使用VBROADCASTS命令在AVX中很容易，如果值是双精度或浮点数，则在SSE中很容易。
如何向Delphi ASM中的XMM寄存器中的每个插槽广播一个8位值？
答案 0 :(得分：4)
你的意思是你在XMM寄存器的LSB中有一个字节，并希望在该寄存器的所有通道中复制它？我不知道Delphi的内联汇编语法，但在Intel / MASM语法中，可以这样做：
punpcklbw xmm0,xmm0 ; xxxxxxxxABCDEFGH -> xxxxxxxxEEFFGGHH
punpcklwd xmm0,xmm0 ; xxxxxxxxEEFFGGHH -> xxxxxxxxGGGGHHHH
punpckldq xmm0,xmm0 ; xxxxxxxxGGGGHHHH -> xxxxxxxxHHHHHHHH
punpcklqdq xmm0,xmm0 ; xxxxxxxxHHHHHHHH -> HHHHHHHHHHHHHHHH
答案 1 :(得分：3)
最快的选项是pshufb的SSSE3（如果可用）。
; SSSE3
pshufb xmm0, xmm1 ; where xmm1 is zeroed, e.g. with pxor xmm1,xmm1
否则你通常应该使用它：
; SSE2 only
punpcklbw xmm0, xmm0 ; xxxxxxxxABCDEFGH -> xxxxxxxxEEFFGGHH
pshuflw xmm0, xmm0, 0 ; xxxxxxxxEEFFGGHH -> xxxxxxxxHHHHHHHH
punpcklqdq xmm0, xmm0 ; xxxxxxxxHHHHHHHH -> HHHHHHHHHHHHHHHH
这比punpckl bw / wd更好 - ＆gt; pshufd xmm0, xmm0, 0，因为有some CPUs with only 64-bit shuffle units. (Including Merom and K8)。在这样的CPU上，pshuflw速度很快，punpcklqdq也是如此，但pshufd和punpck的粒度小于64位的速度很慢。所以这个序列只使用一个＆＃34;慢速洗牌＆＃34;指令，bw / wd / pshufd为3。
在所有后来的CPU上，这两个3指令序列之间没有区别，因此在这种情况下调整旧CPU的成本并不高。有关指令表，另请参阅http://agner.org/optimize/。
这是迈克尔回答的序列，中间两条指令被pshuflw取代。
如果您的字节在整数寄存器中，则可以使用乘以0x01010101将其广播为4个字节。 e.g。
; movzx eax, whatever
imul edx, eax, 0x01010101 ; edx = al repeated 4 times
movd xmm0, eax
pshufd xmm0, xmm0, 0
请注意，imul的非直接源操作数可以是内存，但它必须是32位内存位置，并且您的字节零扩展为32位。
如果您的数据在内存中启动，首先加载到整数寄存器可能不值得。只需movd到xmm寄存器。 （或者可能pinsrb如果你需要避免更宽的负载以避免跨越页面或者可能是高速缓存行。但是这对于movd没有pmuludq的寄存器的旧值具有错误的依赖性。吨。）
如果指令吞吐量比延迟更重要，那么如果您不能使用pshufb，则值得考虑; low 32 bits of xmm0 = your byte, **zero extended**
pmuludq xmm0, xmm7 ; xmm7 = 0x01010101 in the low 32 bits
pshufd xmm0, xmm0, 0
，即使它在大多数CPU上有5个周期延迟。 / p>
-2147483648