Question

许多SSE指令允许源操作数是16字节对齐的内存地址。例如，各种（非）包装说明。 PUNCKLBW有以下签名：

PUNPCKLBW xmm1，xmm2 / m128

现在看起来根本没有内在函数。看起来必须使用_mm_load * intrinsics来读取内存中的任何内容。这是PUNPCKLBW的固有内容：

__ m128i _mm_unpacklo_epi8（__ m128i a，__ m128i b）;

（据我所知，__ m128i类型总是指XMM寄存器。）

现在，这是为什么？这是相当悲伤的，因为我通过直接寻址内存看到了一些优化潜力...

Answer 1

内在函数相对直接对应于实际指令，但编译器没有义务发出相应的指令。在操作的内存形式中优化操作后的操作（即使在内在函数中编写）是一个常见的优化，这是所有可敬的编译器执行时的优势。

TLDR：在内在函数中编写加载和操作，并让编译器对其进行优化。

编辑：简单示例：

#include <emmintrin.h>
__m128i foo(__m128i *addr) {
    __m128i a = _mm_load_si128(addr);
    __m128i b = _mm_load_si128(addr + 1);
    return _mm_unpacklo_epi8(a, b);
}

使用gcc -Os -fomit-frame-pointer进行编译得出：

_foo:
movdqa      (%rdi), %xmm0
punpcklbw 16(%rdi), %xmm0
retq

请参阅？优化器将对其进行排序。

Answer 2

您可以直接使用您的记忆值。例如：

__m128i *p=static_cast<__m128i *>(_aligned_malloc(8*4,16));

for(int i=0;i<32;++i)
    reinterpret_cast<unsigned char *>(p)[i]=static_cast<unsigned char>(i);

__m128i xyz=_mm_unpackhi_epi8(p[0],p[1]);

结果的有趣部分：

; __m128i xyz=_mm_unpackhi_epi8(p[0],p[1]);
0040BC1B 66 0F 6F 00      movdqa      xmm0,xmmword ptr [eax] 
0040BC1F 66 0F 6F 48 10   movdqa      xmm1,xmmword ptr [eax+10h] 
0040BC24 66 0F 68 C1      punpckhbw   xmm0,xmm1 
0040BC28 66 0F 7F 04 24   movdqa      xmmword ptr [esp],xmm0

所以编译器做得很差 - 或者这种方式更快和/或使用选项可以解决这个问题 - 但是它会生成有效的代码，并且C ++代码说明它想要什么相当直接。

SSE2内在函数：直接访问内存

2 个答案: