C++ 使用-mfma编译时指令非法

我在英特尔SandyBridge E5-2670上使用GCC 5.3.0进行编译。当我使用这些标志时，

-O3-DEIGEN\u NO\u DEBUG-std=c++11-Wall-Wextra-Werror-march=native-ffast math

代码运行时不会出错。当我添加

-mfma

时，我得到非法指令

我认为使用

-march=native

永远不会产生非法指令。我用

gdb

和

bt

运行了这个程序，但它显示了一个有效的堆栈（至少对我来说是这样），所以我认为

-mfma

不会暴露坏指针或其他内存问题

#0  0x000000000043a59c in ConvexHull::SortConvexHull() ()
#1  0x000000000043badd in ConvexHull::ConvexHull(Eigen::Matrix<double, -1, -1, 0, -1, -1>) ()
#2  0x000000000040b794 in Group::BuildCatElement() ()
#3  0x0000000000416b60 in SurfaceModel::ProcessGroups() ()
#4  0x00000000004435c6 in MainLoop(Inputs&, std::ostream&) ()
#5  0x000000000040494e in main ()

回溯显示错误从第259行开始

using namespace Eigen;
252 gridPnts.rowwise() -= gridPnts.colwise().mean(); //gridPnts is MatrixXd (X by 3)
253 Matrix3d S = gridPnts.transpose() * gridPnts;
254 S /= static_cast<double>(gridPnts.rows() - 1);
255 Eigen::SelfAdjointEigenSolver<MatrixXd> es(S);
256 Eigen::Matrix<double, 3, 2> trans;
257 trans = es.eigenvectors().block<3, 2>(0, 1);
258 MatrixXd output(gridPnts.rows(), 2);
259 output = gridPnts * trans;

使用名称空间特征；
252 gridPnts.rowwise（）-=gridPnts.colwise（）.mean（）//gridPnts是矩阵xXD（X X X 3）
253 Matrix3d S=gridPnts.transpose（）*gridPnts；
254 S/=static_cast（gridPnts.rows（）-1）；
255个特征：：自伴特征解算器；
256本征：：矩阵变换；
257 trans=es.特征向量（）块（0，1）；
258矩阵XXD输出（gridPnts.rows（），2）；
259输出=gridPnts*trans；

---

使用

-mfma

编译的目的是看我是否可以提高性能。这是否是

Eigen

中的错误，或者更可能是我没有正确使用它？

-mfma

将添加到允许的指令集中。你需要至少一个英特尔Haswell或AMD Piledriver的CPU

---

将

-m

InstructionSet添加到

-march=native

中永远不会有任何帮助——要么它已经包含，要么它将允许编译器使用非法指令（在您的CPU上）。

要调试非法指令，您首先应该查看反汇编，而不是回溯或源代码。但在您的情况下，即使从源代码中，您也可以很容易地看到违规（非法）指令是，它来自FMA指令集扩展。但是您拥有的SandyBridge CPU不支持此ISA扩展，因此在编译器中启用它，您就彻底失败了

在Linux上，您可以通过以下shell命令检查CPU是否支持FMA：

grep-q'\'/proc/cpuinfo&&echo受支持| | echo不受支持

可能与此相关。在无关的情况下；小心使用

-ffast math

-确保你知道它会带来什么把戏，以及在哪里会因此得到错误的结果-如果你知道自己在做什么，这很有用，但是请注意，它正在违反标准，并且存在一些棘手的陷阱-我个人的经验是，有限的性能增益不值得花时间追踪奇怪的bug。@JesperJuhl感谢您对

-ffast math

的评论。这里的练习是查看仅使用编译器选项就可以发现哪些性能增益/损耗。如果我们决定使用它，我们当然需要按照您的建议进行彻底审查。欢迎您。为了使用编译器选项获得安全的性能，我建议您对

-O2

vs

-O3

vs

-Os

进行基准测试，您最肯定的是要研究LTO和PGO-在我的例子中，后两种方法会显著减少可执行文件/库的大小以及可测量的加速，而且所有这些都不需要使用违反标准所提供的保证的技巧（尽管使用LTO可以获得更长的构建时间）。如果他的目标是提高机器的性能，那么将

-march=native

替换为

-mtune=native

会适得其反。

using namespace Eigen;
252 gridPnts.rowwise() -= gridPnts.colwise().mean(); //gridPnts is MatrixXd (X by 3)
253 Matrix3d S = gridPnts.transpose() * gridPnts;
254 S /= static_cast<double>(gridPnts.rows() - 1);
255 Eigen::SelfAdjointEigenSolver<MatrixXd> es(S);
256 Eigen::Matrix<double, 3, 2> trans;
257 trans = es.eigenvectors().block<3, 2>(0, 1);
258 MatrixXd output(gridPnts.rows(), 2);
259 output = gridPnts * trans;