英特尔AVX在C中不一致_mm256_load_si256整数运算

Question

为了并行化我的基于数组的代码,我试图弄清楚如何利用英特尔AVX内在函数在大型数组上执行并行操作.

从我已经阅读的文档中可以看出,256位AVX向量将支持多达8个并行32位整数/ 32位浮点数或最多4个并行64位双精度数.浮动部分没有给我任何问题,工作正常,但整数AVX函数让我头疼,让我用以下代码来演示:

命令行选项-mavx与符合AVX的Intel处理器一起使用.我不会使用AVX2功能.编译将在Ubuntu 16.04上使用GNU99 C完成.

AVX FP:

#include <stdio.h>
#include <stdlib.h>
#include <immintrin.h>

int main() 
{ 
    float data[8] = {1.f,2.f,3.f,4.f,5.f,6.f,7.f,8.f};
    __m256 points = _mm256_loadu_ps(&data[0]);

    for(int i = 0; i < 8; i++)
        printf("%f\n",points[i]);

    return 0;
}

输出:

1.000000
2.000000
3.000000
4.000000
5.000000
6.000000
7.000000
8.000000

这完全是应该的,但是当使用整数加载AVX函数时不是这种情况:

AVX INT:

#include <stdio.h>
#include <stdlib.h>
#include <immintrin.h>

int main() 
{ 
    int data[8] = {1,2,3,4,5,6,7,8};
    __m256i points = _mm256_loadu_si256((__m256i *)&data[0]);

    for(int i = 0; i < 8; i++)
        printf("%d\n",points[i]);

    return 0;
}

输出:

1
3
5
7
1048576 [ out of bounds ]
0 [ out of bounds ]
1 [ out of bounds ]
3 [ out of bounds ]

如您所见,加载仅在__m256i类型变量中生成4个元素,其中仅从原始数组加载第一个,第三个,第五个和第七个元素.超出第四个元素,引用超出范围.

如何将整个数据集加载到整数AVX数据类型中产生所需的结果,就像AVX浮点数据类型一样？

Answer 1

您正在使用GNU C扩展来索引向量,[]而不是将其存储回数组.英特尔关于内在函数的文档没有什么可说的,并非所有编译器都支持它(例如MSVC没有).

GCC定义__m256i为GNU C本机向量long long. <immintrin.h>没有__m256i为SIMD矢量定义不同类型的int或者short,并且__m256i不记得它来自何处或如何设置.(与FP矢量不同,其中有单独的C类型ps和pd,所以__m128d _mm_castps_pd(__m128)如果你想使用shufpd或unpcklpd在ps矢量上,你必须这样做)

您可以typedef像您一样使用本机矢量类型v8si(请参阅上一个链接到gcc文档),或使用像Agner Fog的VCL这样的库,它为您提供类似Vec8i(8签名int)或Vec32uc(32未签名char)的类型.他们有运算符重载,让你写a + b的,而不是_mm256_add_epi32(a, b)或_mm256_add_epi8(a,b)根据类型.或者使用[]而不是_mm_extract_epi32/ epi8/epi16/epi64.

请参阅打印__m128i变量以获取便携式和安全/正确的方法来循环/打印出英特尔固有SIMD变量的元素.TL:DR:_mm_store/ _mm256_store到tmp数组和索引.它是可移植的,并且它可以优化(pextrd对于整数或只是一个随机播放的FP),在简单的情况下没有实际的存储/重新加载.