Question

哪些SSE / AVX指令将来自a的通道改为b和c？

float4 a = {data[0], data[1], data[2], data[3]};
float4 b = {data[1], data[2], data[3], data[0]};  // lanes shifted left
float4 c = {data[3], data[0], data[1], data[2]};  // lanes shifted right

float8 a = {data[0], data[1], data[2], data[3],
            data[4], data[5], data[6], data[7]};
float8 b = {data[1], data[2], data[3], data[4],
            data[5], data[6], data[7], data[0]};  // lanes shifted left
float8 c = {data[7], data[0], data[1], data[2],
            data[3], data[4], data[5], data[6]};  // lanes shifted right

背景

我有一个算法需要来自其邻居点的值;这意味着我正在混合对齐的载荷和未对齐的载荷：

(
      plate[row + 1][column]    // aligned
    + plate[row - 1][column]    // aligned
    + plate[row][column + 1]    // unaligned
    + plate[row][column - 1]    // unaligned
    + (4 * plate[row][column])  // aligned
) / 8;

这是在SSE：

__m128 bottom  = _mm_load_ps(&from[row-1][column]);
__m128 left    = _mm_loadu_ps(&from[row][column-1]);
__m128 middle  = _mm_load_ps(&from[row][column]);
__m128 right   = _mm_loadu_ps(&from[row][column+1]);
__m128 top     = _mm_load_ps&from[row+1][column]);

(top + bottom + left + right + _mm_set1_ps(4.0f) * middle) * _mm_set1_ps(0.125f);

我意识到当前和左或右的值只相差一个值。所以我有这样的想法，我可能不是在进行两次未对齐的加载，而是可以随机播放这些通道，然后插入一个不同的值。我需要检查指令上的延迟/吞吐量，看看是否会更快，但我不熟悉任何这些SSE / AVX指令。

Answer 1

在最近的英特尔CPU（Core i7等）中，未对齐的负载是一种合理的方法，但在较旧的CPU上它相对昂贵。另一种方法是使用_mm_alignr_epi8（PALIGNR） - 通常你沿着一行迭代并保持3个连续的向量 - 在每次迭代之后你沿着一个向量移动这些向量然后加载一个新的向量，所以有每次迭代只有一次加载。

__m128 va = _mm_setzero_ps();
__m128 vb = _mm_load_ps(&from[row][0]);
for (col = 0; col < N; col += 4)
{
    __m128 vc = _mm_load_ps(&from[row][col + 4]);

    __m128 centre = vb;
    __m128 left = (__m128)_mm_alignr_epi8((__m128i)va, (__m128i)vb, sizeof(float));
    __m128 right = (__m128)_mm_alignr_epi8((__m128i)vb, (__m128i)vc, 3 * sizeof(float));

    // do stuff ...

    va = vb;  // shuffle vectors along
    vb = vc;
}

由于128位通道的限制，AVX有点棘手 - 你可能最好不要使用未对齐的负载。

SSE和AVX的频道/通道改组？

1 个答案: