使用结果浮点数时的 SSE SIMD 分段错误

Posted 2023-02-16

【中文标题】使用结果浮点数时的 SSE SIMD 分段错误

【英文标题】：SSE SIMD Segmentation Fault when using resulting float

【发布时间】：2016-11-16 19:45:53

【问题描述】：

我正在尝试使用 Intel Intrinsics 在float 数组上快速执行操作。操作本身似乎运行良好。但是，当我尝试将操作结果放入标准 C 变量时，我得到一个 SEGFAULT。如果我将下面指示的行注释掉，程序就会运行。如果我保存了指示行的结果，但不以任何方式对其进行操作，则程序运行良好。只有当我尝试（以任何方式）与_mm_cvtss_f32(C) 的结果交互时，我的程序才会崩溃。有什么想法吗？

float proc(float *a, float *b, int n, int c, int width) 
    // Operation: SUM: (A - B) ^ 2
    __m128 A, B, C;
    float total = 0;
    for (int d = 0, k = 0; k < c; d += width, k++) 
        for (int i = 0; i < n / 4 * 4; i += 4) 
            A = _mm_load_ps(&a[i + d]);
            B = _mm_load_ps(&b[i + d]);
            C = _mm_sub_ps(A, B);
            C = _mm_mul_ps(C, C);
            C = _mm_hadd_ps(C, C);
            C = _mm_hadd_ps(C, C);
            total += _mm_cvtss_f32(C); // SEGFAULT HERE
        
        for (int i = n / 4 * 4; i < n; i++) 
            int diff = a[i + d] - b[i + d];
            total += diff * diff;
        
    
    return total;

【问题讨论】：

您确定您的程序实际上在您引用的指令处崩溃，或者如果您删除 _mm_cvtss_f32() 行，编译器是否只是优化循环的其余部分（它没有任何其他可见的副作用）？潜在的失败原因是 a 和 b 数组的不正确对齐，因为您使用的是对齐的加载指令。你确定它们是 16 字节对齐的吗？在当代 Intel 硬件上，16 字节对齐和未对齐加载之间的性能差异非常小（movaps 的指令编码比 movups 短，但仅此而已）。

谢谢，我将load 更改为loadu，现在似乎可以使用了！

@JasonR：它们的编码长度相同。 felixcloutier.com/x86/MOVAPS.html 与 felixcloutier.com/x86/MOVUPS.html。如果您要比较反汇编，其中一个是否具有 REX 前缀或不同的寻址模式？无论如何，当数据在运行时对齐时，它们的性能相同，但是当 L1 缓存读取带宽成为瓶颈时，对齐负载具有优势。确保您的数据在廉价时保持一致是个好主意。

另外，@Simon：将 HADD 指令从循环中取出，并在最后进行水平求和。使用_mm_add_ps 将结果向量添加到向量累加器中。 （最好使用多个向量累加器展开以隐藏添加到累加器的延迟，因此它不会成为循环携带依赖链延迟的瓶颈。自动向量化在这里可能会很好，尤其是如果你告诉编译器指针对齐。）

@PeterCordes：我绝对尊重您广泛的 x86 专业知识。我没有意识到现在对齐的负载还有任何剩余的优势。您对上面指出的 L1-cache-read-bandwidth 问题有参考吗？

【参考方案1】：

您确定您的程序实际上在您引用的指令处崩溃，或者如果您删除 _mm_cvtss_f32() 行（它没有任何其他可见的副作用），编译器是否只是优化了循环的其余部分？潜在的故障原因可能是 a 和 b 数组的不正确对齐，因为您使用的是对齐的加载指令。你确定它们是 16 字节对齐的吗？在当代 Intel 硬件上，16 字节对齐负载和非对齐负载之间的性能差异非常小（有关该问题的讨论，请参阅上述问题的 cmets）。

我在原始评论中提到movaps 的编码比movups 短。 这是不正确的。 我想的是 movaps 与 movapd 进行相同的内存传输，只是它们分别被标记为用于单精度和双精度数据.实际上，它们做同样的事情，但movaps 的编码更短。