AVX 和 AVX2 之间的差异

Question

下面是 AVX2 中矩阵乘法的实现。我使用的机器仅支持 AVX，因此我尝试使用 AVX 实现相同的配置。

然而，我很难真正理解差异是什么，以及需要改变什么！此实现中哪些内容是 AVX2 特有的，无法与只能处理 AVX 的机器一起使用？

这是 AVX 和 AVX2 所有命令的链接 https://software.intel.com/sites/landingpage/IntrinsicsGuide/#techs=AVX

感谢您的任何见解！

 for (uint64_t i = 0; i < M; i++)
     {
         for (uint64_t j = 0; j < N; j++)
         {
             __m256 X = _mm256_setzero_ps();
             for (uint64_t k = 0; k < L; k+= 8) {
                 const __m256 AV = _mm256_load_ps(A+i*L+k);
                 const __m256 BV = _mm256_load_ps(B+j*L+k);
                 X = _mm256_fmadd_ps(AV,BV,X);
             }
             C[i*N+j] = hsum_avx(X);
         }
     }

Answer 1

您的代码使用 AVX1 + FMA 指令，而不是 AVX2。例如，它可以在 AMD 打桩机上正常运行。（假设 hsum 以合理的方式实现，提取高半部分，然后使用 128 位混洗。）。

如果您的仅 AVX CPU 也没有 FMA，则您需要使用_mm256_mul_ps和_mm256_add_ps。

对于英特尔来说，AVX2 和 FMA 是在同一代 Haswell 中引入的，但它们是不同的扩展。FMA 在某些没有 AVX2 的 CPU 中可用。

不幸的是，甚至还有带有 AVX2 但没有 FMA 的 VIA CPU，否则 AVX2 意味着 FMA，除非您使用的虚拟机或模拟器故意具有真实硬件所没有的扩展组合。

（一些 AMD CPU 中有一个 FMA4 扩展，有 4 个操作数（3 个输入和一个单独的输出），Bulldozer 到 Zen1，之后英特尔在 AMD 上进行了切换，为时已晚，他们无法更改其 Bulldozer 设计以支持 FMA3。这就是为什么有仅限 AMD 的 FMA4，以及为什么直到 Piledriver 之前 AMD 才支持与 Intel 兼容的 FMA 扩展。但现在这已成为历史的一部分，所以通常我们只是说 FMA 来引用技术上称为 FMA3 的扩展。请参阅 Agner Fog 2009 年的博客 停止指令集战争，以及如何知道我是否可以使用 FMA 指令集进行编译？）

• AVX1：仅限 256 位 FP（除 之外没有整数指令vptest，尽管本例中的 FP 确实包含像 之类的按位指令vxorps ymm）。随机播放仅在通道内（例如vshufps ymm或 new vpermilps）或具有 128 位粒度（vperm2f128或vinsertf128/ vextractf128）。AVX1 还提供所有 SSE1..4 指令（包括整数）的 VEX 编码，具有 3 操作数非破坏性。例如vpsubb xmm0, xmm1, [rdi]
• AVX2：256 位版本的整数 SSE 指令，以及新的通道交叉洗牌，例如vpermps/vpermd和vpermq / pd，并vbroadcastss/sd ymm, xmm带有寄存器源（AVX1 仅具有vbroadcastss ymm, [mem]）。也是一个高效的vpblendd立即整数混合指令，例如vblendps
• FMA3：vfmadd213ps x/ymm, x/ymm, x/ymm/mem等等。（以及 pd 和标量 ss/sd 版本）。还有 fmsub..（减去第三个操作数）、fnmadd..（对乘积求反），甚至 fmaddsub...ps。 _mm256_fmadd_ps将编译为某种形式的vfmadd...ps，具体取决于编译器要覆盖哪个输入操作数，以及要使用哪个操作数作为内存操作数。

这种引入顺序解释了内在命名的错误选择，例如_mm256_permute_ps（立即）和_mm256_permutevar_ps（向量控制）是 AVX1vpermilps通道内排列，而 AVX2 则背负着_mm256_permutexvar_ps. 令人困惑的是，内在函数有一个xfor 车道交叉，而 asm 助记符却很简单。