使用AVX512实现直方图并行求和时的SIMD代码异常问题

问题根源 #

你的SIMD求和代码存在两处致命错误：

1. 索引计算逻辑错误
   标量代码中，每个lane的直方图是连续存储的：第i个lane的第j个元素是 local_hists[i*hist_size + j]。但SIMD代码里错误地将索引写成 i*hist_size + j*SIMD_WIDTH——j每次步进16，j*SIMD_WIDTH会让索引直接跳过256个元素，完全偏离目标lane的直方图区域。

2. 数据类型与指令不匹配
   local_hists 是64位的long int数组，但你使用了32位整数指令_mm512_load_epi32/_mm512_store_epi32，这会导致数据被错误截断或读取，直接破坏计算结果。

修正后的代码 #

// 建议将global_hist改为long int类型，避免多lane累加时溢出
for (int i = 0; i < SIMD_WIDTH; i++) {
    const long int* lane_base = local_hists + i * hist_size;
    for (int j = 0; j < hist_size; j += SIMD_WIDTH) {
        __m512i global_block = _mm512_load_epi64((void*)(global_hist + j));
        __m512i local_block = _mm512_load_epi64((void*)(lane_base + j));
        _mm512_store_epi64((void*)(global_hist + j), _mm512_add_epi64(global_block, local_block));
    }
}

关键说明 #

• 索引修正：直接用lane_base + j定位当前lane的SIMD块，和标量逻辑保持一致。
• 指令适配：改用64位整数指令_mm512_load_epi64/_mm512_add_epi64/_mm512_store_epi64，匹配long int数据类型。
• 溢出防护：将global_hist改为long int，避免16个lane的计数累加超出32位int的范围。

内容的提问来源于stack exchange，提问作者bjasku99