为多个 SIMD 架构生成代码
Generate code for multiple SIMD architectures
我编写了一个库，我在其中使用 CMake 验证 MMX、SSE、SSE2、SSE4、AVX、AVX2 和 AVX-512 的 headers 是否存在。除此之外，我检查指令是否存在，如果存在，我添加必要的编译器标志，-msse2 -mavx -mfma 等。
一切都很好，但我想部署一个二进制文件，它适用于多代处理器。
问题：是否可以告诉编译器 (GCC) 每当它使用 SIMD 优化函数时，它必须为一系列体系结构生成代码？当然还有 high-level 个分支
我的想法类似于编译器生成函数代码的方式，其中输入指针是 4 字节或 8 字节对齐的。为了防止这种情况，我使用 __builtin_assume_aligned 宏。
什么是最佳做法？多个二进制文件？命名？
只要不在乎便携性就可以。
最新版本的 GCC 通过使用 target_clones 函数属性使这比我所知道的任何其他编译器都更容易。只需添加属性，以及您要为其创建版本的目标列表，GCC 将自动创建不同的变体，以及在运行时自动选择版本的调度功能。
如果你想要更多的可移植性，你可以使用 target 属性，clang 和 icc 也支持，但是你必须自己编写调度函数（这并不难），并且多次发出函数（通常使用宏，或重复包含 header）。
AFAIK，如果您希望您的代码与 MSVC 一起工作，您将需要使用不同选项调用多个编译器。
如果你只是在谈论让编译器生成 SSE/AVX 等指令，并且你有 "general purpose" 代码（即你没有使用内在函数显式矢量化，或者 lots 编译器将发现并自动矢量化的代码）然后我应该警告你，编译整个代码库的 AVX、AVX2 或 AVX512 可能 运行 显着 比为 SSE 版本编译更慢。
当检测到使用寄存器上半部分的 AVX 操作码时，CPU 会为电路的上半部分加电（否则会断电）。这会消耗更多功率，产生更多热量并降低芯片的基本时钟速度，通常会降低 10-20%，具体取决于高功率和低功率操作码的组合，因此您可能会立即损失 15% 的性能，然后在开始看到任何收益之前，要进行大量矢量化处理以弥补这种性能缺陷。
在 this thread 中查看我更长的解释和参考资料。
另一方面，如果您明确地使用内在函数进行矢量化，并且您确定您有足够大的 AVX 等爆发使其值得，我已经成功地编写了代码，我告诉 MSVC 为 SSE2 编译（ x64 的默认值），但随后我动态检查 CPU 功能，并且一些函数切换到使用 AVX 内在函数实现的代码路径。
MSVC 允许这样做（它会产生警告，但您可以将它们静音），但是相同的技术很难在 GCC 4.9 下工作，因为只有在适当的代码生成标志为用过的。 [更新：@nemequ 在下面解释了如何在 gcc 下使用属性来装饰函数] 根据 GCC 的版本，您可能必须使用不同的标志编译文件以获得可行的系统。
哦，你还必须注意 AVX-SSE 转换（当你将 AVX 代码部分留给 return 到 SSE 代码时调用 VZEROUPPER）——可以做到，但我发现理解CPU 影响是一场比我最初设想的更大的战斗。
我编写了一个库，我在其中使用 CMake 验证 MMX、SSE、SSE2、SSE4、AVX、AVX2 和 AVX-512 的 headers 是否存在。除此之外，我检查指令是否存在，如果存在，我添加必要的编译器标志，-msse2 -mavx -mfma 等。
一切都很好，但我想部署一个二进制文件，它适用于多代处理器。
问题：是否可以告诉编译器 (GCC) 每当它使用 SIMD 优化函数时，它必须为一系列体系结构生成代码？当然还有 high-level 个分支
我的想法类似于编译器生成函数代码的方式，其中输入指针是 4 字节或 8 字节对齐的。为了防止这种情况，我使用 __builtin_assume_aligned 宏。
什么是最佳做法？多个二进制文件？命名？
只要不在乎便携性就可以。
最新版本的 GCC 通过使用 target_clones 函数属性使这比我所知道的任何其他编译器都更容易。只需添加属性，以及您要为其创建版本的目标列表，GCC 将自动创建不同的变体，以及在运行时自动选择版本的调度功能。
如果你想要更多的可移植性，你可以使用 target 属性，clang 和 icc 也支持，但是你必须自己编写调度函数（这并不难），并且多次发出函数（通常使用宏，或重复包含 header）。
AFAIK，如果您希望您的代码与 MSVC 一起工作，您将需要使用不同选项调用多个编译器。
如果你只是在谈论让编译器生成 SSE/AVX 等指令，并且你有 "general purpose" 代码（即你没有使用内在函数显式矢量化，或者 lots 编译器将发现并自动矢量化的代码）然后我应该警告你，编译整个代码库的 AVX、AVX2 或 AVX512 可能 运行 显着 比为 SSE 版本编译更慢。
当检测到使用寄存器上半部分的 AVX 操作码时，CPU 会为电路的上半部分加电（否则会断电）。这会消耗更多功率，产生更多热量并降低芯片的基本时钟速度，通常会降低 10-20%，具体取决于高功率和低功率操作码的组合，因此您可能会立即损失 15% 的性能，然后在开始看到任何收益之前，要进行大量矢量化处理以弥补这种性能缺陷。
在 this thread 中查看我更长的解释和参考资料。
另一方面，如果您明确地使用内在函数进行矢量化，并且您确定您有足够大的 AVX 等爆发使其值得，我已经成功地编写了代码，我告诉 MSVC 为 SSE2 编译（ x64 的默认值），但随后我动态检查 CPU 功能，并且一些函数切换到使用 AVX 内在函数实现的代码路径。
MSVC 允许这样做（它会产生警告，但您可以将它们静音），但是相同的技术很难在 GCC 4.9 下工作，因为只有在适当的代码生成标志为用过的。 [更新：@nemequ 在下面解释了如何在 gcc 下使用属性来装饰函数] 根据 GCC 的版本，您可能必须使用不同的标志编译文件以获得可行的系统。
哦，你还必须注意 AVX-SSE 转换（当你将 AVX 代码部分留给 return 到 SSE 代码时调用 VZEROUPPER）——可以做到，但我发现理解CPU 影响是一场比我最初设想的更大的战斗。