Question

我不完全确定我是否正确使用它，因为gcc不喜欢我的代码，而clang编译并运行它没有问题。

我是基于整数变量的值来提取通道，而不是使用常量。

使用clang3.8（或clang4）为avx2编译以下代码段时，它generates code并使用vpermd指令。

#include <stdlib.h>
#include <immintrin.h>
#include <stdint.h>

uint32_t foo( int a, __m256i vec )
{
    uint32_t e = _mm256_extract_epi32( vec, a );
    return e*e;
}

现在，如果我使用gcc，让我们说gcc 7.2然后编译器无法生成代码，错误：

In file included from /opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/immintrin.h:41:0,
                 from <source>:2:
/opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/avxintrin.h: In function 'foo':
/opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/avxintrin.h:524:20: error: the last argument must be a 1-bit immediate
   return (__m128i) __builtin_ia32_vextractf128_si256 ((__v8si)__X, __N);
                    ^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
In file included from /opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/immintrin.h:37:0,
                 from <source>:2:
/opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/smmintrin.h:449:11: error: selector must be an integer constant in the range 0..3
    return __builtin_ia32_vec_ext_v4si ((__v4si)__X, __N);
           ^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

我有两个问题：

为什么clang在使用变量时很好，并且gcc想要一个常数β
为什么gcc不能下定决心？首先它需要一个 1位立即值，然后它需要一个整数常量，范围为0..3 ，这些都是不同的东西。

Intels Intrinsics Guide没有为_mm256_extract_epi32（）的索引值指定约束，那么谁在这里，gcc还是clang？

Answer 1

显然GCC和Clang做出了不同的选择。恕我直言GCC通过不对变量索引实现这一点做出了正确的选择。内在_mm256_extract_epi32不会转换为单个指令。使用变量索引，此内在函数可能会导致代码效率低下，如果它用于性能关键循环。

例如，Clang 3.8需要4条指令来实现带有变量索引的_mm256_extract_epi32。 GCC迫使程序员考虑更有效的代码，避免使用变量索引_mm256_extract_epi32。

然而，有时候有一个模拟_mm256_extract_epi32的可移植（gcc，clang，icc）函数是很有用的。变量索引：

uint32_t mm256_extract_epi32_var_indx(__m256i vec, int i )
{   
    __m128i indx = _mm_cvtsi32_si128(i);
    __m256i val  = _mm256_permutevar8x32_epi32(vec, _mm256_castsi128_si256(indx));
    return         _mm_cvtsi128_si32(_mm256_castsi256_si128(val));
}

这应该在内联后编译为三条指令：两个vmovd和一个vpermd（gcc 8.2，-m64 -march=skylake -O3）：

mm256_extract_epi32_var_indx:
  vmovd xmm1, edi
  vpermd ymm0, ymm1, ymm0
  vmovd eax, xmm0
  vzeroupper
  ret

请注意，内在指南描述了索引的结果为0 ＆gt; = 8（无论如何这是一个不寻常的情况）。对于Clang 3.8和mm256_extract_epi32_var_indx，索引以模8减少。换句话说：仅使用索引的3个最低有效位。请注意，Clang 5.0的内存往返也不是很有效，见this Godbolt link。 Clang 7.0 无法使用变量索引编译_mm256_extract_epi32。

作为@Peter Cordes commented：使用固定索引0,1,2或3，只需要一条pextrd指令从xmm寄存器中提取整数。对于固定索引4,5,6或7，需要两条指令。不幸的是，不存在处理256位ymm寄存器的vpextrd指令。

下一个例子说明了我的答案：

一个以SIMD内在函数开头的天真程序员可能会写以下代码将来自j<8的元素0,1，...，j-1与vec相加。

#include <stdlib.h>
#include <immintrin.h>
#include <stdint.h>

uint32_t foo( __m256i vec , int j)
{   
    uint32_t sum=0;
    for (int i = 0; i < j; i++){
        sum = sum + (uint32_t)_mm256_extract_epi32( vec, i );
    }
    return sum;
}

使用Clang 3.8，这将使用分支和循环编译为大约50 instructions。 GCC无法编译此代码。显然，总结这些元素的有效代码可能基于：掩盖元素j，j + 1，...，7和 2.计算水平和。

Answer 2

__N它必须是1位立即不第二个arg到_mm256_extract_epi32，它的某些功能用作arg到__builtin_ia32_vextractf128_si256（大概是第3位）。然后它想要vpextrd的0..3范围内的整数常量，总共给出3位索引。

_mm256_extract_epi32是复合内在函数，不是根据单个builtin函数直接定义的。

vpextrd r32, ymm, imm8不存在，只有xmm版本存在，因此_mm256_extract_epi32是vextracti/f128 / vpextrd的包装。 Gcc选择只使其适用于编译时常量，因此它总是编译为最多2条指令。

如果需要运行时变量向量索引，则需要使用不同的语法;例如存储到数组并加载标量，希望gcc将其优化为shuffle / extract。

或者使用正确的元素宽度定义GNU C本机向量类型，并使用foo[i]将其索引为数组。

typedef int v8si __attribute__ ((vector_size (32)));
v8si tmp = foo;   // may need a cast to convert from __m256i
int element_i = tmp[i];

gcc / clang中的

__m256i被定义为long long元素的向量，因此如果您直接使用[]对其进行索引，则会获得qword元素。（并且您的代码无法使用MSVC进行编译，而MSVC根本就没有定义__m256i。）

我最近没有检查过asm：如果你关心效率，你可能想用你的运行时变量索引手动设计一个shuffle，就像@Wim的答案暗示铿锵确实

使用变量使用_mm256_extract_epi32（）内在函数索引simd向量

2 个答案: