Go Wiki: AVX512

Go 1.11リリースでは、AVX-512サポートが導入されました。
このページでは、新機能の使用方法と重要なエンコーダーの詳細について説明します。

用語

ほとんどの用語は、Intel Software Developer’s manualからのものです。
サフィックスは、AT&Tにも近いGoアセンブラ構文に由来しており、サイズサフィックスも使用します。

あいまいさを避けるために、いくつかの用語がリストされています（たとえば、オペコードは異なる意味を持つ場合があります）。

用語	説明
オペランド	「命令引数」と同じです。
オペコード	命令グループを参照する名前。たとえば、`VADDPD`はオペコードです。 VEXとEVEXの両方でエンコードされた形式とすべてのオペランドの組み合わせを指します。 AVX-512のGoアセンブラオペコードのほとんどはIntelマニュアルのエントリと一致していますが、追加のサイズサフィックスが使用される場合を除きます。 (例：`VCVTTPD2DQY`は`VCVTTPD2DQ`です)。
オペコードサフィックス	一部のオペコードのプロパティをオーバーライドするサフィックス。「.」の後（ドット）にリストされます。たとえば、`VADDPD.Z`には「Z」オペコードサフィックスがあります。複数のドットで区切られたオペコードサフィックスが存在する可能性があります。
サイズサフィックス	オペランドだけでは推測できない場合に、命令オペランドのサイズを指定するサフィックス。たとえば、`VCVTSS2USIL`には「L」サイズサフィックスがあります。
オプマスク	`{k1}`表記の両方と、`K`レジスタオペランドを持つ命令の説明に使用されます。 EVEXプレフィックスのマスキングサポートに関連しています。
レジスタブロック	レジスタ範囲をエンコードするマルチソースオペランド。 Intelマニュアルでは、レジスタブロックに`+n`表記を使用しています。たとえば、`+3`は4つのレジスタのレジスタブロックです。
FP	浮動小数点

新しいレジスタ

EVEX対応命令は、64ビットモードでは追加の16個のX（128ビットxmm）およびY（256ビットymm）レジスタと32個の新しいZ（512ビットzmm）レジスタにアクセスできます。32ビットモードではZ0-Z7のみが取得されます。

新しいオプマスクレジスタはK0-K7と呼ばれます。
マスキングと特殊なオプマスク命令（KADDBなど）の両方に使用できます。

マスキングサポート

マスキングをサポートする命令は、Kレジスタオペランドを省略できます。
この場合、K0レジスタは暗黙的に使用され（「すべて1」）、マージマスキングが実行されます。
これは事実上「マスキングなし」です。

K1-K7レジスタを使用して、デフォルトのオプマスクをオーバーライドできます。
Kレジスタは、宛先オペランドの直前に配置する必要があります。

ゼロイングマスキングは、Zオペコードサフィックスを使用して有効にできます。ゼロイングマスキングには、K0以外のマスクレジスタを指定する必要があります。

たとえば、VADDPD.Z (AX), Z30, K3, Z10はゼロイングマスキングと明示的なKレジスタを使用します。

Zオペコードサフィックスを削除すると、K3マスクによるマージマスキングになります。
K3オペランドを削除すると、アセンブラエラーが発生します。
ZオペコードサフィックスとK3オペランドの両方を削除すると、K0マスクによるマージマスキングになります。

{k1}オペランドにK0レジスタを使用することはコンパイル時エラーです（詳細はマニュアルを参照してください）。

EVEXブロードキャスト/丸め/SAEサポート

オペコードサフィックスを介して有効化された埋め込みブロードキャスト、丸め、SAE。

{er}が有効なreg-reg FP命令の場合、丸めオペコードサフィックスを指定できます。

RU_SAE：+Infに向かって丸める
RD_SAE：-Infに向かって丸める
RZ_SAE：0に向かって丸める
RN_SAE：最も近い値に向かって丸める

丸めモードの詳細については、MXCSR.RC情報を参照してください。

{sae}が有効なreg-reg FP命令の場合、例外抑制をSAEオペコードサフィックスで指定できます。

m32bcst/m64bcstオペランドを持つreg-mem命令の場合、BCSTオペコードサフィックスを使用してブロードキャストを有効にできます。

ゼロイングオペコードサフィックスは、これらのいずれかと組み合わせることができます。
たとえば、VMAXPD.SAE.Z Z3, Z2, Z1はZとSAEの両方のオペコードサフィックスを使用します。
ゼロイングオペコードサフィックスは最後に置く必要があります。そうでない場合、コンパイルエラーになります。

レジスタブロック（マルチソース）オペランド

レジスタブロックは、レジスタ範囲構文を使用して指定されます。

最初の（低い）レジスタのみを指定すれば十分ですが、Goアセンブラでは、可読性の理由から両端を含む明示的な範囲が必要です。

たとえば、+3範囲を持つ命令は、VP4DPWSSD Z25, [Z0-Z3], (AX)のように使用できます。
範囲[Z0-Z3]は、「Z0、Z1、Z2、Z3のレジスタブロック」のように読み取られます。
無効な範囲はコンパイルエラーになります。

EVEXプレフィックスを持つAVX1およびAVX2命令

EVEXプレフィックスを使用してエンコードできる以前から存在するオペコードは、より広いレジスタファイル、ゼロイング/マージマスキングなど、AVX-512機能にアクセスできるようになりました。たとえば、VADDPDは、512ビットベクトルレジスタを使用できるようになりました。

詳細については、「エンコーダーの詳細」を参照してください。

サポートされている拡張機能

サポートされている拡張機能の最新リストを取得する最適な方法は、テストスイートディレクトリ内でls -1を実行することです。

最新のリストには以下が含まれています。

aes_avx512f
avx512_4fmaps
avx512_4vnniw
avx512_bitalg
avx512_ifma
avx512_vbmi
avx512_vbmi2
avx512_vnni
avx512_vpopcntdq
avx512bw
avx512cd
avx512dq
avx512er
avx512f
avx512pf
gfni_avx512f
vpclmulqdq_avx512f

128ビットおよび256ビット命令には、さらにavx512vlが必要です。
つまり、VADDPDがavx512fで使用できる場合でも、avx512vlを使用しないとXおよびY引数は使用できません。

ファイル名はGNU as（gas）の規則に従います。
avx512extmap.csvを使用すると、命名スキームをより明確にできます。

サイズサフィックス付きの命令

一部のオペコードはIntelマニュアルのエントリと一致しません。
このセクションは、検索の便宜のために提供されています。

Intelオペコード	Goアセンブラオペコード
`VCVTPD2DQ`	`VCVTPD2DQX`、`VCVTPD2DQY`
`VCVTPD2PS`	`VCVTPD2PSX`、`VCVTPD2PSY`
`VCVTTPD2DQ`	`VCVTTPD2DQX`、`VCVTTPD2DQY`
`VCVTQQ2PS`	`VCVTQQ2PSX`、`VCVTQQ2PSY`
`VCVTUQQ2PS`	`VCVTUQQ2PSX`、`VCVTUQQ2PSY`
`VCVTPD2UDQ`	`VCVTPD2UDQX`、`VCVTPD2UDQY`
`VCVTTPD2UDQ`	`VCVTTPD2UDQX`、`VCVTTPD2UDQY`
`VFPCLASSPD`	`VFPCLASSPDX`、`VFPCLASSPDY`、`VFPCLASSPDZ`
`VFPCLASSPS`	`VFPCLASSPSX`、`VFPCLASSPSY`、`VFPCLASSPSZ`
`VCVTSD2SI`	`VCVTSD2SI`、`VCVTSD2SIQ`
`VCVTTSD2SI`	`VCVTSD2SI`、`VCVTSD2SIQ`
`VCVTTSS2SI`	`VCVTSD2SI`、`VCVTSD2SIQ`
`VCVTSS2SI`	`VCVTSD2SI`、`VCVTSD2SIQ`
`VCVTSD2USI`	`VCVTSD2USIL`、`VCVTSD2USIQ`
`VCVTSS2USI`	`VCVTSS2USIL`、`VCVTSS2USIQ`
`VCVTTSD2USI`	`VCVTTSD2USIL`、`VCVTTSD2USIQ`
`VCVTTSS2USI`	`VCVTTSS2USIL`、`VCVTTSS2USIQ`
`VCVTUSI2SD`	`VCVTUSI2SDL`、`VCVTUSI2SDQ`
`VCVTUSI2SS`	`VCVTUSI2SSL`、`VCVTUSI2SSQ`
`VCVTSI2SD`	`VCVTSI2SDL`、`VCVTSI2SDQ`
`VCVTSI2SS`	`VCVTSI2SSL`、`VCVTSI2SSQ`
`ANDN`	`ANDNL`、`ANDNQ`
`BEXTR`	`BEXTRL`、`BEXTRQ`
`BLSI`	`BLSIL`、`BLSIQ`
`BLSMSK`	`BLSMSKL`、`BLSMSKQ`
`BLSR`	`BLSRL`、`BLSRQ`
`BZHI`	`BZHIL`、`BZHIQ`
`MULX`	`MULXL`、`MULXQ`
`PDEP`	`PDEPL`、`PDEPQ`
`PEXT`	`PEXTL`、`PEXTQ`
`RORX`	`RORXL`、`RORXQ`
`SARX`	`SARXL`、`SARXQ`
`SHLX`	`SHLXL`、`SHLXQ`
`SHRX`	`SHRXL`、`SHRXQ`

エンコーダーの詳細

古いエンコーダーとのビット単位の比較は、エンコーダーテーブルの順序がわずかに異なるため、VEXでエンコードされた命令では失敗する可能性があります。

この違いは、reg-regの場合に{reg, reg/mem}と{reg/mem, reg}の両方の形式を持つ命令（VMOVUPSなど）で発生する可能性があります。

これはコードの動作に影響を与えず、コードを大きくしたり効率を低下させたりしません。
新しいエンコーディング選択スキームは、Intel XEDから借用されています。

以下のいずれかが当てはまる場合、EVEXエンコーディングが使用されます。

命令が新しいレジスタ（上位16個のX/Y、ZまたはKレジスタ）を使用する。
命令がBCSTなどのEVEX関連のオペコードサフィックスを使用する。
命令がAVX-512でのみ使用可能なオペランドの組み合わせを使用する。

その他のすべてのケースでは、VEXエンコーディングが使用されます。
つまり、可能な限りVEXが使用され、必要な場合にのみEVEXが使用されます。

EVEXでエンコードされた命令では、可能な限り圧縮disp8が適用されます。
これには、場合によっては異なるN乗数を持つブロードキャストdisp8も含まれます。

経験豊富な読者は、avx_optabs.goを検査して、任意の命令のN乗数について学ぶことができます。

たとえば、VADDPDには次のものがあります。

512ビット形式の場合N=64；ブロードキャスト時のN=8
256ビット形式の場合N=32；ブロードキャスト時のN=8
128ビット形式の場合N=16；ブロードキャスト時のN=8

例

多数の例は、Goアセンブラのテストスイートにあります。

各ファイルは、特定のAVX-512拡張機能でサポートされているすべての命令形式のいくつかの例を提供しています。
すべての例には、生成されたマシンコードも含まれています。

Intel® Optimization Manualから採用された「AVX-512CDを使用したベクトル化されたヒストグラム更新」を以下に示します。

for i := 0; i < 512; i++ {
  histo[key[i]] += 1
}

top:
        VMOVUPS     0x40(SP)(DX*4), Z4  //; vmovups     zmm4, [rsp+rdx*4+0x40]
        VPXORD      Z1, Z1, Z1          //; vpxord      zmm1, zmm1, zmm1
        KMOVW       K1, K2              //; kmovw       k2, k1
        VPCONFLICTD Z4, Z2              //; vpconflictd zmm2, zmm4
        VPGATHERDD  (AX)(Z4*4), K2, Z1  //; vpgatherdd  zmm1{k2}, [rax+zmm4*4]
        VPTESTMD    histo<>(SB), Z2, K0 //; vptestmd    k0, zmm2, [rip+0x185c]
        KMOVW       K0, CX              //; kmovw       ecx, k0
        VPADDD      Z0, Z1, Z3          //; vpaddd      zmm3, zmm1, zmm0
        TESTL       CX, CX              //; test        ecx, ecx
        JZ          noConflicts         //; jz          noConflicts
        VMOVUPS     histo<>(SB), Z1     //; vmovups     zmm1, [rip+0x1884]
        VPTESTMD    histo<>(SB), Z2, K0 //; vptestmd    k0, zmm2, [rip+0x18ba]
        VPLZCNTD    Z2, Z5              //; vplzcntd    zmm5, zmm2
        XORB        BX, BX              //; xor         bl, bl
        KMOVW       K0, CX              //; kmovw       ecx, k0
        VPSUBD      Z5, Z1, Z1          //; vpsubd      zmm1, zmm1, zmm5
        VPSUBD      Z5, Z1, Z1          //; vpsubd      zmm1, zmm1, zmm5

resolveConflicts:
        VPBROADCASTD CX, Z5     //; vpbroadcastd zmm5, ecx
        KMOVW CX, K2            //; kmovw        k2, ecx
        VPERMD Z3, Z1, K2, Z3   //; vpermd       zmm3{k2}, zmm1, zmm3
        VPADDD Z0, Z3, K2, Z3   //; vpaddd       zmm3{k2}, zmm3, zmm0
        VPTESTMD Z2, Z5, K2, K0 //; vptestmd     k0{k2}, zmm5, zmm2
        KMOVW K0, SI            //; kmovw        esi, k0
        ANDL SI, CX             //; and          ecx, esi
        JZ noConflicts          //; jz           noConflicts
        ADDB $1, BX             //; add          bl, 0x1
        CMPB BX, $16            //; cmp          bl, 0x10
        JB resolveConflicts     //; jb           resolveConflicts

noConflicts:
        KMOVW       K1, K2             //; kmovw       k2, k1
        VPSCATTERDD Z3, K2, (AX)(Z4*4) //; vpscatterdd [rax+zmm4*4]{k2}, zmm3
        ADDL        $16, DX            //; add         edx, 0x10
        CMPL        DX, $1024          //; cmp         edx, 0x400
        JB          top                //; jb          top

このコンテンツは、Go Wikiの一部です。