适用于AVX512掩码寄存器（k1 ... k7）的GNU C内联asm输入约束？

Question

AVX512为其算术命令引入了opmask功能。一个简单的示例：godbolt.org。

#include <immintrin.h>
__m512i add(__m512i a, __m512i b) {
    __m512i sum;
    asm(
        "mov ebx, 0xAAAAAAAA;                                   \n\t"
        "kmovw k1, ebx;                                         \n\t"
        "vpaddd %[SUM] %{k1%}%{z%}, %[A], %[B];  # conditional add   "
        :   [SUM]   "=v"(sum)
        :   [A]     "v" (a),
            [B]     "v" (b)
        : "ebx", "k1"  // clobbers
       );
    return sum;
}

---

-march=skylake-avx512 -masm=intel -O3

---

 mov ebx,0xaaaaaaaa
 kmovw k1,ebx
 vpaddd zmm0{k1}{z},zmm0,zmm1

---

问题是必须指定k1。

是否有类似于"r"整数的输入约束，除了它选择k寄存器而不是通用寄存器外？

Answer 1

虽然没有记录，但在这里我们看到：

（define_register_constraint“ Yk”“ TARGET_AVX512F？MASK_REGS：NO_REGS”“ @internal可用作谓词的任何掩码寄存器，即k1-k7。”）

编辑您的螺栓：

asm(
"vpaddd %[SUM] %{%[k]}, %[A], %[B]" 
: [SUM] "=v"(sum) 
: [A] "v" (a), [B] "v" (b), [k] "Yk" (0xaaaaaaaa) );

似乎产生正确的输出。

也就是说，我通常会劝阻人们不要使用嵌入式asm（和未记录的功能）。你可以用_mm512_mask_add_epi32吗？

Answer 2

__mmask16实际上是typedef的unsigned short类型（其他普通整数类型的其他掩码类型），因此我们只需要一个约束即可将其传递到k寄存器中。

我们必须去挖掘gcc的源config/i386/constraints.md才能找到它：

任何掩码寄存器的约束为"k"。 或"Yk"用于k1..k7（可以用作谓词，与不同k0）。 例如，您"=k"会将操作数用作掩码比较的目标。

显然，您可以使用"=Yk"(tmp)与__mmask16 tmp来让编译器为您分配寄存器，而不仅仅是在"k"决定使用的任何寄存器上声明clobbers 。

首先，如果可以避免的话，请https://gcc.gnu.org/wiki/DontUseInlineAsm。 理解 asm非常棒，但是可以使用它来读取编译器输出和/或找出最佳选择，然后编写可以编译所需方式的内在函数。性能调优信息（例如https://agner.org/optimize/和https://uops.info/）通过asm助记符列出内容，并且比内在函数更短/更容易记住，但是您可以通过助记符进行搜索以找到内在函数在https://software.intel.com/sites/landingpage/IntrinsicsGuide/

内部函数还将使编译器将负载折叠到其他指令的内存源操作数中。使用AVX512，甚至可以广播负载！内联汇编程序强制编译器使用单独的加载指令。 甚至"vm"输入也不会让编译器选择广播负载作为内存源，因为它不知道与之一起使用的指令的广播元素宽度。

使用_mm512_mask_add_epi32或_mm512_maskz_add_epi32特别是如果您已经在使用中的__m512i类型<immintrin.h>。

另外，您的asm有一个错误：您使用的是{k1}合并屏蔽而不是{k1}{z}零屏蔽，但是您使用了未初始化__m512i sum;且带有仅输出"=v"约束作为合并目标！作为独立功能，a由于调用约定的ZMM0 =第一个输入=返回值寄存器，因此碰巧合并到其中。但是当内联到其他函数中时，您绝对不能假定sum它将选择与相同的寄存器a。最好的选择是对它使用读/写操作数，"+v"(a)并将其用作目标和第一个源。

合并屏蔽仅对"+v"读/写操作数有意义。 （或者在具有多个指令的asm语句中，您已经编写了一次输出，并希望将另一个结果合并到其中。）

本能会阻止您犯此错误；合并掩码版本为合并目标提供了额外的输入。（asm目标操作数）。

使用“ Yk”的示例

// works with -march=skylake-avx512 or -march=knl
// or just -mavx512f but don't do that.
#include <immintrin.h>
__m512i add_zmask(__m512i a, __m512i b) {
    __m512i sum;
    asm(
        "vpaddd %[SUM] %{%[mask]%}%{z%}, %[A], %[B];  # conditional add   "
        :   [SUM]   "=v"(sum)
        :   [A]     "v" (a),
            [B]     "v" (b),
         // no clobbers needed, unlike your question which I fixed with an edit
       );
    return sum;
}

早于4.9可以使用gcc进行编译，但实际上不这样做，因为它不了解-march=skylake-avx512，甚至没有为Skylake或KNL进行调整的设置。

Godbolt编译器资源管理器：

# gcc8.3 -O3 -march=skylake-avx512 or -march=knl
add(long long __vector, long long __vector):
        mov     eax, -21846
        kmovw   k1, eax         # compiler-generated
       # inline asm starts
        vpaddd zmm0 {k1}{z}, zmm0, zmm1;  # conditional add   
       # inline asm ends
        ret

-mavx512bw（由表示，-march=skylake-avx512但没有knl）在"Yk"上工作需要int。如果您使用进行编译-march=knl，则整数文字需要强制转换为__mmask16或__mask8，因为unsigned int = __mask32不适用于掩码。

[mask] "Yk" (0xAAAA) 即使常量确实适合16位，也需要AVX512BW，因为裸整数文字始终具有type int。（vpadddzmm每个向量有16个元素，因此我将常数缩短为16位。）使用AVX512BW，您可以传递更宽的常数，也可以忽略更小的常数。

• gcc6及更高版本的支持-march=skylake-avx512。使用它来设置调整并启用所有功能。优选gcc8或至少gcc7。如果您在内联汇编之外使用新的ISA扩展（例如AVX512），则较新的编译器会生成不太笨拙的代码。
• gcc5支持-mavx512f -mavx512bw但不了解Skylake。
• gcc4.9不支持-mavx512bw。

"Yk"不幸的是，尚未在https://gcc.gnu.org/onlinedocs/gcc/Machine-Constraints.html中进行记录。

由于Ross 在GNU C内联汇编中的回答，我知道在GCC源代码中可以找到的地方，单个操作数的xmm / ymm / zmm修饰符是什么？