用于复数乘法的汇编代码/AVX 指令。 （GCC 内联汇编）

Posted 2023-02-16

【中文标题】用于复数乘法的汇编代码/AVX 指令。 （GCC 内联汇编）

【英文标题】：Assembly code/AVX instructions for multiplication of complex numbers. (GCC inline assembly)

【发布时间】：2013-04-02 14:35:36

【问题描述】：

我们正在运行一项科学计划，并且希望实现 AVX 功能。整个程序（用 Fortran+C 编写）将被向量化，目前我正在尝试在 GCC 内联汇编中实现复数乘法。

汇编代码接受 4 个复数并一次执行两个复数乘法：

v2complex cmult(v2complex *a, v2complex *b) 
    v2complex ret;
    asm (
        "vmovupd %2,%%ymm1;"
        "vmovupd %2, %%ymm2;"
        "vmovddup %%ymm2, %%ymm2;"
        "vshufpd $15,%%ymm1,%%ymm1,%%ymm1;"
        "vmulpd %1, %%ymm2, %%ymm2;"
        "vmulpd %1, %%ymm1, %%ymm1;"
        "vshufpd $5,%%ymm1,%%ymm1, %%ymm1;"
        "vaddsubpd %%ymm1, %%ymm2,%%ymm1;"
        "vmovupd %%ymm1, %0;"
        :
        "=m"(ret)
        :
        "m" (*a),
        "m" (*b)
        );
    return ret;

其中 a 和 b 是 256 位双精度：

typedef union v2complex 
    __m256d v;
    complex c[2];
 v2complex;

问题是代码大多会产生正确的结果，但有时会失败。

我对组装很陌生，但我试图自己弄清楚。似乎 C 程序（优化的 -O3）与汇编代码中使用的寄存器 ymm 交互。例如，我可以在执行乘法之前打印其中一个值（例如 a），并且程序永远不会给出错误的结果。

我的问题是如何告诉 GCC 不要与 ymm 交互。我没能做到 将ymm 放到被破坏的寄存器列表中。

【参考方案1】：

正如您推测的那样，问题在于您没有告诉 GCC 您正在破坏哪些寄存器。如果他们还不支持将 YMM 寄存器放入 clobber 列表中，我会感到惊讶；你使用的是什么版本的 GCC？

无论如何，将相应的 XMM 寄存器放在 clobber 列表中几乎肯定就足够了：

: "=m" (ret) : "m" (*a), "m" (*b) : "%xmm1", "%xmm2");

---

其他一些注意事项：

您将两个输入加载两次，效率低下。没有理由这样做。 我会使用"r" (a), "r" (b) 作为约束，并像vmovupd (%2), %%ymm1 这样写我的负载。生成的代码可能没有区别，但它似乎更符合习惯用法。 在执行任何 SSE 代码之前，不要忘记在 AVX 代码后面加上 vzeroupper，以避免（大）停顿。

【讨论】：

非常感谢，解决了问题=)。我正在使用 gcc 4.7.2 和 thx 为您提供建议。

不要将“r” (a), “r” (b) 与vmovupd (%2), %%ymm1 等一起使用，GCC 将假定 *a 和 *b 未被访问（除非您添加“内存”破坏者）。

【参考方案2】：

我加了两个cmets，不直接回答你的问题：

我强烈建议使用编译器内在函数而不是直接汇编。这样，编译器会负责寄存器分配，并且可以更好地优化代码（内联方法、重新排序指令等） Agner Fog 有一个 C++ vector class library 优化矢量化操作，包括对复数的操作。即使您可能无法在 C 代码中直接使用他的库，他的优化代码也可能是一个很好的起点；请参阅the zipped source code 中的src/special/complexvec.h。

【讨论】：

谢谢，我会看看它，即使我将无法使用它。实际上，我已经编译了两个版本，内部代码和程序集，我想知道为什么程序集运行不好，因为它们都编译为相同的优化程序集代码（objdump -S ..）。

但是内在函数也有缺点：编译器负责寄存器分配和重新排序指令等。通常编译器不会更好地做到这一点。