問題が関連しますomp_get_wtime()
を呼び出した後、AVXレジスタの上半分を汚します。これは特にSkylakeプロセッサの問題です。
この問題について初めて読んだのはhereでした。それ以来、他の人々がこの問題を観察しています:hereとhere。
gdb
を使用すると、omp_get_wtime()
はclock_gettime
となります。 clock_gettime()
を使用するようにコードを書き直しましたが、同じ問題が発生します。
void fix_avx() { __asm__ __volatile__ ("vzeroupper" : : :); }
void fix_sse() { }
void (*fix)();
double get_wtime() {
struct timespec time;
clock_gettime(CLOCK_MONOTONIC, &time);
#ifndef __AVX__
fix();
#endif
return time.tv_sec + 1E-9*time.tv_nsec;
}
void dispatch() {
fix = fix_sse;
#if defined(__INTEL_COMPILER)
if (_may_i_use_cpu_feature (_FEATURE_AVX)) fix = fix_avx;
#else
#if defined(__GNUC__) && !defined(__clang__)
__builtin_cpu_init();
#endif
if(__builtin_cpu_supports("avx")) fix = fix_avx;
#endif
}
gdb
とコードのステップは、私が初めてclock_gettime
はそれが_dl_runtime_resolve_avx()
を呼び出すと呼ばれていることがわかります。私は問題がthis commentに基づいてこの機能にあると信じています。この関数は、初めてclock_gettime
が呼び出されたときにのみ呼び出されるように見えます。 clock_gettime
との最初の呼び出しは、しかし、クラン(クランも-O2
でベクトル化以来clang -O2 -fno-vectorize
を使用)と、それが唯一のclock_gettime
へのすべての呼び出し後にそれを使用して消えた後、GCCで
問題が//__asm__ __volatile__ ("vzeroupper" : : :);
を使用して消えます。ここで
は
-z now
(例えば
clang -O2 -fno-vectorize -z now foo.c
が)その後、クランは後にのみ
__asm__ __volatile__ ("vzeroupper" : : :);
を必要と
#include <string.h>
#include <stdio.h>
#include <x86intrin.h>
#include <time.h>
void fix_avx() { __asm__ __volatile__ ("vzeroupper" : : :); }
void fix_sse() { }
void (*fix)();
double get_wtime() {
struct timespec time;
clock_gettime(CLOCK_MONOTONIC, &time);
#ifndef __AVX__
fix();
#endif
return time.tv_sec + 1E-9*time.tv_nsec;
}
void dispatch() {
fix = fix_sse;
#if defined(__INTEL_COMPILER)
if (_may_i_use_cpu_feature (_FEATURE_AVX)) fix = fix_avx;
#else
#if defined(__GNUC__) && !defined(__clang__)
__builtin_cpu_init();
#endif
if(__builtin_cpu_supports("avx")) fix = fix_avx;
#endif
}
#define N 1000000
#define R 1000
void mul(double *a, double *b) {
for (int i = 0; i<N; i++) a[i] *= b[i];
}
int main() {
dispatch();
const double mem = 3*sizeof(double)*N*R/1024/1024/1024;
const double maxbw = 34.1;
double *a = (double*)_mm_malloc(sizeof *a * N, 32);
double *b = (double*)_mm_malloc(sizeof *b * N, 32);
//b must be initialized to get the correct bandwidth!!!
memset(a, 1, sizeof *a * N);
memset(b, 1, sizeof *b * N);
double dtime;
//dtime = get_wtime(); // call once to fix GCC
//printf("%f\n", dtime);
//fix = fix_sse;
dtime = -get_wtime();
for(int i=0; i<R; i++) mul(a,b);
dtime += get_wtime();
printf("time %.2f s, %.1f GB/s, efficency %.1f%%\n", dtime, mem/dtime, 100*mem/dtime/maxbw);
_mm_free(a), _mm_free(b);
}
は、私は怠惰な関数呼び出しの解決を無効にした場合(GCC 6.3とクラン3.8との)私はこれをテストするために使用するコードですclock_gettime
への最初の呼び出しは、GCCと似ています。
私は-z now
と私は右main()
後__asm__ __volatile__ ("vzeroupper" : : :);
のみを必要とするだろうが、私はまだclock_gettime
の最初の呼び出しの後にそれを必要とすることを期待。
FWIW低2.6GHzのモバイルハースウェルCPUで、両方とも約0.8秒を得て、clangでコンパイルします。 –
@PaulR、ありがとう。後で私のHaswellシステムでテストすることができます。私はSkylakeシステム上で私がハズウェルに乗っていないという奇妙な結果を得ているので、私は驚かないだろう。 –
@PaulR、私はそれを考え出した!'omp_get_wtime()'を呼び出した直後に '__asm__ __volatile__(" vzeroupper ":::);'を返します。 –