Clang++/g++ 没有在 Aarch64 上对代码进行矢量化

Question

我有一个带四核 Cortex-A57 的 SBC，我正在尝试使用编译器自动矢量化对 Neon 进行试验。在 Ubuntu 18.04 上同时使用 clang++ (5.0.1-4) 和 g++ (7.4.0)，下面非常简单的代码没有向量化（即，它在任何时候都不使用 v 寄存器）：

#include <iostream>
#include <cstdint>

int main(void)
    {
    const uint32_t  LEN = 16;
    float           input_1[LEN] __attribute__((__aligned__(16))),
                    input_2[LEN] __attribute__((__aligned__(16))),
                    output [LEN] __attribute__((__aligned__(16)));

    for(uint32_t i = 0; i < LEN; i++)
        {
        input_1[i] = i;
        input_2[i] = i * 2;
        }

    for(uint32_t i = 0; i < LEN; i++)
        output[i] = input_1[i] * input_2[i];

    std::cout << output[0] << std::endl;

    return 0;
    }

它只是声明了 3 个数组，填充 2 个数组并将它们相乘到输出数组上。最后的 cout 是为了防止编译器摆脱一切。我没有 post objdump -d 的结果以避免向人们的屏幕发送垃圾邮件，但如果有人需要，我可以。编译行是：clang++ -O3 neon.cpp -o neon (g++ 相同)

我也试过 -mcpu=cortex-a57 但它也不会矢量化。然后我发现这个posthttps://gcc.gnu.org/bugzilla/show_bug.cgi?id=65951

评论 11 说，根据情况，如果没有性能优势，编译器可能会决定不向量化。根据您的经验，似乎是这样，还是我遗漏了什么？

====== 编辑 ======

g++ 为上述代码生成的程序集是：

    .arch armv8-a
    .file   "neon_test.cpp"
    .text
    .section    .text.startup,"ax",@progbits
    .align  2
    .p2align 3,,7
    .global main
    .type   main, %function
main:
.LFB1563:
    .cfi_startproc
    stp x29, x30, [sp, -112]!
    .cfi_def_cfa_offset 112
    .cfi_offset 29, -112
    .cfi_offset 30, -104
    adrp    x1, .LC0
    adrp    x0, :got:_ZSt4cout
    movi    d0, #0
    add x29, sp, 0
    .cfi_def_cfa_register 29
    str x19, [sp, 16]
    .cfi_offset 19, -96
    adrp    x19, :got:__stack_chk_guard
    ldr q1, [x1, #:lo12:.LC0]
    ldr x19, [x19, #:got_lo12:__stack_chk_guard]
    ldr x0, [x0, #:got_lo12:_ZSt4cout]
    ldr x1, [x19]
    str x1, [x29, 104]
    mov x1,0
    str q1, [x29, 32]
    bl  _ZNSo9_M_insertIdEERSoT_
    bl  _ZSt4endlIcSt11char_traitsIcEERSt13basic_ostreamIT_T0_ES6_
    ldr x0, [x29, 104]
    ldr x1, [x19]
    eor x1, x0, x1
    cbnz    x1, .L5
    ldr x19, [sp, 16]
    mov w0, 0
    ldp x29, x30, [sp], 112
    .cfi_remember_state
    .cfi_restore 30
    .cfi_restore 29
    .cfi_restore 19
    .cfi_def_cfa 31, 0
    ret
.L5:
    .cfi_restore_state
    bl  __stack_chk_fail
    .cfi_endproc
.LFE1563:
    .size   main, .-main
    .section    .rodata.cst16,"aM",@progbits,16
    .align  4
.LC0:
    .word   0
    .word   1073741824
    .word   1090519040
    .word   1099956224
    .section    .text.startup
    .align  2
    .p2align 3,,7
    .type   _GLOBAL__sub_I_main, %function
_GLOBAL__sub_I_main:
.LFB2050:
    .cfi_startproc
    stp x29, x30, [sp, -32]!
    .cfi_def_cfa_offset 32
    .cfi_offset 29, -32
    .cfi_offset 30, -24
    add x29, sp, 0
    .cfi_def_cfa_register 29
    str x19, [sp, 16]
    .cfi_offset 19, -16
    adrp    x19, .LANCHOR0
    add x19, x19, :lo12:.LANCHOR0
    mov x0, x19
    bl  _ZNSt8ios_base4InitC1Ev
    adrp    x0, :got:_ZNSt8ios_base4InitD1Ev
    mov x1, x19
    ldr x19, [sp, 16]
    adrp    x2, __dso_handle
    ldr x0, [x0, #:got_lo12:_ZNSt8ios_base4InitD1Ev]
    add x2, x2, :lo12:__dso_handle
    ldp x29, x30, [sp], 32
    .cfi_restore 30
    .cfi_restore 29
    .cfi_restore 19
    .cfi_def_cfa 31, 0
    b   __cxa_atexit
    .cfi_endproc
.LFE2050:
    .size   _GLOBAL__sub_I_main, .-_GLOBAL__sub_I_main
    .section    .init_array,"aw"
    .align  3
    .xword  _GLOBAL__sub_I_main
    .bss
    .align  3
    .set    .LANCHOR0,. + 0
    .type   _ZStL8__ioinit, %object
    .size   _ZStL8__ioinit, 1
_ZStL8__ioinit:
    .zero   1
    .hidden __dso_handle
    .ident  "GCC: (Ubuntu/Linaro 7.4.0-1ubuntu1~18.04.1) 7.4.0"
    .section    .note.GNU-stack,"",@progbits

Answer 1

您在执行实际数学运算的同一函数中生成输入。

问：那么编译器在-o3下做了什么？

A：它在构建时进行数学计算，并将结果存储在某种 LUT 中。 (.LC0)

您应该在外部函数中初始化输入，最好在不同的文件中，以避免这种 "build time math" 编译器作弊。

0 = 0.0f = 0.0f * 2.0f * 0.0f
1073741824 = 2.0f = 1.0f * 2.0f * 1.0f
1090519040 = 8.0f = 2.0f * 2.0f * 2.0f
1099956224 = 18.0f = 3.0f * 2.0f * 3.0f

Clang++/g++ 没有在 Aarch64 上对代码进行矢量化

Clang++/g++ not vectorizing code on Aarch64

c++

arm

neon