AVX512中的人口计数

Question

我一直试图在一台支持_mm256_popcnt_epi64的机器上使用AVX512，并在以前为AVX2进行优化的代码上使用。

不幸的是，我遇到了找不到函数的问题。然而，找到了相应的__m512i等效值。不推荐使用__m256i函数吗？

Answer 1

_mm512_popcnt_epi64是AVX512 512-VPOPCNTDQ的一部分。256位和128位版本还要求AVX512VL使用带有128位或256位向量的AVX512指令.

主流的AVX512 CPU都有AVX512-VL。Xeon没有have 512-VL。

(_mm512_popcnt_epi8和epi16在冰湖也是新的，作为AVX512 512-BITALG的一部分)

也许您忘了启用必要的编译器选项(比如GCC -march=native来启用您正在编译的机器所能做的一切)，或者您正在为一个没有这两种特性的目标进行编译。如果是这样的话，编译器就不会将_m256_popcnt_epi64定义为一个内在的，所以在C中它将假设它的和未声明的函数并发出对它的调用。(链接时当然找不到。)和/或它将警告或错误(C或C++)的原型没有找到。

很少有CPU目前拥有have 512-VPOPCNTDQ (维基百科AVX512特性与CPU矩阵)：

• 骑士磨坊(最后一代Xeon Phi)：只有and 512-VPOPCNTDQ，没有AVX512VL和BITALG.因此，只有__m512i版本可以用于gcc -O3 -march=knm。您肯定应该在Xeon上使用512位向量，除非数据布局在256上工作得很好，并且需要对512位进行额外的洗牌。但是请注意，对于一些AVX / AVX2指令，它没有512位版本，比如元素小于32位的改组。(无AVX512 BW)
• 冰湖/虎湖:有AVX512 VPOPCNTDQ、BITALG和AVX512 VL，因此在为这个目标微体系结构编译时，支持_mm256_popcnt_epi64和epi8，例如gcc -O3 -march=icelake-client。(假设编译器的头是正确的)。 -march=icelake-client GCC8.3和更早版本的有一个错误，其中 / 不启用 -mavx512vpopcntdq.(GCC7不知道-march=icelake-client)。它是在GCC8.4中修正的，所以要么升级到最新的GCC8，要么升级到最新的稳定GCC；再过几年的开发通常会帮助GCC用新的ISA扩展(如AVX-512 )，特别是掩码寄存器来制作更好的代码。或者只需手动使用-march=icelake-client -mavx512vpopcntdq；即可：https://godbolt.org/z/a7bhcjdhr

在冰湖上选择256位和512位矢量是一种权衡，就像Skylake-x:当512位矢量uops在飞行时，端口1上的矢量ALU不会被使用。最大涡轮时钟速度可以降低。SIMD指令降低CPU频率。因此，如果从更宽的向量(例如，由于内存瓶颈，或者SIMD循环只是更大程序的一小部分)获得的速度不太快，那么在一个循环中使用512位向量可能会影响整体性能。

但是请注意，冰岛客户端CPU没有受到太大的影响，我不确定vpopcnt指令是否还算“很重”，可能没有在客户端CPU上降低最大透平。大多数整数SIMD指令不算。参见关于LLVM [X86]更喜欢冰/火箭/老虎湖(PR48336)上的512个位矢量的讨论。但是，端口1中的矢量ALU部分仍处于关闭状态，而512位uop正在运行.

其他CPU根本不支持硬件SIMD，也没有任何形式的_mm512_popcnt_epi64可用。

即使你只拥有AVX2，而不是AVX512，SIMD也是相对于标量popcnt的一种胜利，它在现代CPU上的非微型阵列上具有快速vpshufb (_mm256_shuffle_epi8)。https://github.com/WojciechMula/sse-popcount/有AVX2和AVX512版本，它们使用vpternlogd进行哈雷密封积累，以减少用于弹出的SIMD查找量。

在堆栈溢出上，使用AVX-512或AVX-2在大数据上计数1位(人口计数)。还显示了几年前复制的一些代码。

如果需要对单独的元素进行计数，只需使用针对零向量的vpshufb和vpsadbw的标准解包将其合并为64位的qword块即可。

如果您需要位置填充(每个位位置的单独和)，请参见https://github.com/mklarqvist/positional-popcount。