我有一些用numpy编写的代码，我正在考虑将它移植到Fortran以获得更好的性能。
我做过几次的一个操作就是将两个数组的元素乘积相加：
sum(A*B)
看起来融合的乘法 - 加法指令会对此有所帮助。我当前的处理器不支持这些说明，所以我还无法测试。但是，我可能会升级到支持FMA3（Intel Haswell处理器）的新处理器。
有没有人知道用“-march = native”（或ifort等价物）编译程序是否足以让编译器（gfortran或ifort）明智地使用SIMD指令来优化代码，或者你认为我必须要编译器或代码吗？
答案 0 :(得分：3)
如果在具有SIMD的计算机上使用-march=native，编译器应该生成SIMD指令，尽管我总是使用-xHost标志而不是ifort。
但我不太确定如何让他们“明智地”做到这一点。我的感觉是，在-O3级别，ifort和gfortran在向量化方面往往都过于激进（也就是说，他们使用SIMD功能的次数比他们应该的要多）。我经常要关闭矢量化以获得最有效的代码。当然，这对你来说可能适用也可能不适用。
使用针对此任务优化的矢量库通常会更好。您可以在MKL中使用vdmul或在GSL中使用gsl_vector_mul来执行此操作。
使用-march=NEWARCH将导致为体系结构NEWARCH调整代码，但无法在早期架构上运行。您可以使用-mtune=NEWARCH标志，其中NEWARCH是新处理器的体系结构。这将生成针对新架构调整的代码，但仍可在旧架构上执行。由于您还没有新机器，-mtune可能就是您目前所需要的。
使用ifort，您可以使用矢量化报告标志来显示程序的哪个部分已被矢量化。例如，ifort标志-vec-report=1将在编译期间为您提供此类信息。我相信gfortran会有一个等效的旗帜。
答案 1 :(得分：2)
sum(a*b)提供比dot_product(a,b)更好的矢量化的gfortran版本已经过时了。您显示的代码是使用串行AVX2 fma指令。
在dot_product的实现中没有间接索引或其他并发症（单独一个简单的循环），fma可能比simd并行乘法和加法指令的组合慢，因为乘法可以在延迟关键路径。 gfortran对dot_product使用并行simd fma在更复杂的情况下可能非常有效。
您需要-O2 -ftree-vectorize -ffast-math -march=native or -O3 -ffast-math -march=native（以及合适的矢量长度）来对其进行矢量化，并且gfortran可能无法在OpenMP并行区域内进行矢量化。
gfortran 4.9似乎放弃了选项-ftree-vectorizer-verbose。 -fdump-tree-vect将矢量化传递的详细信息写入.vect文件，为不同的主要gcc版本选择不同的名称。
答案 2 :(得分：1)
感谢朱小磊的提示，我现在知道gfortran会使用融合乘法加法来优化sum(A*B)。例如，使用以下代码：
程序测试 隐含无
real，dimension（7）:: a，b
a =（/ 2.0,3.0,5.0,7.0,11.0,13.0,17.0 /）
b =（/ 4.0,6.0,8.0,10.0,12.0,14.0,16.0 /）
打印*，总和（a * b）
endprogram
我可以使用f95 sum.f95 -o sum -O3 -march=core-avx2进行编译，objdump -d sum | grep vfmadd显示
40088b：c4 e2 71 99 44 24 30 vfmadd132ss 0x30（％rsp），％xmm1，％xmm0
400892：c4 e2 69 b9 44 24 34 vfmadd231ss 0x34（％rsp），％xmm2，％xmm0
400899：c4 e2 61 b9 44 24 38 vfmadd231ss 0x38（％rsp），％xmm3，％xmm0
4008a0：c4 e2 59 b9 44 24 3c vfmadd231ss 0x3c（％rsp），％xmm4，％xmm0
4008a7：c4 e2 51 b9 44 24 40 vfmadd231ss 0x40（％rsp），％xmm5，％xmm0
4008ae：c4 e2 49 b9 44 24 44 vfmadd231ss 0x44（％rsp），％xmm6，％xmm0
4008b5：c4 e2 41 b9 44 24 48 vfmadd231ss 0x48（％rsp），％xmm7，％xmm0
因此gfortran展开循环并输入7个融合的乘法 - 加法指令。如果我创建更大，随机，多维的数组，我仍然会看到vfmadd231ss弹出一次（因此它不会展开循环）。