Question

目标：使用最少数量的aritmetic oeprations（即每个{mask1 AND mask2}）识别要转换为4 boolean“uint8_t”的内在函数。

UPDATE：为了优化代码，我在C ++中使用SIMD。与Loading 8 chars from memory into an __m256 variable as packed single precision floats相比，目标是处理/支持大规模阵列的掩码。后者使用'internal'mask-properties（“https://software.intel.com/sites/landingpage/IntrinsicsGuide/#expand=10,13”）来实现：

  uint8_t mask1[4] = {0, 1, 1, 0};  uint8_t mask2[4] = {1, 1, 0, 0}; float data[4] = {5, 4, 2, 1};
  { //! Naive code which works:                                                                                                                                                                                 
    float sum = 0;
    for(int i = 0; i < 4; i++) {
      if(mask1[i] && mask2[i]) {sum += data[i];}
    }
  }

从上面我们观察到使用掩码combiend和简单算术：虽然优化算法支持上述操作集，但'内部'有几个弱点':( a）约束操作次数和（b）放置更新编译器的要求（情况并非总是如此）。

背景： 挑战涉及从“char”数据类型到“float”数据类型的转换。为了演示我的代码中的错误，这里有一个简短的摘录：

//! Setup, a setup which is wrong as mask1 and mask2 are chars and not floats.
#include <emmintrin.h>
#include <x86intrin.h>                                                               

char mask1[4] = {0, 1, 0, 1};
char mask2[4] = {1, 0, 0, 1};
const int j = 0;

//! The logics, which is expected to work correct for flroats, ie, not chars.
const __m128 vec_empty_empty = _mm_set1_ps(0);              
const __m128 vec_empty_ones = _mm_set1_ps(1);
const __m128 term1  = _mm_load_ps(&rmul1[j2]); 
const __m128 term2  = mm_load_ps(&rmul2[j2]);
__m128 vec_cmp_1 = _mm_cmplt_ps(term1, vec_empty_empty); 
__m128 vec_cmp_2 = _mm_cmplt_ps(term2, vec_empty_empty); 

//! Intersect the values: included to allow other 'empty values' than '1'.
vec_cmp_1 =  _mm_and_ps(vec_cmp_1, vec_empty_ones);
vec_cmp_2 = _mm_and_ps(vec_cmp_2, vec_empty_ones);

//! Seperately for each 'cell' find the '1's which are in both:
__m128 mask = _mm_and_ps(vec_cmp_1, vec_cmp_2);

上面的结果用于交叉（即，乘）浮点向量float arr[4]。因此，如果有人对如何将SIMD char矢量转换为浮动SIMD矢量有任何建议，我会非常感激！ ;）

Answer 1

使用SSE4.1 pmovsxbd或pmovzxbd将4字节的块符号或零扩展为32位整数元素的16B向量。

请注意，using pmovzxbd (_mm_epi8_epi32) as a load似乎不可能安全有效地编写，因为内存不具有较窄的内存操作数。

要进行比较部分，请使用pcmpeqd生成元素中全零或全一位的掩码（即-1）。用它来掩盖FP数据的向量。（全零是IEEE浮点数中0.0的位表示，0.0是附加标识。）

如果你的元素总是只有0或1，你可以使用uint32_t来保存所有四个字节并使用标量AND（C＆＃39; s &运算符）作为SWAR实现所有四个mask1[i] && mask2[i]检查。将该整数转换为向量pmovsxbd。如果你的元素实际上是0和-1（全1），这将更好地工作，否则你需要额外的步骤来获得矢量蒙版。（例如pcmpeqb对和全零向量）。

如果您不能使用-1代替1，那么您最好的选择可能仍然是将两个掩码解包为32位元素和pcmpeqd。

一般的想法是：

__m128i m1vec = _mm_epi8_epi32(mask1);         // where mask1 has to be a __m128i vector already, not a 4byte memory location.
__m128i m2vec = _mm_epi8_epi32(mask2);

// sign-extension turns each 0 or -1 byte into a 0 or -1 dword (32bit) element

__m128i mask = _mm_and_si128(mask1, mask2);
// convert from 0/1 to 0/-1 if necessary.  I'm assuming the simple case.

__m128 masked_floats = _mm_and_ps(floats, _mm_castsi128_ps(mask));   // 0.0 or original value

sum = _mm_add_ps(sum, masked_floats);

如果掩码元素可以是0 / -1以外的其他值，则可能需要使用_mm_cmpeq_epi32(m1vec, _mm_setzero_si128())或其他东西分别对它们进行boolean化。（这会将非零变为零，反之亦然）

请参阅x86标记维基以获取链接，尤其是https://software.intel.com/sites/landingpage/IntrinsicsGuide/

如何使用SIMD比较两个char向量并将结果存储为浮点数？

1 个答案: