如何使用 gcc 或 clang 模拟 _mm256_loadu_epi32？

Question

英特尔的内在指南列出了内在的_mm256_loadu_epi32：

_m256i _mm256_loadu_epi32 (void const* mem_addr);
/*
   Instruction: vmovdqu32 ymm, m256
   CPUID Flags: AVX512VL + AVX512F
   Description
       Load 256-bits (composed of 8 packed 32-bit integers) from memory into dst.
       mem_addr does not need to be aligned on any particular boundary.
   Operation
   a[255:0] := MEM[mem_addr+255:mem_addr]
   dst[MAX:256] := 0
*/

但是 clang 和 gcc 不提供这种内在的。相反，他们avx512vlintrin.h仅提供（在文件中）屏蔽版本

_mm256_mask_loadu_epi32 (__m256i, __mmask8, void const *);
_mm256_maskz_loadu_epi32 (__mmask8, void const *);

归结为相同的指令vmovdqu32。我的问题：我怎样才能模仿_mm256_loadu_epi32：

 inline _m256i _mm256_loadu_epi32(void const* mem_addr)
 {
      /* code using vmovdqu32 and compiles with gcc */
 }

无需编写程序集，即仅使用可用的内在函数？

Answer 1

_mm256_loadu_si256像正常人一样使用。AVX512 内在给你的唯一东西是一个更好的原型（const void*而不是const __m256i*）。

@chtz 建议您可能仍然想自己编写一个包装函数来获取void*原型。但不要叫它_mm256_loadu_epi32; 某些未来的 GCC 版本可能会添加它以与英特尔的文档兼容并破坏您的代码。

vmovdqu32 ymm当您不屏蔽时，您甚至不希望编译器发出；vmovdqu ymm更短，做完全相同的事情，与 EVEX 编码的指令混合没有损失。编译器总是可以使用vmovdqu32or64如果它想加载到 ymm16..31 中，否则您希望它使用较短的 VEX 编码 AVX1 vmovdqu。

我很确定 GCC 的处理方式与 asm_mm256_maskz_epi32(0xffu,ptr)完全相同，_mm256_loadu_si256((const __m256i*)ptr)并且无论您使用哪个 asm。它可以优化0xffu掩码并简单地使用未掩码的负载，但您的源不需要额外的复杂性。

但不幸的vmovdqu32 ymm0, [mem]是，-march=skylake-avx512即使在您编写_mm256_loadu_si256. 这是一个遗漏的优化，GCC Bug 89346。

只要没有屏蔽，您使用哪个 256 位加载内在函数（对齐与未对齐除外）都没有关系。

有关的：

• 错误：“_mm512_loadu_epi64”未在此范围内声明
• _mm512_load_epi32 和_mm512_load_si512 有什么区别？