Question

今天的问题相当简短。考虑以下玩具C程序shuffle.c，以便在寄存器xmm0中反转两个打包的双重程序：

#include <stdio.h>

void main () {
  double x[2] = {0.0, 1.0};
  asm volatile (
    "movupd  (%[x]), %%xmm0\n\t"
    "shufpd  $1, %%xmm0, %%xmm0\n\t"  /* method 1 */
    //"pshufd  $78, %%xmm0, %%xmm0\n\t"  /* method 2 */
    "movupd  %%xmm0, (%[x])\n\t"
    :
    : [x] "r" (x)
    : "xmm0", "memory");
  printf("x[0] = %.2f, x[1] = %.2f\n", x[0], x[1]);
  }

干运行后gcc -msse3 -o shuffle shuffle.c | ./test，两个方法/说明都会返回正确的结果x[0] = 1.00, x[1] = 0.00。 This page表示shufpd的延迟为6个周期，而intel intrinsic guide表示pshufd的延迟为1个周期。这听起来非常偏向于pshufd。但是，该指令对于打包整数是真的。当它用于打包双打时，是否会有与＃34;错误类型相关的任何惩罚＆＃34;？

作为一个类似的问题，我还听说指令movaps比movapd小1个字节，它们通过从16位对齐的地址读取128位来做同样的事情。那么我们总是可以使用前者来移动（在XMM之间）/加载（从内存）/存储（到内存）吗？这看起来很疯狂。我认为必须有一些理由拒绝这一点。有人可以给我一个解释吗？谢谢。

Answer 1

您将始终获得正确的结果，但这对性能至关重要。

首选FP shuffle用于FP数据，这些数据将作为FP数学指令的输入（如addps或vfma...，而不是像xorps这样的insn。）

这避免了某些微体系结构（包括潜在的当前英特尔芯片）的任何额外的旁路延迟延迟。见Agner Fog's microarchitecture guide。 AMD Bulldozer-family在向量整数域中进行所有shuffle，因此无论你使用哪种shuffle都会有一个旁路延迟。

如果它保存了指令，那么无论如何都使用整数shuffle是值得的。（但通常情况是相反的，你想用shufps来组合来自两个整数向量的数据。这在更多的情况下都很好，而且大多只是Nehalem，IIRC的问题。）

http://x86.renejeschke.de/html/file_module_x86_id_293.html列出了CPUID 0F3n / 0F2n CPU的延迟，即Pentium4（系列0xF型号2（Northwood）/型号3（Prescott））。这些数字显然完全不相关，甚至不匹配Agner Fog的shufpd的P4表。

英特尔的内在指南有时也有与实验测试不匹配的数字。有关良好的延迟/吞吐量数字，请参阅Agner Fog's instruction tables，了解详细信息，请参阅微型指南。

movaps与movapd ：没有现有的微体系结构关注您使用的内容。将来某人可能会设计一个x86 CPU，使double向量在内部与float向量分开，但目前唯一的区别是int与FP。

当行为相同时（ps超过xorps，xorpd超过movhps），始终首选movhpd指令。

有些编译器（可能是gcc和clang，我忘了）会将_mm_store_si128整数向量存储编译为movaps，因为任何现有硬件都没有性能下降，而且缩短了一个字节。 / p> IIRC，使用movaps / movups加载整数向量数据也没有任何缺点，但我对此不太确定。

但是使用错误的mov指令进行reg-reg移动的一个缺点。两条FP指令之间的movdqa xmm1, xmm2在Nehalem上是不好的。

re：你的内联asm：

它不需要是volatile，如果您使用16字节结构或某些内容作为"memory"输入/输出操作数，则可以删除"+m" clobber。或__m128d变量的“+ x”向量寄存器操作数。

除非你在内联asm或独立函数中编写整个循环，否则你可能会从内联函数中获得比内联asm更好的结果。

请参阅x86代码Wiki，以获取指向我的内联asm指南的链接。

是否有任何偏好SHUFPD或PSHUFD用于在XMM中反转两个打包的双倍？

1 个答案: