我正在将一个项目转换为使用来自 clang 的 gcc 进行编译,但我遇到了一个使用 sse 函数的函数的问题:
void dodgy_function(
const short* lows,
const short* highs,
short* mins,
short* maxs,
int its
)
{
__m128i v00[2] = { _mm_setzero_si128(), _mm_setzero_si128() };
__m128i v10[2] = { _mm_setzero_si128(), _mm_setzero_si128() };
for (int i = 0; i < its; ++i) {
reinterpret_cast<short*>(v00)[i] = lows[i];
reinterpret_cast<short*>(v10)[i] = highs[i];
}
reinterpret_cast<short*>(v00)[its] = reinterpret_cast<short*>(v00)[its - 1];
reinterpret_cast<short*>(v10)[its] = reinterpret_cast<short*>(v10)[its - 1];
__m128i v01[2] = {_mm_setzero_si128(), _mm_setzero_si128()};
__m128i v11[2] = {_mm_setzero_si128(), _mm_setzero_si128()};
__m128i min[2];
__m128i max[2];
min[0] = _mm_min_epi16(_mm_max_epi16(v11[0], v01[0]), _mm_min_epi16(v10[0], v00[0]));
max[0] = _mm_max_epi16(_mm_max_epi16(v11[0], v01[0]), _mm_max_epi16(v10[0], v00[0]));
min[1] = _mm_min_epi16(_mm_min_epi16(v11[1], v01[1]), _mm_min_epi16(v10[1], v00[1]));
max[1] = _mm_max_epi16(_mm_max_epi16(v11[1], v01[1]), _mm_max_epi16(v10[1], v00[1]));
reinterpret_cast<__m128i*>(mins)[0] = _mm_min_epi16(reinterpret_cast<__m128i*>(mins)[0], min[0]);
reinterpret_cast<__m128i*>(maxs)[0] = _mm_max_epi16(reinterpret_cast<__m128i*>(maxs)[0], max[0]);
reinterpret_cast<__m128i*>(mins)[1] = _mm_min_epi16(reinterpret_cast<__m128i*>(mins)[1], min[1]);
reinterpret_cast<__m128i*>(maxs)[1] = _mm_max_epi16(reinterpret_cast<__m128i*>(maxs)[1], max[1]);
}
现在使用 clang 它给了我预期的输出但在 gcc 中它打印全零:godbolt 链接
玩弄我发现当我用 -O1 编译时 gcc 给了我正确的结果,但用 -O2 和 -O3 出错,这表明优化器出了问题。我做的有什么特别错误会导致这种行为吗?
作为一种解决方法,我可以将事情合并到一个联合中,然后 gcc 会给我正确的结果,但这感觉有点恶心:godbolt link 2
有什么想法吗?
问题是您正在使用short*
访问__m128i*
对象的元素。这违反了严格别名规则。使用__m128i*
dereference 或更正常地使用另一种方式是安全的_mm_load_si128( (const __m128i*)ptr )
。
__m128i*
完全一样char*
- 您可以将它指向任何东西,但反之则不然:硬件 SIMD 向量指针和相应类型之间的“reinterpret_cast”是否是未定义的行为?
进行类型双关的唯一标准方法是使用 memcpy:
memcpy(v00, lows, its * sizeof(short));
memcpy(v10, highs, its * sizeof(short));
memcpy(reinterpret_cast<short*>(v00) + its, lows + its - 1, sizeof(short));
memcpy(reinterpret_cast<short*>(v10) + its, highs + its - 1, sizeof(short));
我更喜欢直接使用正确类型的对齐内存:
alignas(16) short v00[16];
alignas(16) short v10[16];
auto mv00 = reinterpret_cast<__m128i*>(v00);
auto mv10 = reinterpret_cast<__m128i*>(v10);
_mm_store_si128(mv00, _mm_setzero_si128());
_mm_store_si128(mv10, _mm_setzero_si128());
_mm_store_si128(mv00 + 1, _mm_setzero_si128());
_mm_store_si128(mv10 + 1, _mm_setzero_si128());
for (int i = 0; i < its; ++i) {
v00[i] = lows[i];
v10[i] = highs[i];
}
v00[its] = v00[its - 1];
v10[its] = v10[its - 1];
我并不肯定这个设置实际上是标准的(这绝对是_mm_load_ps
因为你可以在没有类型双关的情况下做到这一点)但它似乎也解决了这个问题。我猜想加载/存储内在函数的任何合理实现都必须提供相同类型的别名保证,memcpy
因为它或多或少是在 x86 中从直线到矢量化代码的犹太方式。
正如您在问题中提到的,您还可以强制与联合对齐,我也在 c++11 之前的上下文中使用过它。即使在那种情况下,我个人仍然总是明确地写入加载和存储(即使它们只是去/从对齐的内存中去),因为如果你不这样做,像这样的问题往往会出现。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句