低效的内存访问模式和不规则的步幅访问

Question

我正在尝试优化这个功能：

bool interpolate(const Mat &im, float ofsx, float ofsy, float a11, float a12, float a21, float a22, Mat &res)
{         
   bool ret = false;
   // input size (-1 for the safe bilinear interpolation)
   const int width = im.cols-1;
   const int height = im.rows-1;
   // output size
   const int halfWidth  = res.cols >> 1;
   const int halfHeight = res.rows >> 1;
   float *out = res.ptr<float>(0);
   const float *imptr  = im.ptr<float>(0);
   for (int j=-halfHeight; j<=halfHeight; ++j)
   {
      const float rx = ofsx + j * a12;
      const float ry = ofsy + j * a22;
      #pragma omp simd
      for(int i=-halfWidth; i<=halfWidth; ++i, out++)
      {
         float wx = rx + i * a11;
         float wy = ry + i * a21;
         const int x = (int) floor(wx);
         const int y = (int) floor(wy);
         if (x >= 0 && y >= 0 && x < width && y < height)
         {
            // compute weights
            wx -= x; wy -= y;
            int rowOffset = y*im.cols;
            int rowOffset1 = (y+1)*im.cols;
            // bilinear interpolation
            *out =
                (1.0f - wy) *
                ((1.0f - wx) * 
                imptr[rowOffset+x] +
                wx * 
                imptr[rowOffset+x+1]) +
                (       wy) *
                ((1.0f - wx) * 
                imptr[rowOffset1+x] + 
                wx *
                imptr[rowOffset1+x+1]);
         } else {
            *out = 0;
            ret =  true; // touching boundary of the input            
         }
      }
   }
   return ret;
}

我正在使用英特尔顾问对其进行优化，即使内部for已经矢量化，英特尔顾问仍检测到低效的内存访问模式：

• 60% 单位/零步幅访问
• 40% 的不规则/随机步幅访问

特别是以下三个指令中有4个聚集（不规则）访问：

根据我的理解，当访问的元素属于类型 时，会发生收集访问的问题a[b]，其中类型b是不可预测的。这似乎就是 的情况imptr[rowOffset+x]，其中 和rowOffset都是x不可预测的。

同时，我看到Vertical Invariant当使用恒定偏移量访问元素时应该发生这种情况（再次，根据我的理解）。但实际上我不知道这个恒定的偏移量在哪里

所以我有3个问题：

1. 我是否正确理解了收集访问的问题？
2. 垂直不变访问怎么样？我对这一点不太确定。
3. 最后，我该如何改进/解决这里的内存访问？

使用icpc2017 update 3 编译，具有以下标志：

INTEL_OPT=-O3 -ipo -simd -xCORE-AVX2 -parallel -qopenmp -fargument-noalias -ansi-alias -no-prec-div -fp-model fast=2 -fma -align -finline-functions
INTEL_PROFILE=-g -qopt-report=5 -Bdynamic -shared-intel -debug inline-debug-info -qopenmp-link dynamic -parallel-source-info=2 -ldl

Answer 1

矢量化（SIMD 化）您的代码不会自动使您的访问模式变得更好（或更差）。为了最大限度地提高矢量化代码的性能，您必须尝试在代码中使用单位步长（也称为连续、线性、步长 1）内存访问模式。或者至少是“可预测的”常规步幅-N，其中 N 理想地应该是适度低的值。

如果不引入这种规律性，您可以在指令级别保持内存加载/存储操作部分顺序（非并行）。因此，每次您想要进行“并行”加法/乘法等时，您都必须进行“非并行”原始数据元素“收集”。

在您的情况下，似乎有常规的 stride-N （逻辑上） - 这可以从代码片段和 Advisor MAP 输出（在右侧面板上）中看到。 垂直不变性- 意味着您有时会在迭代之间访问相同的内存位置。单位步幅意味着在其他情况下您具有逻辑上连续的内存访问。

然而，代码结构很复杂：循环体内有 if 语句，有复杂的条件和浮点 --> 整数（简单但仍然）转换。

因此，编译器必须使用最通用和最低效的方法（收集）“以防万一”，因此您的物理、实际内存访问模式（来自编译器代码生成）是不规则的“GATHER”，但逻辑上您的访问模式是规则的（不变或单位步长）。

解决方案可能不是很容易，但我会尝试以下操作：

1. 如果算法允许 - 考虑排除 if 语句。有时可以通过将循环分成几个循环来实现。
2. 尝试使用半浮点归纳变量、下限等。尝试将它们设为整数并使用“规范”形式（ for (i) array [super-simple-expression(i)] = some ）
3. 尝试使用 pragma simd 的线性子句来通知编译器实际上在某处存在单位步长