内联汇编中的子数组。 C++

Question

void new2d(int* aInit, int* aResult)
{
        int cyclic[34] = {0};
        for (int i = 0; i < 32; i++)
        {
                cyclic[i] = aInit[i];
        }
        cyclic[32] = aInit[0];
        cyclic[33] = aInit[1];
        float three = 3.0;
        for (int i = 0; i < 32; i += 4)
        {
                int j = i + 1;
                int k = j + 1;
                __asm__ __volatile__
                (
                "vmovdqa (%0), %%xmm0;"
                "vmovdqa (%1), %%xmm1;"
                "vcvtdq2ps %%xmm0, %%xmm0;"
                "vcvtdq2ps %%xmm1, %%xmm1;"
                "addps %%xmm0, %%xmm1;"
                "vmovdqa (%2), %%xmm1;"
                "vcvtdq2ps %%xmm1, %%xmm1;"
                "addps %%xmm0, %%xmm1;"
                "vbroadcastss (%3), %%xmm1;"
                "divps %%xmm0, %%xmm1;"
                "vcvtps2dq %%xmm0, %%xmm0;"
                "vmovdqa %%xmm0, (%4);"
                :
                : "a"(&(cyclic[i])), "b"(&(cyclic[j])), "c"(&(cyclic[k])), "d"(&three), "S"(&aResult[i])
                );
        }
}

尝试将一个初始数组的三个子数组相加，找到它们的均值，并将它们保存在结果数组中。虽然，在启动 .exe 文件后，它显示分段错误。 我该如何解决？使用 GNU 2.9.3，Ubuntu

Answer 1

您正在对数组的未对齐元素使用vmovdqa 指令，该指令需要对齐的内存操作数。请改用vmovdqu，用于加载和存储。或者更好的是，在实际计算指令中使用内存操作数（但这仅在 AVX 中有效；在传统 SSE 中，大多数指令的内存操作数必须对齐）。

汇编程序块还有其他低效率和问题。例如，正如 cmets 中所提到的，您缺少 clobbers，它指示可能由 asm 块修改的 CPU 和内存状态片段。在您的情况下，您缺少“memory”、“xmm0”和“xmm1”clobbers。如果没有这些，编译器将假定 asm 块不会影响内存内容（特别是 aResult 数组）或 xmm 寄存器（例如，将这些寄存器用于其自身目的与您的 asm 块冲突)。

此外，在某些情况下，您在覆盖或不使用先前指令的结果时，似乎弄乱了 addps 和 divps 指令中的输入和输出寄存器。在 gcc 使用的 AT&T x86 asm 语法中，最后一个操作数是输出操作数。在使用任何 AVX 指令时，您通常应该使用每条指令的 AVX 版本，尽管如果 YMM 寄存器的上半部分已经干净（例如 vzeroupper），将 128 位 AVX 指令与传统 SSE 混合不会导致 SSE/AVX 转换停止。使用 vaddps / vdivps 是可选的，但建议使用。

此外，您传递对输入和输出数组的引用效率低下。与其将指针传递给数组的特定元素，不如将内存引用传递给那些更有效，这允许编译器使用比普通指针更复杂的内存引用参数。这消除了在您的 asm 块之前在单独的指令中计算指针的需要。此外，在xmm 寄存器而不是内存中传递tree 常量更有效。理想情况下，您希望将 vbroadcastss 移出循环，但这只有在支持内在函数的情况下才有可能。 （或者在一个 asm 语句中编写循环。）

更正和改进的 asm 语句如下所示：

__asm__ __volatile__
(
    "vcvtdq2ps %1, %%xmm0;"
    "vcvtdq2ps %2, %%xmm1;"
    "vaddps %%xmm1, %%xmm0;"
    "vcvtdq2ps %3, %%xmm1;"
    "vaddps %%xmm1, %%xmm0;"
    "vbroadcastss %4, %%xmm1;"
    "vdivps %%xmm0, %%xmm1;"
    "vcvtps2dq %%xmm1, %0;"
    : "=m"(aResult[i])
    : "m"(cyclic[i]), "m"(cyclic[j]), "m"(cyclic[k]), "x"(three)
    : "memory", "xmm0", "xmm1"
);

（实际上不必再是volatile，因为内存输出是显式操作数。）

但更好的解决方案是使用内部函数来实现这个 asm 块。这不仅会使 asm 块更安全，而且会更高效，因为它会启用额外的编译器优化。当然，这只有在你的编译器支持内在函数时才有可能。