__mmask16 буквально является typedef для unsigned short (и других типов маски для других простых целочисленных типов), поэтому нам просто нужно ограничение для передачи его в регистр k.
Нам нужно найти источники gcc config/i386/constraints.md, чтобы найти его:
Ограничение для любого регистра маски - "k". Или используйте "Yk" для k1..k7 (который может использоваться в качестве предиката, в отличие от k0). Вы бы использовали операнд "=k" в качестве пункта назначения для сравнения в маске, например.
Очевидно, что вы можете использовать "=Yk"(tmp) с __mmask16 tmp, чтобы компилятор выполнил для вас выделение регистров, вместо того, чтобы просто объявлять клобберы на тех "k" регистрах, которые вы решили использовать.
Прежде всего, https://gcc.gnu.org/wiki/DontUseInlineAsm, если вы можете избежать этого. Понимание asm великолепно, но используйте его, чтобы прочитать выходные данные компилятора и / или выяснить, что было бы оптимальным, а затем написать встроенные функции, которые можно скомпилировать так, как вы хотите. Информация о настройке производительности, такая как https://agner.org/optimize/ и https://uops.info/, перечисляет вещи по мнемосхемам asm, и они короче / проще для запоминания, чем встроенные, но вы можете выполнить поиск по мнемоникам, чтобы найти встроенные в https://software.intel.com/sites/landingpage/IntrinsicsGuide/
Intrinsics также позволит компилятору сворачивать загрузки в операнды источника памяти для других инструкций; с AVX512 они могут даже транслироваться! Ваш встроенный ассм заставляет компилятор использовать отдельную инструкцию загрузки. Даже вход "vm" не позволит компилятору выбрать широковещательную загрузку в качестве источника памяти , потому что он не будет знать ширину широковещательного элемента инструкции, с которой вы его использовали.
Используйте _mm512_mask_add_epi32 или _mm512_maskz_add_epi32, особенно если вы уже используете __m512i типов из <immintrin.h>.
Кроме того, в вашей ассемблере есть ошибка: вы используете {k1} маскирование слиянием, а не {k1}{z} маскирование нуля , но вы использовали неинициализированный __m512i sum; с выходом "=v" ограничение как место слияния! Как автономная функция, она сливается с a, потому что соглашение о вызовах имеет ZMM0 = первый вход = регистр возвращаемого значения. Но когда вы включаете другие функции, вы определенно не можете предполагать, что sum выберет тот же регистр, что и a. Лучше всего использовать операнд для чтения / записи для "+v"(a), а использовать его в качестве пункта назначения и первого источника.
Маскирование слиянием имеет смысл только с операндом "+v" для чтения / записи. (Или в операторе asm с несколькими инструкциями, когда вы уже написали вывод один раз и хотите объединить другой результат в это.)
Intrinsics помешает вам совершить эту ошибку; версия с маскированием слиянием имеет дополнительный вход для цели слияния. (Операнд назначения asm).
Пример использования "Yk"
// works with -march=skylake-avx512 or -march=knl
// or just -mavx512f but don't do that.
#include <immintrin.h>
__m512i add_zmask(__m512i a, __m512i b) {
__m512i sum;
asm(
"vpaddd %[SUM] %{%[mask]%}%{z%}, %[A], %[B]; # conditional add "
: [SUM] "=v"(sum)
: [A] "v" (a),
[B] "v" (b),
// no clobbers needed, unlike your question which I fixed with an edit
);
return sum;
}
компилируется с gcc еще в 4.9, но на самом деле этого не происходит, потому что он не понимает -march=skylake-avx512 или даже не имеет настроек для настройки Skylake или KNL.
Проводник компилятора Godbolt :
# gcc8.3 -O3 -march=skylake-avx512 or -march=knl
add(long long __vector, long long __vector):
mov eax, -21846
kmovw k1, eax # compiler-generated
# inline asm starts
vpaddd zmm0 {k1}{z}, zmm0, zmm1; # conditional add
# inline asm ends
ret
-mavx512bw (подразумевается -march=skylake-avx512, но не knl) требуется для "Yk" для работы с int. Если вы компилируете с -march=knl, целочисленные литералы нуждаются в приведении к __mmask16 или __mask8, потому что unsigned int = __mask32 недоступно для масок.
[mask] "Yk" (0xAAAA) требует AVX512BW, даже если константа помещается в 16 бит, просто потому, что голые целочисленные литералы всегда имеют тип int. (vpaddd zmm имеет 16 элементов на вектор, поэтому я сократил вашу константу до 16-битной.) С AVX512BW вы можете передавать более широкие константы или опускать приведение для узких.
- gcc6 и новее поддерживают
-march=skylake-avx512. Используйте это, чтобы настроить и включить все настройки. Предпочтительно gcc8 или хотя бы gcc7. Новые компиляторы генерируют менее громоздкий код с новыми расширениями ISA, такими как AVX512, если вы когда-либо используете его вне встроенного ассемблера.
- gcc5 поддерживает
-mavx512f -mavx512bw, но не знает о Skylake.
- gcc4.9 не поддерживает
-mavx512bw.
"Yk", к сожалению, еще не задокументировано в https://gcc.gnu.org/onlinedocs/gcc/Machine-Constraints.html.
Я знал, где искать в источнике GCC благодаря ответу Росса на В встроенном ассемблере GNU C, каковы модификаторы для xmm / ymm / zmm для одного операнда?