出于准确性的原因，我经常需要使用double，但是我想将结果存储为浮点数。最佳方法是什么？我目前正在使用：
SSE2：_mm_store_sd((double*)dst, _mm_castps_pd(_mm_cvtpd_ps(xmm)));
AVX：_mm_storeu_ps(dst, _mm256_cvtpd_ps(ymm));
AVX512：_mm256_storeu_ps(dst, _mm512_cvtpd_ps(zmm));
有什么改进想法吗？
答案 0 :(得分：2)
只能从缩小的格式转换为从packed-double转换为packet-float，不适用于需要将2个double向量打包为1个float向量的版本。因此，是的，[v]cvtpd2ps的内在函数是您唯一的选择。这些指令在现代Intel上解码为2微秒；一个用于FMA端口，另一个用于随机播放端口。 （https://agner.org/optimize/）
存储结果非常简单，您想要的是_mm_store/storeu的某种形式。
对于128位向量（结果为2x float = 64位），您没有完整的128位向量结果。您可以将两个数据一起改组为一个128位向量，但是自Sandybridge以来，英特尔的FP数据交换吞吐量为每个时钟1个，最好将它们分别存储。
您希望movlps而不是movsd存储float向量的低64位；它节省了一个指令字节，并且C内在函数使用较少的强制转换。但不幸的是，它需要使用__m64*而不是float*，因此您仍然需要进行一次强制转换：
_mm_storel_pi((__m64*)dst, _mm_cvtpd_ps(xmm) );
但是对于加载，您确实希望movsd避免对旧值的错误依赖。 movlps个负载合并到一个寄存器中； movsd加载零扩展。实际上，如果您可以让编译器从内部函数发出该信息，cvtps2pd xmm, qword [mem]会为您解决这个问题。
由于与pmovzxbw xmm, qword [mem]类似的原因，可能很难安全地执行此操作：编译器无法将qword加载折叠到pmovzx / sx的内存操作数中：（Loading 8 chars from memory into an __m256 variable as packed single precision floats）