我正在尝试通过研究使用-O3优化在
gcc中编译的简单C代码来学习矢量化.更具体地说,编译器的矢量化程度如何.这是一个个人的旅程,能够通过更复杂的计算来验证gcc -O3的性能.我理解传统的观点是编译器比人更好,但我从不认为这种智慧是理所当然的.
然而,在我的第一个简单测试中,我发现gcc的一些选择很奇怪,而且老实说,在优化方面非常疏忽.我愿意假设有一些编译器是有目的的,并且知道关于cpu的一些事情(在这种情况下是Intel i5-2557M),我不知道.但我需要知识渊博的人做一些确认.
我的简单测试代码(段)是：
int i; float a[100]; for (i=0;i<100;i++) a[i]= (float) i*i;
与for循环对应的结果汇编代码(段)如下：
.L6: ; loop starts here
movdqa xmm0,xmm1 ; copy packed integers in xmm1 to xmm0
.L3:
movdqa xmm1,xmm0 ; wait,what!? WHY!? this is redundant.
cvtdq2ps xmm0,xmm0 ; convert integers to float
add rax,16 ; increment memory pointer for next iteration
mulps xmm0,xmm0 ; pack square all integers in xmm0
paddd xmm1,xmm2 ; pack increment all integers by 4
movaps XMMWORD PTR [rax-16],xmm0 ; store result
cmp rax,rdx ; test loop termination
jne .L6
我理解所有步骤,并且在计算上,所有步骤都是有道理的.但是,我不明白,gcc选择在迭代循环中加入一个步骤,在xmm0加载xmm1之后立即加载xmm1和xmm0.即
.L6
movdqa xmm0,xmm1 ; loop starts here
.L3
movdqa xmm1,xmm0 ; grrr!
仅这一点让我质疑优化器的健全性.显然,额外的MOVDQA不会干扰数据,但从面值来看,gcc似乎非常疏忽.
在汇编代码(未示出)的早期,xmm0和xmm2被初始化为对于矢量化有意义的某个值,因此很明显,在循环开始时,代码必须跳过第一个MOVDQA.但是为什么gcc不会简单地重新排列,如下所示.
.L3
movdqa xmm1,xmm0 ; initialize xmm1 PRIOR to loop
.L6
movdqa xmm0,xmm1 ; loop starts here
或者甚至更好,只需初始化xmm1而不是xmm0并完全转储MOVDQA xmm1,xmm0步骤！
我准备相信cpu足够聪明,可以跳过冗余步骤或类似的东西,但是如果它能够完全优化复杂的代码,如果它甚至可以得到这么简单的代码呢？或者有人能提供一个合理的解释,让我相信gcc -O3是好东西吗？
解决方法
我不是100％肯定,但看起来你的循环通过将其转换为浮动来破坏xmm0,所以你要在xmm1中得到整数值,然后复制到另一个寄存器(在这种情况下是xmm0).
虽然已知编译器有时会发出不必要的指令,但在这种情况下,我无法真正看到这种情况.
如果你想让xmm0(或xmm1)保持整数,那么对于i的第一个值,不要使用float的强制转换.也许你想要做的是：
for (i=0;i<100;i++)
a[i]= (float)(i*i);
但另一方面,gcc 4.9.2似乎没有这样做：
g++ -S -O3 floop.cpp
.L2:
cvtdq2ps %xmm1,%xmm0
mulps %xmm0,%xmm0
addq $16,%rax
paddd %xmm2,%xmm1
movaps %xmm0,-16(%rax)
cmpq %rbp,%rax
jne .L2
clang也不是(大约3周前的3.7.0)
clang++ -S -O3 floop.cpp
movdqa .LCPI0_0(%rip),%xmm0 # xmm0 = [0,1,2,3]
xorl %eax,%eax
.align 16,0x90
.LBB0_1: # %vector.body
# =>This Inner Loop Header: Depth=1
movd %eax,%xmm1
pshufd $0,%xmm1,%xmm1 # xmm1 = xmm1[0,0]
paddd %xmm0,%xmm1
cvtdq2ps %xmm1,%xmm1
mulps %xmm1,%xmm1
movaps %xmm1,(%rsp,%rax,4)
addq $4,%rax
cmpq $100,%rax
jne .LBB0_1
我编译的代码：
extern int printf(const char *,...);
int main()
{
int i;
float a[100];
for (i=0;i<100;i++)
a[i]= (float) i*i;
for (i=0; i < 100; i++)
printf("%f\n",a[i]);
}
