在线组装中的子数组。C++

Question

void new2d(int* aInit, int* aResult)
{
        int cyclic[34] = {0};
        for (int i = 0; i < 32; i++)
        {
                cyclic[i] = aInit[i];
        }
        cyclic[32] = aInit[0];
        cyclic[33] = aInit[1];
        float three = 3.0;
        for (int i = 0; i < 32; i += 4)
        {
                int j = i + 1;
                int k = j + 1;
                __asm__ __volatile__
                (
                "vmovdqa (%0), %%xmm0;"
                "vmovdqa (%1), %%xmm1;"
                "vcvtdq2ps %%xmm0, %%xmm0;"
                "vcvtdq2ps %%xmm1, %%xmm1;"
                "addps %%xmm0, %%xmm1;"
                "vmovdqa (%2), %%xmm1;"
                "vcvtdq2ps %%xmm1, %%xmm1;"
                "addps %%xmm0, %%xmm1;"
                "vbroadcastss (%3), %%xmm1;"
                "divps %%xmm0, %%xmm1;"
                "vcvtps2dq %%xmm0, %%xmm0;"
                "vmovdqa %%xmm0, (%4);"
                :
                : "a"(&(cyclic[i])), "b"(&(cyclic[j])), "c"(&(cyclic[k])), "d"(&three), "S"(&aResult[i])
                );
        }
}

我想把一个初始数组的三个子数组相加，找出它们的平均值，然后保存在结果数组中。但启动.exe文件后，显示Segmentation Fault，如何解决？使用GNU 2.9.3, Ubuntu

Answer 1

您正在使用 vmovdqa 指令，该指令要求在数组的未对齐元素上使用一个对齐的内存操作数。在数组的未对齐元素上使用 vmovdqu 来代替，用于加载和存储。或者更好的是，在实际的计算指令中使用内存操作数（不过这只在AVX中有效；在遗留的SSE中，大多数指令的内存操作数必须是对齐的）。

汇编器块还有其他的低效率和问题。例如，正如评论中提到的，你缺少了clobbers，它表明了可能被asm块修改的CPU和内存状态的片段。在你的例子中，你缺少了 "memory"、"xmm0 "和 "xmm1 "clobbers。如果没有这些，编译器就会认为asm块不会影响内存内容(the aResult 特别是数组）或 xmm 寄存器（例如，将这些寄存器用于自己的目的，与你的asm块发生冲突）。

另外，你似乎弄乱了输入和输出寄存器在 addps 和 divps 指令，因为在少数情况下，你会覆盖或不使用前面指令的结果。在gcc使用的AT&T x86 asm语法中，最后一个操作数是输出操作数。 在使用任何AVX指令时，通常应该使用每条指令的AVX版本，尽管将128位AVX指令与传统SSE混合使用，如果YMM寄存器的上半部分已经干净了（例如vzeroupper），就不会造成SSEAVX过渡停顿。 使用 vaddps vdivps 是可选的，但建议使用。

另外，你传递对输入和输出数组的引用效率很低。与其将指针传递给数组的特定元素，不如将内存引用传递给这些元素更有效率，这使得编译器可以使用比普通指针更复杂的内存引用参数。这消除了在你的asm块之前，在一个单独的指令中计算指针的需要。另外，将 tree 常数 xmm 寄存器而不是内存。理想的情况下，你会希望将 vbroadcastss 的循环，但这只有在支持内在的情况下才有可能。 或者把循环写在一个asm语句里面）。

修正和改进后的asm语句应该是这样的。

__asm__ __volatile__
(
    "vcvtdq2ps %1, %%xmm0;"
    "vcvtdq2ps %2, %%xmm1;"
    "vaddps %%xmm1, %%xmm0;"
    "vcvtdq2ps %3, %%xmm1;"
    "vaddps %%xmm1, %%xmm0;"
    "vbroadcastss %4, %%xmm1;"
    "vdivps %%xmm0, %%xmm1;"
    "vcvtps2dq %%xmm1, %0;"
    : "=m"(aResult[i])
    : "m"(cyclic[i]), "m"(cyclic[j]), "m"(cyclic[k]), "x"(three)
    : "memory", "xmm0", "xmm1"
);

(其实不一定非得是这样的) volatile 现在内存输出是显式操作数了）。)

但是一个更好的解决方案是使用内在技术来实现这个asm块。这不仅会使asm块更安全，还会使它更有效率，因为它可以实现额外的编译器优化。当然，这只有在你的编译器支持intrinsics的情况下才有可能。