有4位，如何为AVX寄存器生成掩码？

Question

_mm256_blendv_pd()查看位置63,127,191和255中的位。是否有一种有效的方法将uint8_t的4个低位分散到AVX寄存器的这些位置？

或者，是否有一种有效的方式来广播这些位，以便像_mm256_cmp_pd()的结果一样，每个位在AVX寄存器的相应64位组件中重复？

指令集为AVX2（Ryzen CPU，如果需要其他功能）。

Answer 1

最有效的方法是使用包含16个256位条目的查找向量，由uint-8索引。

Answer 2

显而易见的解决方案：将这4位用作查找表的索引。你已经知道了，所以让我们尝试其他的东西。

基于变量移位的方法：将该字节广播到每个qword中，然后将其向左移动{63,62,61,60}，在msb中排列正确的位。未经测试，如下所示：

_mm256_sllv_epi64(_mm256_set1_epi64x(mask), _mm256_set_epi64x(63, 62, 61, 60))

作为奖励，因为负载不依赖于面罩，所以它可以从环中抬起。

这对于Ryzen来说不一定是个好主意，内存中的256位加载比单独vpsllvq本身的吞吐量更高（与Ryzen上的大多数256b操作相比，这是2μs），但是这里我们还有vmovq（如果该字节不是来自向量寄存器）和宽vpbroadcastq（再次为2μs）。

根据具体情况，可能值得做或不做。这取决于。

Answer 3

假设uint8_t存在于通用寄存器中;方法是：

1. 使用PDEP将四位转换为四位（最高位）
2. 将四位字节从32位GPR传输到YMM寄存器的低位
3. 将值放置到位（位63,127,191,255）

所以我提出了两个版本 - 一个带内存，另一个没有：

接近记忆：

.data
  ; Always use the highest bytes of a QWORD as target / 128 means 'set ZERO' 
  ddqValuesDistribution:    .byte  3,128,128,128,128,128,128,128, 2,128,128,128,128,128,128,128, 1,128,128,128,128,128,128,128, 0,128,128,128,128,128,128,128
.code
  ; Input value in lower 4 bits of EAX
  mov     edx, 0b10000000100000001000000010000000
  pdep    eax, eax, edx
  vmovd   xmm0, eax
  vpshufb ymm0, ymm0, ymmword ptr [ddqValuesDistribution]

这一个在Haswell和Skylake上以5 uOps出现。

没有记忆变量的方法（由于@Peter Cordes而得到改善）：

  mov  edx, 0b10000000100000001000000010000000
  pdep eax, eax, edx
  vmovd xmm0, eax 
  vpmovsxbq ymm0, xmm0

这个在Haswell和Skylake（！）上以4 uOps出现，可以通过将EDX中的蒙版移动到变量来进一步改进。
输出与第一个版本不同（所有输出与仅最高位设置）。