<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=us-ascii">
<meta name="Generator" content="Microsoft Word 15 (filtered medium)">
<style><!--
/* Font Definitions */
@font-face
{font-family:"Cambria Math";
panose-1:2 4 5 3 5 4 6 3 2 4;}
@font-face
{font-family:Calibri;
panose-1:2 15 5 2 2 2 4 3 2 4;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
{margin:0in;
font-size:11.0pt;
font-family:"Calibri",sans-serif;}
span.EmailStyle17
{mso-style-type:personal-compose;
font-family:"Calibri",sans-serif;
color:windowtext;}
.MsoChpDefault
{mso-style-type:export-only;
font-size:11.0pt;
mso-ligatures:none;}
@page WordSection1
{size:8.5in 11.0in;
margin:1.0in 1.0in 1.0in 1.0in;}
div.WordSection1
{page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]-->
</head>
<body lang="EN-US" link="#0563C1" vlink="#954F72" style="word-wrap:break-word">
<div class="WordSection1">
<p class="MsoNormal">I did some jmh experiments with small kernels and see good gains (1.3x, for 4096 array size) with 512-bit vector fma on CascadeLake (8280L) for dot product over 256-bit vector fma. The kernels I tried are:<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal"> public static final VectorSpecies<Float> YMM_FLOAT = FloatVector.SPECIES_256;<o:p></o:p></p>
<p class="MsoNormal"> public static final VectorSpecies<Float> ZMM_FLOAT = FloatVector.SPECIES_512;<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal"> @Benchmark<o:p></o:p></p>
<p class="MsoNormal"> public float vectorUnrolled512() {<o:p></o:p></p>
<p class="MsoNormal"> var sum1 = FloatVector.zero(ZMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> var sum2 = FloatVector.zero(ZMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> var sum3 = FloatVector.zero(ZMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> var sum4 = FloatVector.zero(ZMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> int width = ZMM_FLOAT.length();<o:p></o:p></p>
<p class="MsoNormal"> for (int i = 0; i <= (left.length - width * 4); i += width * 4) {<o:p></o:p></p>
<p class="MsoNormal"> sum1 = FloatVector.fromArray(ZMM_FLOAT, left, i).fma(FloatVector.fromArray(ZMM_FLOAT, right, i), sum1);<o:p></o:p></p>
<p class="MsoNormal"> sum2 = FloatVector.fromArray(ZMM_FLOAT, left, i + width).fma(FloatVector.fromArray(ZMM_FLOAT, right, i + width), sum2);<o:p></o:p></p>
<p class="MsoNormal"> sum3 = FloatVector.fromArray(ZMM_FLOAT, left, i + width * 2).fma(FloatVector.fromArray(ZMM_FLOAT, right, i + width * 2), sum3);<o:p></o:p></p>
<p class="MsoNormal"> sum4 = FloatVector.fromArray(ZMM_FLOAT, left, i + width * 3).fma(FloatVector.fromArray(ZMM_FLOAT, right, i + width * 3), sum4);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"> return sum1.add(sum2).add(sum3).add(sum4).reduceLanes(VectorOperators.ADD);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal"> @Benchmark<o:p></o:p></p>
<p class="MsoNormal"> public float vectorUnrolled256() {<o:p></o:p></p>
<p class="MsoNormal"> var sum1 = FloatVector.zero(YMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> var sum2 = FloatVector.zero(YMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> var sum3 = FloatVector.zero(YMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> var sum4 = FloatVector.zero(YMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> int width = YMM_FLOAT.length();<o:p></o:p></p>
<p class="MsoNormal"> for (int i = 0; i <= (left.length - width * 4); i += width * 4) {<o:p></o:p></p>
<p class="MsoNormal"> sum1 = FloatVector.fromArray(YMM_FLOAT, left, i).fma(FloatVector.fromArray(YMM_FLOAT, right, i), sum1);<o:p></o:p></p>
<p class="MsoNormal"> sum2 = FloatVector.fromArray(YMM_FLOAT, left, i + width).fma(FloatVector.fromArray(YMM_FLOAT, right, i + width), sum2);<o:p></o:p></p>
<p class="MsoNormal"> sum3 = FloatVector.fromArray(YMM_FLOAT, left, i + width * 2).fma(FloatVector.fromArray(YMM_FLOAT, right, i + width * 2), sum3);<o:p></o:p></p>
<p class="MsoNormal"> sum4 = FloatVector.fromArray(YMM_FLOAT, left, i + width * 3).fma(FloatVector.fromArray(YMM_FLOAT, right, i + width * 3), sum4);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"> return sum1.add(sum2).add(sum3).add(sum4).reduceLanes(VectorOperators.ADD);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal">The unrolled kernels also show good gains (1.8x) with 512-bit over 256-bit:<o:p></o:p></p>
<p class="MsoNormal"> <o:p></o:p></p>
<p class="MsoNormal"> @Benchmark<o:p></o:p></p>
<p class="MsoNormal"> public float vector512() {<o:p></o:p></p>
<p class="MsoNormal"> var sum = FloatVector.zero(ZMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> int width = ZMM_FLOAT.length();<o:p></o:p></p>
<p class="MsoNormal"> for (int i = 0; i <= (left.length - width); i += width) {<o:p></o:p></p>
<p class="MsoNormal"> var l = FloatVector.fromArray(ZMM_FLOAT, left, i);<o:p></o:p></p>
<p class="MsoNormal"> var r = FloatVector.fromArray(ZMM_FLOAT, right, i);<o:p></o:p></p>
<p class="MsoNormal"> sum = l.fma(r, sum);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"> return sum.reduceLanes(VectorOperators.ADD);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal">@Benchmark<o:p></o:p></p>
<p class="MsoNormal"> public float vector256() {<o:p></o:p></p>
<p class="MsoNormal"> var sum = FloatVector.zero(YMM_FLOAT);<o:p></o:p></p>
<p class="MsoNormal"> int width = YMM_FLOAT.length();<o:p></o:p></p>
<p class="MsoNormal"> for (int i = 0; i <= (left.length - width); i += width) {<o:p></o:p></p>
<p class="MsoNormal"> var l = FloatVector.fromArray(YMM_FLOAT, left, i);<o:p></o:p></p>
<p class="MsoNormal"> var r = FloatVector.fromArray(YMM_FLOAT, right, i);<o:p></o:p></p>
<p class="MsoNormal"> sum = l.fma(r, sum);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"> return sum.reduceLanes(VectorOperators.ADD);<o:p></o:p></p>
<p class="MsoNormal"> }<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal">Note that the hand unrolled kernels with multiple accumulators are the way to go as fma/multiply has high latency and you can get very good perf gains with hand unrolled kernels over non unrolled ones.<o:p></o:p></p>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal">Best Regards,<o:p></o:p></p>
<p class="MsoNormal">Sandhya<o:p></o:p></p>
</div>
</body>
</html>