Question

使用AVX将__m256d寄存器的单个条目广播到另一个__m256d寄存器的所有元素的最快方法是什么？

对于单精度，只需拨打_mm256_shuffle_ps()即可完成此操作。而且，对于AVX2 _mm256d_permute4x64_pd似乎确实可以解决问题。谢谢。

Answer 1

好的，我提出了一个紧凑的解决方案，但我不确定这是否是最快的。

double pos0[4] = {0,1,2,3};
__m256d a= _mm256_loadu_pd(pos0);

__m256d a02,a13;
a02 = _mm256_shuffle_pd(a,a,0);
__m256d a0 = _mm256_blend_pd(a02, _mm256_permute2f128_pd(a02,a02,1), 0x0C);
__m256d a2 = _mm256_blend_pd(a02, _mm256_permute2f128_pd(a02,a02,1), 0x03);
a13 = _mm256_shuffle_pd(a,a,0x0F);
__m256d a1 = _mm256_blend_pd(a13, _mm256_permute2f128_pd(a13,a13,1), 0x0C);
__m256d a3 = _mm256_blend_pd(a13, _mm256_permute2f128_pd(a13,a13,1), 0x03);

这将导致：

a0 = {0,0,0,0}
a1 = {1,1,1,1}
a2 = {2,2,2,2}
a3 = {3,3,3,3}

Answer 2

假设您有一个__m256d注册x4。您可以将每个元素广播到四个元素到四个__m256d寄存器，如下所示：

__m256d t1 = _mm256_permute2f128_pd(x4, x4, 0x0);
__m256d t2 = _mm256_permute2f128_pd(x4, x4, 0x11);
__m256d broad1 = _mm256_permute_pd(t1,0);
__m256d broad2 = _mm256_permute_pd(t1,0xf);
__m256d broad3 = _mm256_permute_pd(t2,0);
__m256d broad4 = _mm256_permute_pd(t2,0xf);

有关详细信息，请参阅Is there a more efficient way to broadcast 4 contiguous doubles into 4 YMM registers?

Answer 3

__m256d shuffle(__m256d V, int x, int y, int z, int w) {
    return _mm256_set_pd(V.m256d_f64[x], V.m256d_f64[y], V.m256d_f64[z], V.m256d_f64[w]);
}

但是非常慢

__m256d的广播条目

3 个答案: