如何提示 OpenMP Stride？

Question

我试图了解 OpenMP 打破循环矢量化的概念原因。此外，任何解决此问题的建议都会有所帮助。我正在考虑手动并行化它来解决这个问题，但这肯定不会很优雅并且会导致大量的代码膨胀，因为我的代码包含几个适合矢量化和并行化的部分。

我正在使用

Microsoft (R) C/C++ 优化编译器版本 17.00.60315.1 for x64

使用 OpenMP：

信息 C5002：由于原因“502”，循环未矢量化

没有 OpenMP：

info C5001：循环矢量化

VS vectorization page 说这个错误发生在：

归纳变量以不同于简单 +1 的方式步进

我可以强制它跨步 1 吗？

循环

#pragma omp parallel for
for (int j = 0; j < H*W; j++)//A,B,C,D,IN are __restricted
{
    float Gs = D[j]-B[j];
    float Gc = A[j]-C[j];
    in[j]=atan2f(Gs,Gc);
}

尽力而为(?)

#pragma omp parallel
{// This seems to vectorize, but it still requires quite a lot of boiler code
    int middle = H*W/2;
    #pragma omp sections nowait
    {
        #pragma omp section
        for (int j = 0; j < middle; j++)
        {
            float Gs = D[j]-B[j];
            float Gc = A[j]-C[j];
            in[j]=atan2f(Gs,Gc);
        }
        #pragma omp section
        for (int j = middle; j < H*W; j++)
        {
            float Gs = D[j]-B[j];
            float Gc = A[j]-C[j];
            in[j]=atan2f(Gs,Gc);
        }
    }
}

Answer 1

您可以尝试循环展开而不是 sections:

#pragma omp parallel for
for (int j = 0; j < H*W; j += outer_stride)//A,B,C,D,IN are __restricted
{
  for (int ii = 0; ii < outer_stride; ii++) {
    float Gs = D[j+ii]-B[j+ii];
    float Gc = A[j+ii]-C[j+ii];
    in[j+ii] = atan2f(Gs,Gc);
  }
}

其中outer_stride 是您的SIMD 行的合适倍数。此外，您可能会发现这个answer 很有用。

Answer 2

我建议您手动进行矢量化。一个原因是自动矢量化似乎不能很好地处理循环依赖（循环展开）。

为了避免代码臃肿和晦涩难懂的内在函数，我使用了 Agner Fog 的矢量类。根据我的经验，它与使用内在函数一样快，并且它会根据您的编译方式自动利用 SSE2-AVX2（AVX2 在英特尔仿真器上测试）。我已经使用可在 SSE2 到 AVX2 上运行的向量类编写了 GEMM 代码，当我在带有 AVX 的系统上运行时，我的代码已经比仅使用 SSE 的 Eigen 更快。这是带有矢量类的函数（我没有尝试展开循环）。

#include "omp.h"
#include "math.h"

#include "vectorclass.h"
#include "vectormath.h"

void loop(const int H, const int W, const int outer_stride, float *A, float *B, float *C, float *D, float* in) {
    #pragma omp parallel for
    for (int j = 0; j < H*W; j+=8)//A,B,C,D,IN are __restricted, W*H must be a multiple of 8
    {
        Vec8f Gs = Vec8f().load(&D[j]) - Vec8f().load(&B[j]);
        Vec8f Gc = Vec8f().load(&A[j]) - Vec8f().load(&C[j]);
        Vec8f invec = atan(Gs, Gc);
        invec.store(&in[j]);
    }

}

当您自己进行矢量化时，您必须小心数组边界。在上面的函数中，HW 需要是 8 的倍数。有几种解决方案，但最简单和最有效的解决方案是使数组 (A,B,C,D,in) 稍大一点（最大 7 浮动更大）如果需要是 8 的倍数。但是，另一种解决方案是使用以下代码，它不需要 WH 是 8 的倍数，但它并不那么漂亮。

#define ROUND_DOWN(x, s) ((x) & ~((s)-1))
void loop_fix(const int H, const int W, const int outer_stride, float *A, float *B, float *C, float *D, float* in) {
    #pragma omp parallel for
    for (int j = 0; j < ROUND_DOWN(H*W,8); j+=8)//A,B,C,D,IN are __restricted
    {
        Vec8f Gs = Vec8f().load(&D[j]) - Vec8f().load(&B[j]);
        Vec8f Gc = Vec8f().load(&A[j]) - Vec8f().load(&C[j]);
        Vec8f invec = atan(Gs, Gc);
        invec.store(&in[j]);
    }
    for(int j=ROUND_DOWN(H*W,8); j<H*W; j++) {
        float Gs = D[j]-B[j];
        float Gc = A[j]-C[j];
        in[j]=atan2f(Gs,Gc);
    }

}

自己进行矢量化的一个挑战是找到一个 SIMD 数学库（例如用于 atan2f）。矢量类支持 3 个选项。非 SIMD、AMD 的 LIBM 和英特尔的 SVML（我在上面的代码中使用了非 SIMD 选项）。 SIMD math libraries for SSE and AVX

您可能要考虑的最后一些 cmet。 Visual Studio 具有自动并行化（默认关闭）和自动矢量化（默认开启，至少在发布模式下）。你可以试试这个而不是 OpenMP 来减少代码膨胀。 http://msdn.microsoft.com/en-us/library/hh872235.aspx

此外，Microsoft 拥有并行模式库。由于 Microsoft 的 OpenMP 支持有限，因此值得研究。它几乎和 OpenMP 一样容易使用。这些选项之一可能更适合自动矢量化（尽管我对此表示怀疑）。就像我说的，我会使用矢量类手动进行矢量化。