c - 根据不同的可能矢量化获得运行时 yield

我在一个研究矢量化的简单例子上使用gcc-4.9进行测试（我的小代码计算double2数组的和并将结果存储到输出数组中）。
从我在网上看到的，似乎存在：
SSE矢量化（128位=16字节=2*sizeof(double)
AVX矢量化（256位=32字节=4*sizeof(double)
AVX2矢量化（512位=64字节=8*sizeof(double)
我的问题是，在上述三种情况下，我总是得到一个大约等于2（相当于平均增益1.7）的增益（在没有矢量化和矢量化版本之间）。
我认为我没有使用好的编译选项。我所做的是：
对于SSE：gcc-mp-4.9 -std=c99 -Wa,-q -O3 -march=native -ftree-vectorize -fopt-info-vec main.c
对于AVX：gcc-mp-4.9 -std=c99 -Wa,-q -O3 -march=corei7-avx -ftree-vectorize -fopt-info-vec main.c
对于AVX2：gcc-mp-4.9 -std=c99 -Wa,-q -O3 -march=core-avx2 -ftree-vectorize -fopt-info-vec main.c
当我运行这3个案例时，我总是得到一个系数2，而我希望达到factor 4的aAVX和factor 8的aAVX2。
我的MacBook pro上的处理器是：Intel(R) Core(TM) i7-4960HQ CPU @ 2.60GHz
有人能告诉我激活AVX和AVX2矢量化的不同标志吗？
也许，我的corei7不支持这些矢量化（只是SSE？）.
谢谢你的帮助。

最佳答案

假设您已经实现了必要的展开和正确的打包调用，那么这里的问题可能与内存有关：
1）由于需要利用更大的内存块来进行更大的打包，因此您将更加努力地敲打缓存。
2）您可能需要在这里告诉编译器您希望您的数据是32字节对齐的（这将有助于优化）。查找“pragma vector aligned”可能有帮助，也可能没有帮助。
3）如果数组大小不是打包的倍数，也可能会有开销，因此对于AVX2，这将是8的倍数。在“余数”循环中可能会花费一些时间（但这应该是一个相对较小的开销）。
4）尝试将优化程度降低到-O2。有时候你告诉编译器越多，代码的效率就越低。
但同样，对于较大的打包操作，您可能会遇到“缓存效率”问题（您可能会从L1移动到L2）。

关于c - 根据不同的可能矢量化获得运行时 yield ，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40848911/