【发布时间】：2021-01-03 11:20:57
【问题描述】：
我正在做一个优化矩阵乘法的项目，我正在尝试使用内在函数。
这是我正在使用的一些代码：
#include <immintrin.h>
/* Vector tiling and loop unrolling */
static void do_block(int lda, int M, int N, int K, double* A, double* B, double* C) {
/* For each row i of A */
int i, j, k;
for (i = 0; i < M / 4; ++i) {
/* For each column j of B */
for (j = 0; j < N / 12; ++j) {
register __m256d c_00_03_0 = _mm256_loadu_pd(C + (4 * i) * lda + j * 12);
register __m256d c_00_03_1 = _mm256_loadu_pd(C + (4 * i) * lda + j * 12 + 4);
register __m256d c_00_03_2 = _mm256_loadu_pd(C + (4 * i) * lda + j * 12 + 8);
register __m256d c_10_13_0 = _mm256_loadu_pd(C + (4 * i + 1) * lda + j * 12);
register __m256d c_10_13_1 = _mm256_loadu_pd(C + (4 * i + 1) * lda + j * 12+4);
register __m256d c_10_13_2 = _mm256_loadu_pd(C + (4 * i + 1) * lda + j * 12+8);
register __m256d c_20_23_0 = _mm256_loadu_pd(C + (4 * i + 2) * lda + j * 12);
register __m256d c_20_23_1 = _mm256_loadu_pd(C + (4 * i + 2) * lda + j * 12+4);
register __m256d c_20_23_2 = _mm256_loadu_pd(C + (4 * i + 2) * lda + j * 12+8);
register __m256d c_30_33_0 = _mm256_loadu_pd(C + (4 * i + 3) * lda + j * 12);
register __m256d c_30_33_1 = _mm256_loadu_pd(C + (4 * i + 3) * lda + j * 12+4);
register __m256d c_30_33_2 = _mm256_loadu_pd(C + (4 * i + 3) * lda + j * 12+8);
/* Loop unrolling */
for (k = 0; k < K; k += 1) {
register __m256d b_00_03 = _mm256_loadu_pd(B + k * lda + j * 12);
register __m256d b_10_03 = _mm256_loadu_pd(B + k * lda + j * 12+4);
register __m256d b_20_03 = _mm256_loadu_pd(B + k * lda + j * 12+8);
register __m256d a00 = _mm256_broadcast_sd(A + (4 * i) * lda + k);
c_00_03_0 = _mm256_fmadd_pd(a00, b_00_03, c_00_03_0);
c_00_03_1 = _mm256_fmadd_pd(a00, b_10_03, c_00_03_1);
c_00_03_2 = _mm256_fmadd_pd(a00, b_20_03, c_00_03_2);
a00 = _mm256_broadcast_sd(A + (4 * i + 1) * lda + k);
c_10_13_0 = _mm256_fmadd_pd(a00, b_00_03, c_10_13_0);
c_10_13_1 = _mm256_fmadd_pd(a00, b_10_03, c_10_13_1);
c_10_13_2 = _mm256_fmadd_pd(a00, b_20_03, c_10_13_2);
a00 = _mm256_broadcast_sd(A + (4 * i + 2) * lda + k);
c_20_23_0 = _mm256_fmadd_pd(a00, b_00_03, c_20_23_0);
c_20_23_1 = _mm256_fmadd_pd(a00, b_10_03, c_20_23_1);
c_20_23_2 = _mm256_fmadd_pd(a00, b_20_03, c_20_23_2);
a00 = _mm256_broadcast_sd(A + (4 * i + 3) * lda + k);
c_30_33_0 = _mm256_fmadd_pd(a00, b_00_03, c_30_33_0);
c_30_33_1 = _mm256_fmadd_pd(a00, b_10_03, c_30_33_1);
c_30_33_2 = _mm256_fmadd_pd(a00, b_20_03, c_30_33_2);
}
}
}
所有使用函数 __mm256_fmadd_pd 的行都会抛出以下错误：
<b>incompatible types when assigning to type ‘__m256d’ from type ‘int’</b>
我不确定 int 来自哪里，因为__mm256_madd_pd 的所有参数都是“__m256d”，返回值也是“__m256d”(__m256d _mm256_fmadd_pd (__m256d a, __m256d b, __m256d c))
【问题讨论】：
-
关闭一些
}后，使用 gcc 可以正常编译：godbolt.org/z/s5has7。尽管如此，我还是建议去掉所有register关键字。编译器应该更好地知道将什么放入寄存器，什么不放入（无论如何，您需要检查实际发生了什么）。 -
在您的情况下，
native是什么？cat /proc/cpuinfo是否包含 FMA？ -
这意味着你的 CPU 不支持 FMA。您可以使用
-mfma进行编译，但这会在运行时失败。 -
解决方法当然是调用
_mm256_add_pd(_mm256_mul_pd(aXX, bYY), cZZ)（您可以将其放入内联函数中）。 -
除了“不兼容的类型”之外，是否还有更多错误或警告？如果您没有 FMA，那么我认为
-march=native会设置#defines以便头文件不会声明_mm256_fmadd_pd。你会得到一个“隐式声明”警告，它会被隐式声明为返回int，这将解释“不兼容的类型”错误。但这将是导致这一切的“隐含声明”。