GCC在类似的体系结构上使用“ -march = native”发出完全不同的代码

我正在用C语言编写OpenCL基准测试。目前，它使用C代码测量CL设备和系统处理器的融合乘累加性能。然后交叉检查结果的准确性。

我编写了本机代码以利用GCC的自动矢量化程序，并且可以正常工作。但是，我注意到GCC带有“ -march = native”标志的某些奇怪行为。

这是我的循环：

#define BUFFER_SIZE_SQRT 4096
#define SQUARE(n) (n * n)

#define ROUNDS_PER_ITERATION 48

static float* cpu_result_matrix(const float* a, const float* b, const float* c)
{
    float* res = aligned_alloc(16, SQUARE(BUFFER_SIZE_SQRT) * sizeof(float));

    const unsigned buff_size = SQUARE(BUFFER_SIZE_SQRT);
    const unsigned round_cnt = ROUNDS_PER_ITERATION;

    float lres;
    for(unsigned i = 0; i < buff_size; i++)
    {
        lres = 0;
        for(unsigned j = 0; j < round_cnt; j++)
        {
            lres += a[i] * ((b[i] * c[i]) + b[i]);
            lres += b[i] * ((c[i] * a[i]) + c[i]);
            lres += c[i] * ((a[i] * b[i]) + a[i]);
        }

        res[i] = lres;
    }

    return res;
}

当我在Broadwell系统上使用“ -march = native -Ofast”进行编译时，会得到漂亮的矢量化AVX代码。

.L19:
        vmovups ymm0, YMMWORD PTR [rcx+rdx]
        mov     eax, 48
        vmovups ymm2, YMMWORD PTR [rdi+rdx]
        vaddps  ymm1, ymm0, ymm5
        vmovups ymm3, YMMWORD PTR [rsi+rdx]
        vaddps  ymm4, ymm2, ymm5
        vmulps  ymm1, ymm1, ymm2
        vfmadd132ps     ymm4, ymm1, ymm0
        vaddps  ymm1, ymm3, ymm5
        vmulps  ymm0, ymm2, ymm0
        vmulps  ymm0, ymm0, ymm1
        vfmadd132ps     ymm4, ymm0, ymm3
        vmovaps ymm1, ymm4
        vxorps  xmm0, xmm0, xmm0
        .p2align 4,,10
        .p2align 3

即使体系结构支持，在桩驱动程序系统上使用相同的标志进行编译也会发出SSE2指令，但不会发出AVX指令。（我在这里澄清我的标题的方式是说Broadwell和打桩机没有什么相似之处，但是它们都支持相似的矢量指令集扩展，因此发出的代码应该相似。）

.L19:
        mov     eax, 48
        movups  xmm0, XMMWORD PTR [rcx+rdx]
        movups  xmm2, XMMWORD PTR [r13+0+rdx]
        movaps  xmm4, xmm0
        movaps  xmm1, xmm2
        movups  xmm3, XMMWORD PTR [rsi+rdx]
        addps   xmm4, xmm5
        addps   xmm1, xmm5
        mulps   xmm4, xmm2
        mulps   xmm1, xmm0
        mulps   xmm0, xmm2
        addps   xmm1, xmm4
        movaps  xmm4, xmm1
        mulps   xmm4, xmm3
        addps   xmm3, xmm5
        mulps   xmm0, xmm3
        addps   xmm4, xmm0
        pxor    xmm0, xmm0
        movaps  xmm1, xmm4
        .p2align 4,,10
        .p2align 3

我什至可以使用-march = broadwell编译整个项目，然后在打桩机系统上运行它，并且可以正常工作，并获得约100％的性能提升。

我正在使用GCC 5.1.0进行编译，“-ftree-vectorizer-verbose”似乎不再起作用，因此编译器的行为非常不透明。我尚未找到有关已弃用该标志的任何信息，所以我不确定为什么它不再起作用了，我真的很想弄清楚GCC在做什么。

整个项目在这里：https : //github.com/jakogut/clperf/tree/v0.1