AVX512为我们提供了对__mm512向量中的所有单元求和的内在函数。但是，其中一些对应项缺失：尚无_mm512_reduce_add_epi8。
_mm512_reduce_add_ps //horizontal sum of 16 floats
_mm512_reduce_add_pd //horizontal sum of 8 doubles
_mm512_reduce_add_epi32 //horizontal sum of 16 32-bit integers
_mm512_reduce_add_epi64 //horizontal sum of 8 64-bit integers
基本上，我需要在以下代码段中实现MAGIC。
__m512i all_ones = _mm512_set1_epi16(1);
short sum_of_ones = MAGIC(all_ones);
/* now sum_of_ones contains 32, the sum of 32 ones. */
最明显的方法是使用_mm512_storeu_epi8并将数组的元素加在一起，但这会很慢，而且可能会使缓存无效。我想有一种更快的方法。
同样可以实现_mm512_reduce_add_epi16。
答案 0 :(得分：4)
首先，_mm512_reduce_add_epi64不对应于单个AVX512指令，但它会产生一系列随机播放和加法运算。
要将64个epu8的值减少到8个epi64的值，通常针对零向量使用vpsadbw指令（SAD =绝对差之和），然后可以进一步将其减少：
long reduce_add_epu8(__m512i a)
{
return _mm512_reduce_add_epi64(_mm512_sad_epu8(a, _mm512_setzero_si512()));
}
尝试使用Godbolt：https://godbolt.org/z/1rMiPH。不幸的是，如果与_mm512_set1_epi16(1)一起使用，则GCC和Clang似乎都无法优化该功能。
对于epi8而不是epu8，您需要首先将128添加到每个元素（或与0x80进行xor），然后使用vpsadbw对其进行缩减，最后减去64*128（或每个中间64位结果上的8*128）。 [请注意，在此答案的先前版本中这是错误的]
对于epi16，我建议看看_mm512_reduce_add_epi32和_mm512_reduce_add_epi64产生什么指令并从那里得出要做什么。
总体而言，正如@Mysticial所建议的那样，最佳的减少方法取决于您的上下文。例如，如果您有一个非常大的int64数组，并且希望总和为int64，则应该按包将它们加在一起，并且仅在最后将一个包减少为一个{{1 }}。