小作业四：自动向量化与基于 intrinsic 的手动向量化¶
负责助教：张晨 zhang-c21@mails.tsinghua.edu.cn
背景¶
在课堂上，我们学习了单指令多数据流（SIMD）的概念。本次实验中，你将体会到这项技术带来的性能提升。具体而言，你需要测试编译器自动向量化后的程序性能，并基于 intel intrinsic 手动实现向量化。
任务¶
实验文件在集群上的位置为 /home/course/hpc/assignments/2023/exp4 。
首先将实验文件 拷贝到自己的目录 ，并进入 exp4 目录：
cp -R /home/course/hpc/assignments/2023/exp4 ~/
cd ~/exp4/
本次实验使用 intel C++ 编译器，因此需要加载对应的环境：
source /opt/intel/oneapi/setvars.sh
任务一：编译器自动向量化性能测试¶
直接运行 run.sh，你将得到如下输出：
+ set -e
+ make -j
icpc aplusb-baseline.cpp -c -o aplusb-baseline.o -g
icpc aplusb-autosimd.cpp -c -o aplusb-autosimd.o -g -xhost
icpc aplusb-intrinsic.cpp -c -o aplusb-intrinsic.o -g -xhost
icpc aplusb.cpp aplusb-baseline.o aplusb-autosimd.o aplusb-intrinsic.o -o aplusb -g -xhost
+ srun ./aplusb
baseline: ???? us
auto simd: ??? us
Wrong answer at 0: c1 = 1.224684, c3 = 0.000000
srun: error: conv3: task 0: Exited with exit code 1
其中，每个 ? 代表一个数字，你需要在实验报告中报告具体的数值。由此，你可以看出向量化带来的性能提升。
需要注意的是，若希望 intel C++ 编译器进行自动向量化，需要使用 -xhost 编译选项。在 gcc 编译器中的对应选项为 -march=native。开启该选项后，编译器会自动根据 CPU 支持的指令集进行向量化，且即使不使用 #pragma omp simd，编译器也能进行一定程度的向量化。
任务二：基于 intrinsic 的手动向量化¶
你需要使用 intel intrinsics 填写 aplusb-intrinsic.cpp 中的函数，以实现向量化版本的 c=a+b。为简化实现，你只需要考虑 n % 8 == 0 的情况。可能会用到以下的指令：
_mm256_load_ps: 接口为extern __m256 _mm256_load_ps(float const *a)，返回一个由数组a的前 8 个数组成的长度为 256 bit 的向量寄存器。官方文档。_mm256_store_ps：接口为extern void _mm256_store_ps(float *a, __m256 b)，表示将 256 bit 的向量寄存器 b 中的值存入数组a的前 8 个位置。 官方文档。_mm256_add_ps：接口为extern __m256 _mm256_add_ps(__m256 m1, __m256 m2)，返回向量寄存器 m1 中的 8 个单精度浮点数和 m2 中的 8 个单精度浮点数进行 SIMD 加法后得到的 8 个单精度浮点数。官方文档。
在实现正确后，你将通过结果检查，并得到与编译器自动向量化相近的运行性能。
实验提交¶
本实验仅需提交实验报告，报告包含以下内容：
- baseline, auto simd 和 intrinsic 版本的 a+b 的运行时间。
a_plus_b_intrinsic函数的实现代码。
请将报告的 PDF 文件 提交至网络学堂。
最后更新:
2023年3月7日
作者: