Question

我有一个用例，其中我有一个位数组，每个位都表示为8位整数，例如uint8_t data[] = {0,1,0,1,0,1,0,1};我想通过仅提取每个值的lsb来创建一个整数。我知道使用int _mm_movemask_pi8 (__m64 a)函数可以创建掩码，但是此内在函数仅占用字节的msb而不是lsb。是否有类似的固有或有效方法来提取lsb以创建单个8位整数？

Answer 1

没有直接的方法，但是显然您可以简单地将lsb移入msb，然后将其提取：

_mm_movemask_pi8(_mm_slli_si64(x, 7))

这几天使用MMX很奇怪，应该避免。

这是SSE2版本，仍仅读取8个字节：

int lsb_mask8(uint8_t* bits) {
    __m128i x = _mm_loadl_epi64((__m128i*)bits);
    return _mm_movemask_epi8(_mm_slli_epi64(x, 7));
}

使用SSE2而不是MMX可以避免使用EMMS

Answer 2

如果您有高效的BMI2 pext（例如，Haswell和更新的版本，与AVX2相同），请对问题的另一方向使用{wim答案的反方向（How to efficiently convert an 8-bit bitmap to array of 0/1 integers with x86 SIMD）。

unsigned extract8LSB(uint8_t *arr) {
    uint64_t bytes;
    memcpy(&bytes, arr, 8);
    unsigned LSBs = _pext_u64(bytes ,0x0101010101010101);
    return LSBs;
}

此compiles like you'd expect至qword加载+一条pext指令。内联后，编译器将0x01...常量设置从循环中取消。

pext / pdep在支持它们的Intel CPU上非常有效（3个周期延迟/ 1c吞吐量，1 uop，与乘法相同）。但是它们在AMD上效率不高，例如18c延迟和吞吐量。（https://agner.org/optimize/）。如果您关心AMD，则绝对应该使用@harold的pmovmskb答案。

或者，如果您有8个字节的多个连续块，请使用单个宽矢量进行处理，然后获得32位位图。您可以根据需要将其拆分，或者使用4展开循环，以右移位图以获得所有4个单字节结果。

如果您只是立即将其存储到内存中，那么您应该应该在写入源数据的循环中进行此提取，而不是在单独的循环中进行提取，因此它在高速缓存中仍然很热。 AVX2 _mm256_movemask_epi8是低延迟的单个uop（在Intel CPU上），因此，如果您的数据在L1d缓存中不热，那么 just 这样做的循环将无法保持其执行单元正在等待内存。

如何从__m64值的lsb创建8位掩码？

2 个答案: