内部dot_product比a * a + b * b + c * c慢？

Question

最近，我测试了显式求和和内在函数的运行时差异来计算点积。令人惊讶的是，天真的明确的写作更快。

  program test

  real*8 , dimension(3) :: idmat
  real*8 :: dummy(3)

  idmat=0
  dummy=0

  do i=1,3

      idmat(i)=1

  enddo

  do j=1,10**10

  !   dummy(mod(j,3)+1)=dot_product(idmat,idmat)
      dummy(mod(j,3)+1)=idmat(1)*idmat(1)+idmat(2)*idmat(2)+idmat(3)*idmat(3)

  enddo

  print*, dummy

  end program test

这让我感到困惑：

1。否-O3优化

如果我使用：gfortran test.f90 -o test ; time ./test

我使用函数dot_product（上面评论过）和 4,486s 使用手动显式写法找到 6,297s 的运行时。 这有什么意义呢？

2。包括-O3优化

如果我使用：gfortran test.f90 -O3 -o test ; time ./test

我发现运行时分别为 1,808s 和 1,803s 。所以两者实际上都是相同的速度。

3。我真正期待的是

...是更快的内在功能，因为它可以：

1. 并行计算3个产品
2. 添加3个产品

显式表单必须顺序：

1. 计算产品1
2. 计算产品2
3. 计算产品3
4. 添加3个产品

我是否必须创建新的并行dot_product 功能才能更快？或者我不知道gfortran编译器的附加选项吗？

请注意：我在互联网上阅读有关现代Fortran中的SIMD，自动矢量化和并行化的信息。虽然我学到了什么，但我的问题在任何地方都没有得到解答。

Answer 1

即使查看非优化数字也没有意义。优化的数字是相同的，所以一切都很好。

“...是更快的内在功能，因为它可以：并行计算3个产品”

除非您启用特定的并行优化，否则不会并行执行任何操作。这些优化对于循环和内在循环一样容易，并且通常更容易循环。

好吧，至少对于使用线程或类似的 parallel 的正常意义。可以并行完成的是使用向量指令并调度指令以在CPU流水线中重叠。这可以通过优化编译器完成，并且可能在您使用-O3时对两个版本都完成。如果未启用优化，则不应期望这种情况发生。

使用!$omp simd或!$DEC VECTOR等编译器指令有时可以改善“并行”指令（SIMD）的使用。

“我是否必须创建一个新的并行dot_product函数才能更快？”

是的，通常你这样做。例如，使用OpenMP。或者你可以：

“或者我还不知道gfortran编译器的其他选项吗？”

是的，自动并行化https://gcc.gnu.org/wiki/AutoParInGCC，例如-floop-parallelize-all -ftree-parallelize-loops=4

请注意，它不会并行进行单独的乘法，它会使i循环并行。