将英特尔-03双__m256d指令转换成__m512d

Question

为256向量化寄存器编写的代码将使用使用O3优化级别的(2019)英特尔编译器编译为使用512条指令吗?

。对两个__m256d对象的操作是否会被转换为对掩码__m512d对象的相同数量的操作，或者分组以最大限度地利用寄存器，在最好的情况下，操作总数下降了2倍?

arch: Knights Landing

Answer 1

遗憾的是，没有:使用AVX/AVX-2 intrinsic编写的代码不会被ICC重写，因此使用AVX-512尚未(ICC 2019和ICC 2021)。没有指令融合。下面是一个例子(参见GodBolt)。

#include <x86intrin.h>
void compute(double* restrict data, int size)
{
__m256d cst1 = _mm256_set1_pd(23.42);
__m256d cst2 = _mm256_set1_pd(815.0);
__m256d v1 = _mm256_load_pd(data);
__m256d v2 = _mm256_load_pd(data+4);
__m256d v3 = _mm256_load_pd(data+8);
__m256d v4 = _mm256_load_pd(data+12);
v1 = _mm256_fmadd_pd(v1, cst1, cst2);
v2 = _mm256_fmadd_pd(v2, cst1, cst2);
v3 = _mm256_fmadd_pd(v3, cst1, cst2);
v4 = _mm256_fmadd_pd(v4, cst1, cst2);
_mm256_store_pd(data, v1);
_mm256_store_pd(data+4, v2);
_mm256_store_pd(data+8, v3);
_mm256_store_pd(data+12, v4);
}

生成的代码:

compute:
vmovupd   ymm0, YMMWORD PTR .L_2il0floatpacket.0[rip]   #5.20
vmovupd   ymm1, YMMWORD PTR .L_2il0floatpacket.1[rip]   #6.20
vmovupd   ymm2, YMMWORD PTR [rdi]                       #7.33
vmovupd   ymm3, YMMWORD PTR [32+rdi]                    #8.33
vmovupd   ymm4, YMMWORD PTR [64+rdi]                    #9.33
vmovupd   ymm5, YMMWORD PTR [96+rdi]                    #10.33
vfmadd213pd ymm2, ymm0, ymm1                            #11.10
vfmadd213pd ymm3, ymm0, ymm1                            #12.10
vfmadd213pd ymm4, ymm0, ymm1                            #13.10
vfmadd213pd ymm5, ymm0, ymm1                            #14.10
vmovupd   YMMWORD PTR [rdi], ymm2                       #15.21
vmovupd   YMMWORD PTR [32+rdi], ymm3                    #16.21
vmovupd   YMMWORD PTR [64+rdi], ymm4                    #17.21
vmovupd   YMMWORD PTR [96+rdi], ymm5                    #18.21
vzeroupper                                              #19.1
ret                                                     #19.1

为两个版本的ICC生成相同的代码。

请注意，使用AVX-512不应该总是使代码的速度提高两倍。例如，在Skylake SP(服务器端处理器)上，有2个AVX/AVX-2 SIMD单元可以融合来执行AVX-512指令，但融合并不能提高吞吐量(假设SIMD单元是瓶颈)。但是，Skylake SP还支持可选的附加的512位SIMD单元，不支持AVX/AVX-2(仅在某些处理器上可用)。在这种情况下，AVX-512可以使您的代码速度提高一倍。