是否存在强制C编译器直接使用内存操作数的语法？
在好的旧asm时间里，我们只需在指令中写入操作数的位置——"实数"寄存器或内存指针(由地址指向的位置(。
但是，在C的内部伪asm中，我看不到强制编译器在指令中使用内存指针的方法(拒绝将数据从内存(缓存(加载到"寄存器"，即将寄存器文件加载的内容丢弃到缓存，并导致重新加载(惩罚(。
我知道程序员很容易简单地将"变量"操作数写入Instinc，并让编译器决定是先从内存加载还是直接使用(如果可能的话(。
当前任务：我想在AVX2 CPU上用512字节的寄存器文件(每个32字节的16个ymm"寄存器"(计算8x8 8位块序列的SAD。因此，它可以加载8个8x8 8位源块，以完全填充可用的AVX2寄存器文件。
我想在所有寄存器文件中加载源块，并针对这些源块和每个ref位置从内存中测试不同的"ref"位置一次。所以我想防止CPU将ref块从缓存加载到寄存器文件，并在sad指令中使用"内存操作数"。
使用asm，我们只需编写类似的内容
(load all 16 ymm registers with src)
vpsadbw ymm0, ymm0, [ref_base_address_register + some_offset...]
但在具有内在特征的C文本中，它是
__m256i src = load_src(src_pointer);
__m256i ref = load_ref(ref_pointer);
__m256i sad_result= _mm256_sad_epu8(src, ref)
它没有办法指向编译器使用像这样的有效内存操作数
__m256i src = load_src(src_pointer);
__m256i sad_result= _mm256_sad_epu8(src, *ref_pointer)
或者取决于"任务大小"，如果编译器将耗尽可用寄存器，它将自动切换到内存操作数版本，程序员可以编写
__m256i sad_result=_mm256_sad_epu8(*(__m256i*)src_pointer, *(__m256i*)ref_pointer)
并且期望编译器将2个操作数中的一个加载到寄存器文件并使用内存中的下一个？
没有，除了一些特定的内部函数有指针操作数，即使它们不是纯加载或纯存储1。
内部函数的部分目的是抽象掉寄存器分配的细节，就像它对int或double所做的那样，所以当这是一件好事时，由编译器将内容保留在寄存器中。这种情况通常会发生，因此，如果您担心优化器无法将内部加载折叠到内存源操作数中，请检查asm输出(例如https://godbolt.org/或本地(。AVX(VEX编码(允许折叠甚至未对齐的负载，因为与传统SSE不同，默认情况下不需要对齐。
当编译器失败时，这可能会很糟糕，就像许多用于_mm256_cvtepu8_epi32( _mm_loadl_epi64(p) )-GCC的编译器一样，后者用于发出实际的movq加载和reg regvpmovzxbd。只有在GCC9和更高版本中，我们才能获得内存源vpmovzxbd。(将8个字符从内存加载到__m256变量中，作为压缩的单精度浮点(
或者，对于您的情况，如果编译器泄露了错误的内容，唯一的解决方法是提交一份遗漏的优化错误报告，然后等待新的编译器版本。或者用asm(内联或独立(编写一个版本。
内部函数模型的设计者还希望提供load/loadu和store/storeu内部函数来向编译器传递对齐信息。(对于float/double，在float*和__m128*之间进行强制转换或其他任何操作。(如果编译器不能看穿数组并将其保存在寄存器中，则_mm_load_si128((__m128i*)foo)与*(__m128i*)foo完全相同，与访问__m128i数组的元素几乎相同。请参阅硬件SIMD矢量指针和相应类型之间的"interpret_cast"是未定义的行为吗？
令人困惑的是，加载内部函数看起来像asm-loads/store，但当启用优化时，它们实际上根本不同。
脚注1：AVX-512有一些特殊的指令，它们具有相应有趣的内部函数，如VPMOVDB mem128 {k}, zmm2-void _mm512_mask_cvtepi32_storeu_epi8(void * d, __mmask16 k, __m512i a);。能够存储到内存为Xeon Phi(Knight’s Landing(提供了一种在没有AVX-512BW的情况下为vmovdqu8进行字节屏蔽存储的方法。