gcc - 我需要做什么才能让 GCC 4.9 认识到使用 AVX FMA 的机会？

Question

我有std::vector<double> X,Y两种尺寸 N (用 N%16==0 )我想计算 sum(X[i]*Y[i]) .这是融合乘加 (FMA) 的经典用例，它在支持 AVX 的处理器上应该很快。我知道我所有的 objective-c PU 都是 Intel、Haswell 或更新的。

如何让 GCC 发出该 AVX 代码？ -mfma是解决方案的一部分，但我需要其他开关吗？

并且是std::vector<double>::operator[]阻碍这个？我知道我可以改变

size_t N = X.size();
double sum = 0.0;
for (size_t i = 0; i != N; ++i) sum += X[i] * Y[i];

到

size_t N = X.size();
double sum = 0.0;
double const* Xp = &X[0];
double const* Yp = &X[0];
for (size_t i = 0; i != N; ++i) sum += Xp[i] * Yp[i];

所以编译器可以发现 &X[0]在循环中不会改变。但这是否足够甚至是必要的？

当前编译器是 GCC 4.9.2、Debian 8，但如果需要可以升级到 GCC 5。

Answer 1

你看过程序集了吗？我把

double foo(std::vector<double> &X, std::vector<double> &Y) {
    size_t N = X.size();
    double sum = 0.0;
    for (size_t i = 0; i <N; ++i) sum += X[i] * Y[i];
    return sum;
}

进入http://gcc.godbolt.org/并使用 -O3 -mfma 查看 GCC 4.9.2 中的程序集，我明白了

.L3:
        vmovsd  (%rcx,%rax,8), %xmm1
        vfmadd231sd     (%rsi,%rax,8), %xmm1, %xmm0
        addq    $1, %rax
        cmpq    %rdx, %rax
        jne     .L3

所以它使用了fma。但是，它不会对循环进行矢量化(sd 中的 s 表示单浮点(即未压缩)，d 表示双浮点)。

要对循环进行矢量化，您需要启用关联数学，例如使用 -Ofast。使用 -Ofast -mavx2 -mfma 给出

.L8:
        vmovupd (%rax,%rsi), %xmm2
        addq    $1, %r10
        vinsertf128     $0x1, 16(%rax,%rsi), %ymm2, %ymm2
        vfmadd231pd     (%r12,%rsi), %ymm2, %ymm1
        addq    $32, %rsi
        cmpq    %r10, %rdi
        ja      .L8

所以现在它是矢量化的(pd 表示压缩 double )。但是，它没有展开。这是目前 GCC 的限制。由于依赖链，您需要展开多次。如果您想让编译器为您执行此操作，请考虑使用展开四次的 Clang，否则使用内部函数手动展开。

请注意，与 GCC 不同，Clang 默认情况下不使用 -mfma 的 fma。为了在 Clang 中使用 fma，请使用 -ffp-contract=fast(例如 -O3 -mfma -ffp-contract=fast)或 #pragma STDC FP_CONTRACT ON 或使用例如启用关联数学-Ofast 如果您想使用 Clang 对循环进行矢量化，无论如何您都需要启用关联数学。

参见 Fused multiply add and default rounding modes和 https://stackoverflow.com/a/34461738/2542702有关使用不同编译器启用 fma 的更多信息。

---

GCC 创建了很多额外的代码来处理错位，并且 N 不是 8 的倍数。您可以告诉编译器使用 __builtin_assume_aligned 和使用 N & -8

N 是 8 的倍数

以下代码带有-Ofast -mavx2 -mfma

double foo2(double * __restrict X, double * __restrict Y, int N) {
    X = (double*)__builtin_assume_aligned(X,32);
    Y = (double*)__builtin_assume_aligned(Y,32);
    double sum = 0.0;
    for (int i = 0; i < (N &-8); ++i) sum += X[i] * Y[i];
    return sum;
}

生成以下简单程序集

        andl    $-8, %edx
        jle     .L4
        subl    $4, %edx
        vxorpd  %xmm0, %xmm0, %xmm0
        shrl    $2, %edx
        xorl    %ecx, %ecx
        leal    1(%rdx), %eax
        xorl    %edx, %edx
.L3:
        vmovapd (%rsi,%rdx), %ymm2
        addl    $1, %ecx
        vfmadd231pd     (%rdi,%rdx), %ymm2, %ymm0
        addq    $32, %rdx
        cmpl    %eax, %ecx
        jb      .L3
        vhaddpd %ymm0, %ymm0, %ymm0
        vperm2f128      $1, %ymm0, %ymm0, %ymm1
        vaddpd  %ymm1, %ymm0, %ymm0
        vzeroupper
        ret
.L4:
        vxorpd  %xmm0, %xmm0, %xmm0
        ret