我是 AVX 编程的新手。我有一个需要洗牌的寄存器。我想将几个字节从 256 位寄存器 R1 混洗到空寄存器 R2。我想定义一个掩码,它告诉混洗操作应该将旧寄存器(R1)中的哪个字节复制到新寄存器的哪个位置。
掩码应如下所示(R1 中的 Src:Byte Pos,R2 中的 Target:Byte Pos):
{(0,0),(1,1),(1,4),(2,5),...}
这意味着几个字节被复制了两次。
我不是 100% 确定我应该为此使用哪个函数。我尝试了这两个 AVX 功能,第二个只使用了 2 个 channel 。
__m256 _mm256_permute_ps (__m256 a, int imm8)
__m256 _mm256_shuffle_ps (__m256 a, __m256 b, const int imm8)
我对 imm8 中的 Shuffle Mask 以及如何设计它以使其按上述方式工作感到非常困惑。
我看过这个 slides (第 26 页)描述了 _MM_SHUFFLE,但我找不到解决我的问题的方法。
有没有关于如何设计这样一个面具的教程?或者两种方法的示例函数以深入理解它们?
提前感谢您的提示
最佳答案
TL:DR:您可能需要多次洗牌来处理车道交叉,或者如果您的模式完全如此,您可以使用 _mm256_cvtepu16_epi32
( vpmovzxwd
) 然后是 _mm256_blend_epi16
.
对于 x86 shuffle(我认为像大多数 SIMD 指令集一样),目标位置是隐式的。 shuffle-control 常量只有目标顺序中的源索引,是否是 imm8
它被编译+组装成一个 asm 指令,或者它是否是一个在每个元素中都有一个索引的 vector 。
每个目标位置恰好读取一个源位置,但可以多次读取同一个源位置。每个目标元素从 shuffle 源获取一个值。
见 Convert _mm_shuffle_epi32 to C expression for the permutation?对于 dst = _mm_shuffle_epi32(src, _MM_SHUFFLE(d,c,b,a))
的普通 C 版本,显示如何使用控制字节。
(对于 pshufb
/_mm_shuffle_epi8
,具有高位的元素将该目标位置设置为零而不是读取任何源元素,但其他 x86 shuffle 会忽略 shuffle 控制 vector 中的所有高位。)
如果没有 AVX512 合并掩码,就没有混合到目的地的洗牌。有一些双源洗牌,如 _mm256_shuffle_ps
( vshufps
) 可以将来自两个源的元素混洗在一起以生成单个结果 vector 。 如果您想保留一些未写入的目标元素,您可能必须先洗牌,然后再混合 ,例如与 _mm256_blendv_epi8
,或者如果您可以使用 16 位粒度的混合,则可以使用更有效的立即混合 _mm256_blend_epi16
,甚至更好 _mm256_blend_epi32
(AVX2 vpblendd
在 Intel CPU 上与 _mm256_and_si256
一样便宜,如果您确实需要混合,如果它可以完成工作,则是最佳选择;请参阅 http://agner.org/optimize/ )
对于您的问题(Cannonlake 中没有 AVX512VBMI vpermb
),您不能将单个字节从 __m256i
的低 16 个“ channel ”混洗到高 16 个“ channel ”中具有单个操作的 vector 。
AVX shuffle 不像完整的 256 位 SIMD,它们更像是两个 128 位并行操作。唯一的异常(exception)是一些具有 32 位或更大粒度的 AVX2 车道交叉洗牌,例如 vpermd
( _mm256_permutevar8x32_epi32
)。还有pmovzx
的AVX2版本/pmovsx
,例如pmovzxbq
确实将 XMM 寄存器的低 4 字节零扩展到 YMM 寄存器的 4 个 qword,而不是 YMM 寄存器每一半的低 2 字节。这使得它对内存源操作数更有用。
但无论如何,pshufb
的AVX2版本( _mm256_shuffle_epi8
) 在 256 位 vector 的两个 channel 中执行两个单独的 16x16 字节混洗。
你可能会想要这样的东西 :
// Intrinsics have different types for integer, float and double vectors
// the asm uses the same registers either way
__m256i shuffle_and_blend(__m256i dst, __m256i src)
{
// setr takes element in low to high order, like a C array init
// unlike the standard Intel notation where high element is first
const __m256i shuffle_control = _mm256_setr_epi8(
0, 1, -1, -1, 1, 2, ...);
// {(0,0), (1,1), (zero) (1,4), (2,5),...} in your src,dst notation
// Use -1 or 0x80 or anything with the high bit set
// for positions you want to leave unmodified in dst
// blendv uses the high bit as a blend control, so the same vector can do double duty
// maybe need some lane-crossing stuff depending on the pattern of your shuffle.
__m256i shuffled = _mm256_shuffle_epi8(src, shuffle_control);
// or if the pattern continues, and you're just leaving 2 bytes between every 2-byte group:
shuffled = _mm256_cvtepu16_epi32(src); // if src is a __m128i
__m256i blended = _mm256_blendv_epi8(shuffled, dst, shuffle_control);
// blend dst elements we want to keep into the shuffled src result.
return blended;
}
请注意
pshufb
对于第二个 16 个字节,编号从 0 重新开始。 __m256i
的两半可以不同,但他们不能从另一半读取元素。如果您需要在高车道中的位置从低车道获取字节,则需要更多的混洗+混合(例如包括 vinserti128
或 vperm2i128
,或者可能是 vpermd
车道交叉双字混洗)来获得所有按某种顺序将您需要的字节放入一个 16 字节的组中。(实际上
_mm256_shuffle_epi8
(PSHUFB) 忽略了 shuffle 索引中的第 4..6 位,所以写 17
与 1
相同,但非常具有误导性。它实际上是在做一个 %16
,只要高位未设置。如果在 shuffle-control vector 中设置了高位,则将该元素归零。我们在这里不需要该功能;_mm256_blendv_epi8
不关心它正在替换的元素的旧值)无论如何,这个简单的 2 指令示例仅在模式不继续时才有效。如果您在设计真正的洗牌时需要帮助,则必须提出更具体的问题。
顺便说一句,我注意到你的混合模式使用了 2 个新字节然后 2 跳过了 2 .如果这种情况继续下去,您可以使用
vpblendw
_mm256_blend_epi16
而不是 blendv
,因为该指令在 Intel CPU 上仅以 1 uop 而不是 2 uop 运行。它还允许您使用 AVX512BW vpermw
,当前 Skylake-AVX512 CPU 中可用的 16 位 shuffle,而不是可能更慢的 AVX512VBMI vpermb
.或者实际上,它可能会让你使用
vpmovzxwd
( _mm256_cvtepu16_epi32
) 将 16 位元素零扩展到 32 位,作为车道交叉洗牌。然后与 dst
混合.
关于c++ - 使用英特尔 AVX 通过掩码改组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50098902/