_mm_broadcast_ss比_mm_set1_ps快吗？

Question

这是代码吗

float a = ...;
__m256 b = _mm_broadcast_ss(&a)

总是比这段代码快

float a = ...;
_mm_set1_ps(a)

如果a定义为static const float a = ...而非float a = ...？

，该怎么办？

Answer 1

如果您定位AVX指令集，gcc将使用VBROADCASTSS来实现_mm_set1_ps内在函数。但是，Clang将使用两条指令（VMOVSS + VPSHUFD）。

Answer 2

_mm_broadcast_ss具有架构强加的弱点，这些弱点主要由 mm SSE API隐藏。最重要的区别如下：

• _mm_broadcast_ss仅限于从内存加载值。

这意味着如果在源不在内存中的情况下显式使用_mm_broadcast_ss，那么结果的效率可能低于使用_mm_set1_ps的效率。当加载立即值（常量）或使用最近计算的结果时，通常会发生这种情况。在这些情况下，结果将由编译器映射到寄存器。要使用广播值，编译器必须将值转储回内存。或者，可以使用pshufd直接从寄存器中进行splat。

_mm_set1_ps是实现定义的，而不是映射到特定的底层cpu操作（指令）。这意味着它可能会使用几个SSE指令之一来执行splat。启用了AVX支持的智能编译器应该在适当的时候内部使用vbroadcastss，但它取决于编译器优化器的AVX实现状态。

如果您非常有信心从内存加载 - 例如迭代数据 - 那么直接使用广播就可以了。但如果有任何疑问，我建议坚持使用_mm_set1_ps。

在static const float的特定情况下，您绝对要避免使用_mm_broadcast_ss（）。

Answer 3

mm_broadcast_ss可能比mm_set1_ps更快。前者转换为单个指令（VBROADCASTSS），而后者则使用多个指令（可能是MOVSS后跟shuffle）进行仿真。但是，mm_broadcast_ss需要AVX指令集，而mm_set1_ps只需要SSE。