 Spring @Aspect
- react-native - React Native (Android) - 找不到符号类 ReactInstanceManager
- python - Pandas group by cumsum length of values does not match length of index