在阅读了几篇不同的文章并没有找到答案之后，我将介绍问题，然后提出问题。
我有一段代码，可以简化为如下所示的一系列循环。
#pragma omp parallel for simd
for(int i = 0; i < a*b*c; i++)
{
array1[i] += array2[i] * array3[i];
}
现在，我遇到的大多数SIMD使用示例都在编译时固定了a，b和c，以便进行优化。但是，我的代码要求a和b的值在运行时确定。
让我们说，对于计算机，我正在使用的寄存器可以容纳4个值，而a b c的值是127。我对此的理解是编译时间编译器将矢量化所有可被4整除的东西，然后将其余部分序列化（如果我错了，请更正此错误）。但是，这是编译器完全了解该问题的时候。如果现在允许我选择a，b和c的运行时并取值为127，那么矢量化将如何进行？天真的，我认为幕后的代码足够智能，可以理解这种情况可能同时发生，既有串行代码又有矢量代码，并且调用最合适。但是，因为这是一个假设，所以我希望有人对此主题有更多的了解，对我有进一步的启发，因为我不希望由于误解而意外溢出或不处理数据。
在这个偶然的机会上，我正在将OpenMP 4.0与C gcc编译器一起使用，尽管我希望这不会改变您的答案，因为我将始终尝试使用最新的OpenMP版本，并且不幸的是，可能需要定期更改编译器。
答案 0 :(得分：0)
通常，编译器将展开超出simd长度的部分。为了获得最佳效果，尤其是在使用gcc时，您可以指定此展开系数，例如--param max-unroll-times = 2（如果您不希望循环更长）。 simd的长度为4，则循环一次将消耗8次迭代，剩下的则是剩余的。 gcc会建立一个余数循环，有点像Duff的设备，它可能有15次迭代，并会在运行时计算要跳转到的位置。英特尔编译器以不同的方式处理矢量化余数循环。假设您有2个simd宽度可用，其余的循环将使用较短的宽度而不会展开，从而使串行部分尽可能短。当针对未对齐数据的一般情况进行编译时，两端都有余数循环，开始时的余数限制为对齐存储值所需的长度。使用omp并行simd组合，情况变得更加复杂。通常，循环块的大小必须有所不同，有人可能会争辩说内部块可以设置为对齐，而末端块较小（通常不做）。