我正在尝试使用 SIMD 内在函数编写流压缩(获取一个数组并删除空元素)。循环的每次迭代一次处理 8 个元素(SIMD 宽度)。
通过 SSE 内在函数,我可以使用 _mm_shuffle_epi8() 相当有效地完成此操作,它执行 16 个条目的表查找(以并行计算术语收集)。随机索引是预先计算的,并使用位掩码进行查找。
for (i = 0; i < n; i += 8)
{
v8n_Data = _mm_load_si128(&data[i]);
mask = _mm_movemask_epi8(&is_valid[i]) & 0xff; // is_valid is byte array
v8n_Compacted = _mm_shuffle_epi8(v16n_ShuffleIndices[mask]);
_mm_storeu_si128(&compacted[count], v8n_Compacted);
count += bitCount[mask];
}
我现在的问题是我也想为 Altivec SIMD 实现这个(不要问为什么 - 误导的业务决策)。 Altivec 没有 _mm_movemask_epi8() 的等效项,这是一个关键成分。所以,我需要找到一种方法
模拟 _mm_movemask_epi8() - 似乎很昂贵,需要多次转变和 OR
直接高效生成随机索引 -
即索引i将是未压缩数据中第i个有效元素的索引
element_valid: 0 0 1 0 1 0 0 1 0
gather_indices: x x x x x x 6 4 1
scatter_indices: 3 3 2 2 1 1 1 0 0
串行执行此操作很简单,但我需要并行(SIMD)。使用前缀和生成分散索引似乎很容易,但由于 AltiVec 和 SSE 都没有分散指令,因此我需要收集索引。聚集索引是分散索引的反函数,但如何并行获得呢?我知道在 GPU 编程的先驱时期,converting scatters to gathers是一种常见的技术,但是这两种描述的方法似乎都不实用。
也许如果不坚持压缩保留元素顺序将允许更有效的实现?我可以放弃。
最佳答案
如果您想模拟 _mm_movemask_epi8
并且只需要来自 8 字节元素的 8 位标量掩码,那么您可以使用 AltiVec 执行以下操作:
#include <stdio.h>
int main(void)
{
const vector unsigned char vShift = { 0, 1, 2, 3, 4, 5, 6, 7, 0, 0, 0, 0, 0, 0, 0, 0 };
// constant shift vector
vector unsigned char isValid = { 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 };
// sample input
vector unsigned char v1 = vec_sl(isValid, vShift);
// shift input values
vector unsigned int v2 = vec_sum4s(v1, (vector unsigned int)(0));
vector signed int v3 = vec_sum2s((vector signed int)v2, (vector signed int)(0));
// sum shifted values
vector signed int v4 = vec_splat(v3, 1);
unsigned int mask __attribute__ ((aligned(16)));
vec_ste((vector unsigned int)v4, 0, &mask);
// store sum in scalar
printf("v1 = %vu\n", v1);
printf("v2 = %#vlx\n", v2);
printf("v3 = %#vlx\n", v3);
printf("v4 = %#vlx\n", v4);
printf("mask = %#x\n", mask);
return 0;
}
这是 5 条 AltiVec 指令,而 SSE 中只有 1 条指令。您可能会丢失 vec_splat
并将其减少到 4。
关于sse - 将分散索引转换为聚集索引的有效方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6270641/