C 为什么load_ps()可以在一台电脑上工作,而不能在另一台电脑上工作?
我编写了以下代码来缩放一组数字:C 为什么load_ps()可以在一台电脑上工作,而不能在另一台电脑上工作?,c,x86,intel,simd,avx,C,X86,Intel,Simd,Avx,我编写了以下代码来缩放一组数字: #include <stdio.h> #include <stdlib.h> #include <math.h> #include "immintrin.h" void scale(struct problem_param prob_param, float* features) { int i,j,k; for (j = 0; j < prob_param.Nr_ft; j++)
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include "immintrin.h"
void scale(struct problem_param prob_param, float* features)
{
int i,j,k;
for (j = 0; j < prob_param.Nr_ft; j++)
{
__m256 range_vec ,low_up_vec , low_vec,tmp_vec;
__m256 feat_min_vec, feat_vec;
unsigned count = prob_param.Size;
unsigned offset = j * prob_param.Size;
float feature_max = features[offset];
float feature_min = features[offset];
/*
* Look for min and max of each feature.
*/
for ( i = 1; i < prob_param.Size ; i++)
{
if (features[i + offset] > feature_max ) feature_max = features[i + offset];
if (features[i + offset] < feature_min ) feature_min = features[i + offset];
}
printf("feature : %u \t min = %f \t max = %f \n",j,feature_min,feature_max);
/*
* Set the range.
* Set constant vectors for the vector instructions.
*/
float range = feature_max - feature_min;
feat_min_vec = _mm256_set1_ps (feature_min);
range_vec = _mm256_set1_ps (range);
low_up_vec = _mm256_set1_ps (prob_param.upper_limit - prob_param.lower_limit);
low_vec = _mm256_set1_ps (prob_param.lower_limit);
/*
* Normalising
* -----------
* Head
*/
for ( i = 0; i < prob_param.Size && count >= 7 ; i+=8)
{
feat_vec = _mm256_load_ps(&features[i + offset]);
tmp_vec = _mm256_sub_ps(feat_vec,feat_min_vec);
tmp_vec = _mm256_mul_ps(tmp_vec,low_up_vec);
tmp_vec = _mm256_div_ps(tmp_vec,range_vec);
feat_vec = _mm256_add_ps(tmp_vec,low_vec);
_mm256_store_ps (&features[i + offset], feat_vec);
count -=8;
}
/*
* Normalising
* -----------
* Tail
*/
for ( k = i; k < prob_param.Size ; k++)
{
features[k + offset] = prob_param.lower_limit + (prob_param.upper_limit - prob_param.lower_limit) * (features[k + offset] - feature_min) / range;
}
}
#包括
#包括
#包括
#包括“immintrin.h”
空隙比例(结构问题参数问题参数、浮动*特征)
{
int i,j,k;
对于(j=0;j特征[U最大值)特征[U最大值=特征[i+偏移];
如果(特征[i+偏移]=7;i+=8)
{
feat_vec=_mm256_load_ps(&features[i+偏移量]);
tmp_vec=_mm256_sub_ps(功绩、功绩);
tmp_vec=_mm256_mul_ps(tmp_vec,low_up_vec);
tmp_vec=_mm256_div_ps(tmp_vec,range_vec);
功绩向量=_mm256_add_ps(tmp_vec,low_vec);
_mm256_-store_-ps(功能[i+偏移量]、专长向量和特征);
计数-=8;
}
/*
*正常化
* -----------
*尾巴
*/
对于(k=i;k
这是负责缩放的函数,我这样称呼它:
#include <stdio.h>
#include <stdlib.h>
#include "data.h"
#include "common.h"
#define training_size 3089
#define number_features 4
#define low -1.0
#define up 1.0
float* feature_array;
int main()
{
struct problem_param pp;
pp.Size = training_size;
pp.Nr_ft = number_features;
pp.lower_limit = low;
pp.upper_limit = up;
posix_memalign((void **) &feature_array, 32, (size_t) training_size * number_features *sizeof(float));
scale(pp,feature_array);
return EXIT_SUCCESS;
}
#包括
#包括
#包括“data.h”
#包括“common.h”
#定义培训单元尺寸3089
#定义数字功能4
#定义低-1.0
#向上定义1.0
浮点*特征_数组;
int main()
{
结构问题_参数pp;
pp.尺寸=培训尺寸;
pp.Nr_ft=数量特征;
pp.下限=低;
pp.上限=上升;
posix_memalign((void**)和feature_数组,32,(size_t)training_size*number_features*sizeof(float));
比例(pp,特征_阵列);
返回退出成功;
}
我用我的MacBook Pro Core i5 Haswell测试了这段代码,它可以正常工作,但当我用ASUS Core I7 Haswell测试它时,它显示了加载的分段错误。我缺少什么吗?偏移量的值(因此
I+偏移量
)并不总是8的倍数(在上面的示例中,它等于0、3089、6178、9267),因此您的加载和存储内部函数通常会发生错位
最简单的解决方案是用\u mm256\u loadu\u ps
代替\u mm256\u loadu\u ps
,用\u mm256\u storeu\u ps
代替\u mm256\u store\u ps
至于为什么在你的MacBook Pro上会出现这种情况,我的猜测是clang在背后生成了未对齐的加载/存储指令,从而隐藏了问题,直到你尝试在使用不同编译器的系统上运行代码
更新:我刚刚通过编译和分解生成的代码(在Haswell MacBook Pro上,macOS 10.13.4和Xcode 9.3.1)验证了上述假设:
请注意,使用
vmovups
而不是vmovaps
时,offset
(因此i+offset
)的值并不总是8的倍数(在上面的示例中,它等于0、3089、6178、9267),因此加载和存储内部函数通常会不对齐
最简单的解决方案是用\u mm256\u loadu\u ps
代替\u mm256\u loadu\u ps
,用\u mm256\u storeu\u ps
代替\u mm256\u store\u ps
至于为什么在你的MacBook Pro上会出现这种情况,我的猜测是clang在背后生成了未对齐的加载/存储指令,从而隐藏了问题,直到你尝试在使用不同编译器的系统上运行代码
更新:我刚刚通过编译和分解生成的代码(在Haswell MacBook Pro上,macOS 10.13.4和Xcode 9.3.1)验证了上述假设:
注意使用
vmovups
而不是vmovaps
注意,将float**
强制转换为void**
是不合适的。相反,您确实应该使用一个临时void*
变量。我猜您可能在某个地方有一个与load\ps
相关的UB URE…注意,强制转换是不合适的e> float**
到void**
。相反,你真的应该使用一个临时void*
变量。我猜你在某个地方有一个与加载相关的UBURE。。。
>>> vmovups (%r14,%r13,4), %ymm0
vsubps 192(%rsp), %ymm0, %ymm0 ## 32-byte Folded Reload
vmulps 448(%rsp), %ymm0, %ymm0 ## 32-byte Folded Reload
vdivps 384(%rsp), %ymm0, %ymm0 ## 32-byte Folded Reload
vaddps 416(%rsp), %ymm0, %ymm0 ## 32-byte Folded Reload
>>> vmovups %ymm0, (%r14,%r13,4)