'vpbroadcastd' 的操作数类型不匹配

Question

我试图找到 Xeon Phi 平台的 KNC 广播指令。但我找不到任何指示。相反，我尝试在程序集中使用这个 AVX _mm512_set1_epi32 内在函数。我有两个问题：首先有没有KNC广播指令？其次，当我编译下面的代码时，我得到了“vpbroadcastd”错误的操作数类型不匹配。

int op = 2;
__asm__("vmovdqa32 %0,%%zmm0\n\t"
            "mov %1, %%eax\n\t"
            "vpbroadcastd %%eax, %%zmm1\n\t"
            "vpsravd %%zmm1,%%zmm0,%%zmm1\n\t"
            "vmovdqa32 %%zmm1,%0;"
            : "=m" (tt[0]): "m" (op));

其中 tt 使用以下代码定义，我使用 k1om-mpss-linux-gcc 编译器来编译此代码

int * tt = (int *) aligned_malloc(16 * sizeof(int),64);

Answer 1

我查看了 AVX2 如何使用内部函数执行此操作，并注意到广播从内存中读取，就像使用 KNC 一样。查看来自 AVX2 内在函数的程序集，我编写了内联程序集，它做同样的事情。

#include <stdio.h>
#include <x86intrin.h>
void foo(int *A, int n) {
    __m256i a16 = _mm256_loadu_si256((__m256i*)A);
    __m256i t = _mm256_set1_epi32(n);
    __m256i s16 = _mm256_srav_epi32(a16,t);
    _mm256_storeu_si256((__m256i*)A, s16);
}

void foo2(int *A, int n) {
    __asm__("vmovdqu      (%0),%%ymm0\n"
            "vpbroadcastd (%1), %%ymm1\n"
            "vpsravd      %%ymm1, %%ymm0, %%ymm0\n"
            "vmovdqu      %%ymm0, (%0)"
            :
            : "r" (A), "r" (&n)
            : "memory"
        );
}

int main(void) {
    int x[8];
    for(int i=0; i<8; i++) x[i] = 1<<i;
    for(int i=0; i<8; i++) printf("%8d ", x[i]); puts("");
    foo2(x,2);
    for(int i=0; i<8; i++) printf("%8d ", x[i]); puts("");
}

这是我对 KNC 的猜测（使用对齐负载）：

void foo2_KNC(int *A, int n) {
    __asm__("vmovdqa32      (%0),%%zmm0\n"
            "vpbroadcastd   (%1), %%zmm1\n"
            "vpsravd        %%zmm1, %%zmm0, %%zmm0\n"
            "vmovdqa32      %%zmm0, (%0)"
            :
            : "r" (A), "r" (&n)
            : "memory"
        );
}

---

使用 KNC 和 AVX512 似乎有一种更有效的方法。

Intel says 关于“2.5.3 广播”部分中的 AVX12：

EVEX 编码提供了一个位域来对某些加载操作指令的数据广播进行编码

然后给出例子

vmulps zmm1, zmm2, [rax] {1to16}

在哪里

{1to16} 原语加载一个 float32（单精度）元素 从记忆中提取，复制 16 次，形成一个 16 个 32 位浮点元素的向量，乘以 16 个 float32 元素，对应的元素在 第一个源操作数向量，并将 16 个结果中的每一个放入目标操作数中。

我以前从未使用过他的语法，但你可以尝试

void foo2_KNC(int *A, int n) {
__asm__("vmovdqa32      (%0),%%zmm0\n\t"
        "vpsravd        (%1)%{1to16}, %%zmm0, %%zmm0\n\t"
        "vmovdqa32      %%zmm0, (%0)\t"
        :
        : "r" (A), "r" (&n)
        : "memory", "%zmm0"
    );

}

这会产生

vmovdqa32      (%rax),%zmm0
vpsravd        (%rdx){1to16}, %zmm0, %zmm0
vmovdqa32      %zmm0, (%rax)

Agner Fog 顺便在the documentation for objconv 中有一个标题为“8.4 AVX-512 和 Knights Corner 指令的汇编语法”的部分，他说

这两个指令集非常相似，但具有不同的可选指令属性。这两个指令集中的指令在前缀中只有一位不同，即使对于其他方面相同的指令也是如此。

根据他的文档，NASM 支持 AVX-512 和 KNC 语法，因此您可以在 NASM 中尝试这种语法。

Answer 2

这个答案的早期版本是错误的。根据An Intels PDF of the KNC insn from Sep 2012, which I hope is current/up-to-date，512b vpsrad 仅在立即计数时可用。当您在 GP 寄存器（而不是内存）中进行计数时，这确实显得相当不方便。

似乎可变计数移位 (vpsravd) 是在 KNC 上进行非立即计数移位的唯一方法，即使每个元素的计数都相同。因为它可以使用广播负载来计算班次，所以这不是一个大问题。 KNC 似乎也有来自寄存器源 (zmm1 {aaaa}) 的“混合”随机播放或广播，但我不确定该广播的宽度是多少。

这不会在普通编译器上编译：{1to16} 被忽略，并且您会收到错误消息“对于 `vpsravd' 这种类型的操作数需要广播”。 IDK 如果这只是一个语法问题，使用 intel-syntax 而不是 AT&T。

// compile with -masm=intel
// todo: something clever to use vpsrad when the shift count is a compile-time constant
void shift_KNC(int *A, int n) {

  __asm__ volatile(
    // ".intel_syntax noprefix\n"
    "vmovdqa32      zmm0, %0\n\t"
    "vpsravd        zmm0, zmm0, %1 {1to16}\n\t"
    "vmovdqa32      %0,  zmm0\n\t"
    : "+m" (*(__m512i*)A)
    : "m" (n) /* force it to memory */
    : "%zmm0"
  );
}

仍然使用完整的“内存”clobber，因为我们只是告诉编译器使用第一个整数作为输入/输出内存操作数，而不是下一个 16。

如果您可以将 zmm 值保留在内存中，而不是在内联 asm 的微小片段之间存储/重新加载，那么性能会好得多。

---

根据Xeon Phi Knights Corner intrinsics with GCC，gcc 不支持 KNC 的内部函数。

---

我认为我拥有的 PDF 是针对 AVX512 (KNL/Skylake-E) 的。关于 KNC 的 IDK；它可能没有这个。 （特别是：英特尔® 架构 指令集扩展编程参考，从 2014 年 10 月开始。）

有VPBROADCASTD 的GP 寄存器源格式，只需要AVX512F。 VPBROADCASTD zmm1 {k1}{z}, r32。内在是

__m512i _mm512_maskz_set1_epi32( __mmask16 k, int a);

没有一个没有面具，但也许可以试试_mm512_set1_epi32(int)。

顺便说一句，你的内联程序集compiles ok with a normal compiler on godbolt。 （“二进制”复选框使它实际组装然后反汇编，所以我确信指令被接受了。）

如果您仍然使用内联 asm，而不是内在函数，请确保整理您的代码：如果您需要编译器将 op 放入内存中，请使用广播加载，而不是 @ 987654336@ 进入 GP 寄存器并从那里广播。更好的是，为vpsravd 使用广播加载内存操作数：VPSRAVD zmm1 {k1}{z}, zmm2, zmm3/m512/m32bcst。那么你根本不需要 VPBROADCAST 指令。 （我假设编译器会使用内在函数来做到这一点。）