【发布时间】：2012-09-06 14:11:20
【问题描述】：
我需要使用 SSE 对程序中的一些巨大循环进行矢量化。为了节省时间，我决定让ICC来处理。为此，我准备好数据，考虑到对齐，并使用编译器指令#pragma simd、#pragma aligned、#pragma ivdep。当使用几个-vec-report 选项进行编译时，编译器告诉我循环是矢量化的。快速查看编译器生成的程序集似乎证实了这一点，因为您可以找到大量适用于压缩单精度操作数的矢量指令（串行代码处理程序中的所有操作 float 操作数）。
问题是，当我使用 PAPI 获取硬件计数器时，我得到的 FP 操作数（PAPI_FP_INS 和 PAPI_FP_OPS）在自动矢量化代码和原始代码中几乎相同，当人们期望在自动矢量化代码中显着减少。更重要的是，手动矢量化是一个简化的问题，在这种情况下，我得到的 FP 操作减少了 3 倍。
有没有人遇到过类似的情况？
【问题讨论】：
-
您可能需要仔细检查 PAPI 是否将每条 SSE 指令计为 2 或 4 个 FLOP 而不是 1。
-
正如我所提到的，我手动矢量化了一个简化的案例（基本上，同样的问题，但操作少得多），我从 PAPI 计数器获得的 FP 操作少了 3 倍。事实上，我在标量中留下了一些代码，我不能指望 1/4 FP 操作，但 3 倍的声音听起来足够合理，所以我假设 PAPI 计数 decoded 指令（和矢量指令只是一条指令）
-
我对自己的代码进行了矢量化，FP 指令的数量急剧下降了 2 倍。这种减少在某种程度上是可以预期的，因为在其标量版本中保留了一些操作。所以我认为ICC并没有真正矢量化。一种可能的解释可能是操作数过多，这会导致大量寄存器溢出并降低矢量化可以为您提供的加速，尽管编译器从不抱怨。
标签： sse vectorization simd icc papi