Question

假设我有两个256位寄存器，包含四个双值x和y。 _mm256_unpacklo_pd(x, y)（VUNPCKLPD）的输出为：[x0, y0, x2, y2]（因为每个128位行都是单独处理的）。我想实现[x0, y0, x1, y1]。

这有什么内在/指示吗？或者，如果没有，达到预期结果的最快方法是什么？

Answer 1

请注意，您想要的所有值都在输入向量的低通道中。

每个输入的128b低半部分的

_mm_unpacklo_pd / _mm_unpackhi_pd会为vinsertf128设置。（如果调整Sandybridge / Ivybridge，你可以使用整数shuffle（vpunpcklqdq / hqdq）来获得128b操作，以获得比FP shuffle更好的吞吐量。因为我认为这对任何支持AVX1的CPU都没有影响，它和＃39;这不是一个坏主意。）

如果高低通道需要相同的东西，那么使用256b的通道内解包指令并对该结果的128b通道进行随机播放。 _m256_permute2f128_pd尽可能使用gcc / clang编译为vinsertf128，但不能编译为ICC或MSVC，因此编写效率更高

// much faster on Ryzen/KNL, same on Intel mainstream
__m256d lohalves_insert(__m256d lo, __m256d hi) {
    return _mm256_insertf128_pd(lo, _mm256_castpd256_pd128(hi), 1);
}

了解各种编译器如何在the Godbolt compiler explorer上优化这些内容。

可能只有2指令方式才能完成AVX1，但可能没有。

使用AVX2，您可以vinsertf128将每个输入的低128b转换为单个向量的两个通道。然后使用AVX2 vpermpd将跨越通道的元素移动到最终位置。

Ryzen的情况比两个128b vunpckl/hpd + vinsertf128更糟糕，但英特尔的吞吐量更高。对于2-lane-crossing shuffle（3 + 3c = 6c）与1 + 1（资源冲突）+ 3c = 5c，3-shuffle方式，在Intel Haswell及更高版本，或者在Sandybridge / Ivybridge，如果你没有＃39; t对128b操作使用整数随机数。（参见Agner Fog的insn表，x86标签wiki中的链接。）

Answer 2

在我的情况下，我实际上需要处理数据的高/低部分，因此需要两个向量的四个指令：unpackhi / unpacklo并将它们的低/高一半洗牌

AVX unpackhipd / unpacklopd模拟整个256位寄存器

2 个答案: