如何在SSE / AVX中使用融合乘法 - 加法(FMA)指令

时间:2013-04-10 18:02:05

标签: c sse cpu-architecture avx fma

我了解到一些Intel / AMD CPU可以同时进行多次加法并添加SSE / AVX:FLOPS per cycle for sandy-bridge and haswell SSE2/AVX/AVX2

我想知道如何在代码中做到最好,我也想知道它是如何在CPU内部完成的。我的意思是超标量架构。假设我想做一个很长的总和,例如SSE中的以下内容:

//sum = a1*b1 + a2*b2 + a3*b3 +... where a is a scalar and b is a SIMD vector (e.g. from matrix multiplication)
sum = _mm_set1_ps(0.0f);
a1  = _mm_set1_ps(a[0]); 
b1  = _mm_load_ps(&b[0]);
sum = _mm_add_ps(sum, _mm_mul_ps(a1, b1));

a2  = _mm_set1_ps(a[1]); 
b2  = _mm_load_ps(&b[4]);
sum = _mm_add_ps(sum, _mm_mul_ps(a2, b2));

a3  = _mm_set1_ps(a[2]); 
b3  = _mm_load_ps(&b[8]);
sum = _mm_add_ps(sum, _mm_mul_ps(a3, b3));
...

我的问题是如何将其转换为同时加倍并添加?数据可以依赖吗?我的意思是CPU可以同时执行_mm_add_ps(sum, _mm_mul_ps(a1, b1))还是在乘法中使用的寄存器和add必须是独立的?

最后,这如何适用于FMA(与Haswell一起)? _mm_add_ps(sum, _mm_mul_ps(a1, b1))是自动转换为单个FMA指令还是微操作?

2 个答案:

答案 0 :(得分:40)

允许编译器融合分离的加法和乘法,即使这会改变最终结果(通过使其更准确)。

FMA只有一个舍入(它有效地保持内部临时乘法结果的无限精度),而ADD + MUL有两个。

IEEE {和C标准允许#pragma STDC FP_CONTRACT ON生效,compilers are allowed to have it ON by default(但不是全部)。默认情况下,Gcc会合并为FMA(默认为-std=gnu*,但不会-std=c*,例如-std=c++14For Clang,仅在-ffp-contract=fast启用。 (仅启用#pragma,仅在a+b*c之类的单个表达式中,而不是在单独的C ++语句中。)。

这与严格与宽松的浮点(或gcc术语,-ffast-math-fno-fast-math)不同,后者允许进行其他类型的优化that could increase the rounding error depending on the input values。这是特殊的,因为FMA内部临时的无限精度;如果在内部临时中存在任何舍入,则严格的FP中不允许这样做。

即使您启用了宽松的浮点数,编译器仍可能选择不融合,因为如果您已经在使用内在函数,它可能会让您知道自己在做什么。


所以最好的方式,以确保您真正获得所需的FMA说明,实际上是使用提供的内在函数:

FMA3 Intrinsics:(AVX2 - Intel Haswell)

  • _mm_fmadd_pd(),_ mm256_fmadd_pd()
  • _mm_fmadd_ps()_mm256_fmadd_ps()
  • 以及大量其他变种......

FMA4 Intrinsics:(XOP - AMD Bulldozer)

  • _mm_macc_pd()_mm256_macc_pd()
  • _mm_macc_ps()_mm256_macc_ps()
  • 以及大量其他变种......

答案 1 :(得分:13)

我在GCC 5.3,Clang 3.7,ICC 13.0.1和MSVC 2015(编译器版本19.00)中测试了以下代码。

float mul_add(float a, float b, float c) {
    return a*b + c;
}

__m256 mul_addv(__m256 a, __m256 b, __m256 c) {
    return _mm256_add_ps(_mm256_mul_ps(a, b), c);
}

使用正确的编译器选项(见下文),每个编译器都会从vfmadd生成vfmadd213ss指令(例如mul_add)。但是,只有MSVC无法将mul_addv收缩到单vfmadd条指令(例如vfmadd213ps)。

以下编译器选项足以生成vfmadd指令(mul_addv与MSVC除外)。

GCC:   -O2 -mavx2 -mfma
Clang: -O1 -mavx2 -mfma -ffp-contract=fast
ICC:   -O1 -march=core-avx2
MSVC:  /O1 /arch:AVX2 /fp:fast

GCC 4.9不会将mul_addv与单个fma指令签订合同,但至少从GCC 5.1开始。我不知道其他编译器何时开始这样做。