Question

与this question类似，我想将几个24位值收集到SSE / AVX寄存器的32位双字中。进一步：

每个值与基本指针
每个值的偏移量只有1个字节的对齐
我可以确保在每个值安全之后（或之前）读取向量

AVX2（高性能？）收集解决方案没问题，但我还需要预先支持AVX。它看起来像带有SIB字节的pinrd指示1字节对齐完全符合我的要求，但我无法弄清楚如何让编译器发出这种指令编码......

使用标准内在：

uint32_t *p = &base[offset];
vec = _mm_insert_epi32(vec, *p, 1);  // for each dword...

假设对齐的偏移量，产生合理的编码：

660f3a2244_b5_0001 pinsrd   $0x1, (%rbp,%rsi,4), %xmm0

但是，我想实际发出：

660f3a2244_35_0001 pinsrd   $0x1, (%rbp,%rsi), %xmm0

并手动将乘法偏移3。

此编码（通过十六进制编辑链接二进制文件测试）似乎工作得很好。但是......我该如何发射它？没有任何类型的类型转换或属性 __align__似乎有效。显而易见的方法：

uint8_t *p = &base[offset*3];
vec = _mm_insert_epi32(vec, *p, 1);

当然，在插入之前，将一个带零扩展的字节解引用到dword。

我的内联asm尝试：

static inline __m128i __attribute__((always_inline))
_mm_insertu_epi32(__m128i a, void *b, long o, const int8_t imm8)
{
    __asm__("pinsrd %3, (%1, %2), %0" : "+x"(a) : "r"(b), "r"(o), "i"(imm8));
    return a;
}

收率：

660f3a22041601      pinsrd  $0x1, (%rsi,%rdx), %xmm0

哪个很有前景，但似乎完全混淆了优化器;所有周围的代码都被忽视了。

如果没有纯粹的asm，有没有办法做到这一点？（我想使用内在的...）

另请参阅：Dereference pointers in XMM register

Answer 1

@harold，谢谢。

我已经在做了一些movd，然后是几个pinrd（比如clang。）但我在godbolt上看到clang / gcc / icc使用了各种解包模式，所以我会对它们进行分析。

不幸的是，“只是避免聚集”不是解决方案。但你是对的，内在的确适用于任意对齐。简单的指针转换最终会做正确的事情（也就是说，产生一个可能未对齐的地址）：

__m128i gather32_scale4(int *b, long o0, long o1, long o2, long o3)
{
    return _mm_set_epi32(b[o0], b[o1], b[o2], b[o3]);
    //  movd    xmm0, dword ptr [rdi + 4*r8]
    //  pinsrd  xmm0, dword ptr [rdi + 4*rcx], 1
    //  pinsrd  xmm0, dword ptr [rdi + 4*rdx], 2
    //  pinsrd  xmm0, dword ptr [rdi + 4*rsi], 3
}

__m128i gather32_scale1(int *b, long o0, long o1, long o2, long o3)
{
    return _mm_set_epi32(
        *(int *)&((char *)b)[o0],
        *(int *)&((char *)b)[o1],
        *(int *)&((char *)b)[o2],
        *(int *)&((char *)b)[o3]);
    //  movd    xmm0, dword ptr [rdi + r8]
    //  pinsrd  xmm0, dword ptr [rdi + rcx], 1
    //  pinsrd  xmm0, dword ptr [rdi + rdx], 2
    //  pinsrd  xmm0, dword ptr [rdi + rsi], 3
}

（类似于手动编写的_mm_insert_epi32）

pinsrd / _mm_insert_epi32与字节指针对齐？

1 个答案: