8

假设我有一些 16 字节对齐的结构，它只包装 3xFloat32 数组：

#[repr(C, align(16))]
pub struct Vector(pub [f32; 3]);

现在我想划分它的两个实例，如下所示：

use core::arch::x86_64;

let a = Vector([1f32, 2f32, 3f32]);
let b = Vector([4f32, 5f32, 6f32]);
let mut q = Vector([0f32, 0f32, 0ff32]);

unsafe {
    let a1 = x86_64::_mm_load_ps(a.0.as_ptr());
    let b1 = x86_64::_mm_load_ps(b.0.as_ptr());
    let q1 = x86_64::_mm_div_ps(a1, b1);
    x86_64::_mm_store_ps(q.0.as_mut_ptr(), q1);
}

它会除法，但有一个问题：第 4 个元素包含垃圾，除其他外，它可能发出 NaN 信号。如果某些异常标志未被屏蔽，则将触发 SIGFPE。我想以某种方式避免这种情况，而无需完全消除信号。即我要么只想在第 4 对元素上使其静音，要么放一些理智的值。最好、最快的方法是什么？或者也许有更好的方法？

4

2 回答 2

6

通常没有人揭露 FP 异常，否则您需要洗牌以复制其中一个元素，以便顶部元素与其他元素之一进行相同的划分。或者有其他一些已知的安全的东西。

如果您可以假设除数在该元素中是非 NaN，那么您可能只需要改组除数即可。

使用 AVX512，您可以使用零掩码抑制元素的异常，但在此之前没有这样的功能。此外，AVX512 允许您覆盖舍入模式 + 抑制所有异常 (SAE) 而无需屏蔽，因此您可以使最接近甚至显式地获得 SAE。但这会抑制所有元素的异常。

说真的，不要启用 FP 异常。如果异常数量是可见的副作用，编译器几乎/不知道如何以安全的方式进行优化。例如 GCC-ftrapping-math默认是开启的，但是它已经坏掉了。

我不会认为 LLVM 会更好。默认的严格 FP 可能仍然会进行优化，可以在源会引发 2 或 4 的情况下给出一个 SIGFPE。甚至可能会在源会引发 1 的情况下引发 0 的优化，反之亦然，例如 GCC 的损坏且几乎无用的默认值。

但是，如果您希望永远不会出现任何某种异常，则启用 FP 异常可能对调试很有用。但是您可以通过忽略具有该源地址的指令来处理 SIMD 指令中偶尔出现的误报。

如果在性能和异常正确性之间进行权衡，那么库的大多数用户宁愿它最大化性能。

即使用东西清除然后检查粘性 FP 掩码标志fenv也很少这样做，并且需要在受控情况下才能使用。我对库函数调用没有任何期望，尤其是对使用任何 SIMD 的函数调用没有任何期望。

避免垃圾元素中的次正规

如果 MXCSR 没有设置 FTZ 和 DAZ，您可能会因次正规（也称为非正规）而减速。（即正常情况，除非您使用 (Rust 等价的) 编译-ffast-math。）

对于具有 SSE / AVX 指令的典型 x86 硬件，生成 NaN 或 +-Inf 不需要额外的时间。（有趣的事实：NaN 也很慢，即使在现代硬件上也有 x87 数学的遗留问题）。因此，例如，在数学运算之前在向量的某些元素中创建 NAN是安全_mm_or_ps的。cmpps或者_mm_and_ps在除法之前在除数中创建一些零。

但是要小心填充中的垃圾，因为它可能会导致虚假的次常态。 0.0和 NaN（全为）通常总是安全的。

通常避免使用 SIMD 进行横向处理。SIMD vec != 几何向量。

仅使用 SIMD 向量的 4 个元素中的 3 个通常是一个坏主意，因为这通常意味着您使用单个 SIMD 向量来保存单个几何向量，而不是 4 个x坐标、4 个y坐标和 4 个z坐标的三个向量。

洗牌/水平的东西大多需要额外的指令（除了已经在内存中的标量的广播负载），但如果你以这种方式使用 SIMD，你通常需要大量的洗牌。在某些情况下，您无法对一系列事物进行矢量化，但您仍然可以通过 SIMD 获得加速。

如果您只是将这个部分向量的东西用于奇数大小的操作的剩余元素，那么很好，一个部分向量比 3 次标量迭代要好得多。但是大多数人询问只使用 4 个向量元素中的 3 个是因为他们使用 SIMD 错误，例如添加几何向量作为 SIMD 向量仍然很便宜，但点积需要洗牌。有关如何正确使用SIMD的一些好东西（SoA 与 AoS 等等上）。如果您已经知道这一点并且只是将 3 元素向量用于奇怪的极端情况，而不是大多数工作，那很好。

填充到向量宽度的倍数对于奇数大小通常很好，但某些算法的另一种选择是在数据末尾结束的最终未对齐向量。部分重叠的存储很好，除非它是一个就地算法并且你不得不担心没有两次做一个元素。（或者关于存储转发停止，即使对于像 AND 屏蔽或钳位这样的幂等操作）。

免费获得零

如果您只剩下 2 个float元素，movsd则加载将加载 + 零扩展到 XMM 寄存器中。您不妨让编译器来代替movaps.

否则，如果将 3 个标量混在一起，insertps可以将元素归零。或者您可能movss从内存加载中知道 xmm regs 的零高部分。因此，编译器可以免费使用 a0.0作为标量向量初始化程序的一部分（如 C++ ）。_mm_set_ps()

使用 AVX，如果您担心填充会导致不正常，可以考虑使用屏蔽负载。 https://www.felixcloutier.com/x86/vmaskmov。但这比vmovaps. 蒙面商店在 AMD 上要贵得多，甚至是 Ryzen。

于 2019-10-08T06:51:32.140 回答
4

在 Rust 中，就像在 C 中一样，sizeof总是 : 的倍数，alignof因为sizeof它被用作数组中的步幅，并且数组元素需要正确对齐。

结果，即使您只使用 12 个字节struct，它sizeof仍然是 16 个字节，带有 4 个字节的“填充”。

因此，我会提出一个非常务实的解决方案：拥有填充。与其使内部struct可见，不如给它一个构造函数和一个访问器……并用值将其填充到 16 个字节1.0。

#[repr(C, align(16))]
pub struct Vector([f32; 4]);

impl Vector {
    pub fn new(v: [f32; 3]) -> Vector {
        Vector([v[0], v[1], v[2], 1.0])
    }

    pub fn pad(&mut self, pad: f32) { self.0[3] = pad; }

    pub fn as_ptr(&self) -> *const f32 { self.0.as_ptr() }
}

然后，您可以放心地执行操作，不会使用垃圾字节。

于 2019-10-08T07:59:50.107 回答