仍在学习SIMD的技巧，我有一个问题：我有两个打包的8位寄存器，我想与_mm_maddubs_epi16（pmaddubsw）相乘以获得16-位打包寄存器。
我知道这些字节将总是产生 个小于256的数字，因此我想避免浪费剩余的8位。例如，_mm_maddubs_epi16(v1, v2)的结果应将结果写在r所在的XX中，而不要写在__所在的位置。
v1 (04, 00, 0e, 00, 04, 00, 04, 00, 0a, 00, 0f, 00, 05, 00, 01, 00)
v2 (04, 00, 0e, 00, 04, 00, 04, 00, 0a, 00, 0f, 00, 05, 00, 01, 00)
r (__, XX, __, XX, __, XX, __, XX, __, XX, __, XX, __, XX, __, XX)
我可以不更改结果吗？
PS 。我没有一个好的处理器，只能使用AVX指令。
答案 0 :(得分：3)
在向量图中，最高的元素在左侧还是右侧？是XX的最高或最低有效字节中的pmaddubsw位置？
使用_mm_mulhi_epu16可以有效地完成(v1 << 8) * (v2 << 8) >> 16，并在与输入单词相反的字节中产生结果。由于您说乘积严格小于256 ，您将在每个16位字的低字节中得到8位结果。
（如果输入是带符号的，请使用_mm_mulhi_epi16，但是负的结果将被符号扩展为完整的16位。）
您需要更改加载/创建输入之一的方式，而不是
MSB LSB | MSB LSB
v1_lo (00, 04, 00, 0e, 00, 04, 00, 04, 00, 0a, 00, 0f, 00, 05, 00, 01)
element# 15 14 13 12 ... 0
您有以下内容：（这两种方法都使用Intel的符号，其中左元素是最高编号，因此向量向_mm_slli_epi128的方向向左移动字节）。
MSB LSB | MSB LSB
v1_hi (04, 00, 0e, 00, 04, 00, 04, 00, 0a, 00, 0f, 00, 05, 00, 01, 00)
element# 15 14 13 12 ... 0
在每个单词元素的高半部分中，v2仍具有其非零字节，只需_mm_mullo_epi16(v1_hi, v2) ，您将获得(v1 * v2) << 8免费。
如果您已经用0拆包字节以获得v1和v2，则用另一种方式拆包。如果您使用的是pmovzx（_mm_cvtepu8_epi16），请切换到使用_mm_unpacklo_epi8(_mm_setzero_si128(), packed_v1 )。
如果要以这种已经零填充的形式从内存中加载这些向量，请使用未对齐的加载偏移量1个字节，以便零最终位于相反的位置。
如果您真正想要的是从没有以零解包的输入字节开始，那么我认为您不能避免这种情况。或者，如果要掩盖而不是解包（改为使用_mm_and_si128来节省shuffle-port吞吐量），则可能需要在某个地方进行转移。不过，您可以使用v1_hi = _mm_slli_epi16(v, 8)来使掩盖的代替一种方式：用字粒度向左移动8会把低字节清零。
答案 1 :(得分：0)
移动v1或v2，然后使用_mm_mullo_epi16()。
可能的XY问题？我的猜测是_mm_unpacklo_epi8()和_mm_packus_epi16()对您可能有用。