AVX指令集引入了VPERMILPS，它似乎是SHUFPS的简化版本（对于两个输入寄存器相同的情况）。
例如，以下说明：
c5 f0 c6 c1 00 vshufps xmm0,xmm1,xmm1,0x0
可以替换为：
c4 e3 79 04 c1 00 vpermilps xmm0,xmm1,0x0
如您所见，VPERMILPS版本多花了一个字节，并且执行相同的操作。根据指令表，两条指令占用1个CPU周期，并且具有相同的吞吐量。
引入这种说明有什么意义？我想念什么吗？
编辑： 这两条指令之间有一个区别。 VPERMILPS将上限通道设置为零，而SHUFPS则将其保持不变。
答案 0 :(得分：6)
与vpermilps（对于Knight's Landing除外）相比，立即使用vshufps-速成通常是错过优化的情况，因为相同操作和相同性能会浪费1个字节的代码大小。
我认为vpermilps的要点是它可以与向量控制操作数一起使用。在AVX之前，唯一的可变控制随机播放是整数pshufb。
VPERMILPS ymm1, ymm2, ymm3/m256-使用ymm3 / m256中的控件在ymm2中置换单精度浮点值，并将结果存储在ymm1中。
但是，当然，立即数形式具有完全独立的操作码，您在问为什么它存在。英特尔肯定可以只包含矢量版本，因此问题变为“为什么它们包含立即版本？” 。它至少需要一点额外的解码硬件。随机播放单元已经具有以这种形式解包立即控制操作数的硬件，因为它与vshufps相同，因此实现起来便宜吗？
您无法使用即时vpermilps执行的唯一操作vshufps是在一条指令中加载+随机播放，例如vpermilps ymm0, [rdi], 0b00011011进行反转源中每个通道中的元素。但是，像大多数带有立即数的指令一样，它无法对存储器操作数进行微融合，因此前端仍为2个融合域。 （在AMD CPU上，它确实确实节省了前端带宽。）不过，与vmovups ymm0, [rdi] / vshufps ymm0,ymm0,ymm0, 0b00011011相比，它节省了代码大小。
除此之外，我没有多大意义。它们在两个128位通道中都执行相同的混洗，为两个通道重用立即数的4x 2位字段。 （虽然vpermilpd和vshufpd在其立即数中都使用1位字段，并且可以在每个通道中执行不同的混洗；较高通道使用位2和3。ZMM版本使用位4。 7为高位256。因此，vpermilpd dst, src, imm与vshufpd dst, src,src, imm相同，除非您使用内存源或使用改组控制向量而不是立即数。）
这让您想知道英特尔是否忘记了VEX编码将使无损vshufps能够立即执行随机操作。
或者也许他们想起了低功耗CPU，例如Knight's Landing（至强披披），在这种情况下，一站式洗牌更便宜：
vpermilps的吞吐量为1周期，但是vshufps或vperm2f128的吞吐量为2周期，并有额外的延迟周期。 （根据Agner Fog's instruction tables。）
因此，将vshufps与相同的输入一起使用两次会比较慢。
但是在Intel大核心主流CPU上，可以使用vpermilps-immediate与vshufps相比是错过优化的方法，除非您可以将其与内存源一起使用。 vshufps将需要两次相同的内存源，这显然是无法编码的。
AVX的设计比KNL提前了好几年，但也许ISA设计师铭记在心，将来某些CPU可能会通过更简单的改组来提高效率。
常规Silvermont（KNL所基于的无序Atom）不支持AVX，但它具有1 uop / 1个周期的吞吐量和shufps的延迟。 Goldmont对于shufps的吞吐量为0.5c。
AFAIK，英特尔仍未使用AVX制造低功耗内核（至强融核除外）。我不认为他们打算与Tremont或Gracemont（Goldmont Plus的继任者）一起使用。