是否存在将AVX寄存器的64位组件的高/低32位组件重新打包到SSE寄存器的内在或其他有效方法？使用AVX2的解决方案还可以。
到目前为止，我正在使用以下代码，但是分析器说它在 Ryzen 1800X 上很慢：
this答案 0 :(得分：4)
在英特尔上，您的代码将是最佳的。一次1-uop指令是你得到的最好的。 （如果您的输入向量是由vpermps指令而不是负载或其他东西创建的，那么您可能希望使用pd来避免int / FP旁路延迟的任何风险。使用FP的结果作为整数指令的输入，shuffle在Intel上通常很好，但是我不太确定将FP指令的结果提供给整数shuffle。）
虽然如果调整英特尔，您可能会尝试更改周围的代码，以便您可以随机播放到每个128b通道的底部64位，以避免使用通道交叉随机播放。 （那么你可以使用vshufps ymm，或者如果调整为KNL，vpermilps，因为2输入vshufps较慢。）
使用AVX512，有_mm256_cvtepi64_epi32 (vpmovqd)可以跨越通道打包元素，并进行截断。
在Ryzen，交叉的洗牌很慢。 Agner Fog没有vpermd的数字，但是他列出了vpermps（内部可能使用相同的硬件）3 uops，5c延迟，每4c吞吐量一个。
vextractf128 xmm, ymm, 1对Ryzen非常有效（1c延迟，0.33c吞吐量），这并不奇怪，因为它已经将256b寄存器跟踪为两个128b两半。 shufps也很有效（1c延迟，0.5c吞吐量），并且可以让你将两个128b寄存器混合到你想要的结果中。
这还可以为您不再需要的2个vpermps随机屏蔽保存2个寄存器。
所以我建议：
__m256d x = /* computed here */;
// Tuned for Ryzen. Sub-optimal on Intel
__m128 hi = _mm_castpd_ps(_mm256_extractf128_pd(x, 1));
__m128 lo = _mm_castpd_ps(_mm256_castpd256_pd128(x));
__m128 odd = _mm_shuffle_ps(lo, hi, _MM_SHUFFLE(3,1,3,1));
__m128 even = _mm_shuffle_ps(lo, hi, _MM_SHUFFLE(2,0,2,0));
在英特尔上，使用3次shuffle而不是2次，可以获得最佳吞吐量的2/3，第一次结果的额外延迟为1c。