作为不同可能的矢量化的函数获得运行时

Question

我正在使用gcc-4.9进行测试，用于研究矢量化（我的小代码计算double 2个数组的总和并将结果存储到输出数组中。）

从我在网上看到的情况来看，似乎存在：

1. SSE矢量化（128位= 16字节= 2*sizeof(double)
2. AVX矢量化（256位= 32字节= 4*sizeof(double)
3. AVX2矢量化（512位= 64字节= 8*sizeof(double)

我的问题是，在上述三种情况下，我总是获得大约等于2的增益（在非矢量化和矢量化版本之间）（平均增益为1.7）。

我认为我不会使用好的编译选项。我在这里做了什么：

1. 对于SSE：gcc-mp-4.9 -std=c99 -Wa,-q -O3 -march=native -ftree-vectorize -fopt-info-vec main.c

2. 对于AVX：gcc-mp-4.9 -std=c99 -Wa,-q -O3 -march=corei7-avx -ftree-vectorize -fopt-info-vec main.c

3. 对于AVX2：gcc-mp-4.9 -std=c99 -Wa,-q -O3 -march=core-avx2 -ftree-vectorize -fopt-info-vec main.c

当我运行这3个案例时，我总是得到2左右的因素，而我预计factor 4的{​​{1}}和AVX的{​​{1}} }。

MacBook Pro上的处理器是：factor 8

有人能告诉我有效AVX和AVX2矢量化的不同标志吗？

也许，我的corei7不支持这些矢量化（只是SSE？）。

感谢您的帮助。

Answer 1

假设您已经实施了必要的展开和正确的打包调用，那么这里的问题可能与内存有关：

1）由于你需要利用更大量的包装来获得更大的内存块，你将更加努力地对缓存进行锤击。

2）您可能需要通过告知您希望数据与32byte对齐来帮助编译器（这将有助于优化）。查找＆＃34; #pragma vector aligned＆＃34;它可能会或可能没有帮助。

3）如果您的数组大小不是打包的倍数，则可能还会产生开销 - 因此对于AVX2，这将是8的倍数。一些时间可能花费在＆＃34;余数＆＃34;循环（但这应该是一个相对较小的开销）。

4）尝试将优化程度降低到-O2。有时，你告诉编译器要负责你的代码效率会降低。

但是，你可能会再次达到＆＃34;缓存效率＆＃34;更大的包装操作问题（你可能会从L1转向L2）。