如何在256位AVX（YMM）寄存器中交换低128位和高128位

Question

我正在移植SSE SIMD代码以使用256位AVX扩展，并且似乎找不到任何混合/随机/移动高128位和低128位的指令。

支持故事：

我真正想要的是VHADDPS / _mm256_hadd_ps，就像HADDPS / _mm_hadd_ps一样，只有256位字。不幸的是，它就像对HADDPS的两次调用一样，独立地对低字和高字进行操作。

Answer 1

使用VPERM2F128，可以交换低128位和高位128位（以及其他排列）。内在的是

x = _mm256_permute2f128_ps( x , x , 1)

第三个参数是一个控制字，为用户提供了很大的灵活性。英特尔online documentation似乎完全没有解释控制字结构是什么，但可下载的Intel Instrinsic Guide应用程序提供了更好的解释。

Answer 2

我知道这样做的唯一方法是使用_mm256_extractf128_si256和_mm256_set_m128i。例如。交换256位向量的两半：

__m128i v0h = _mm256_extractf128_si256(v0, 0);
__m128i v0l = _mm256_extractf128_si256(v0, 1);
__m256i v1 = _mm256_set_m128i(v0h, v0l);

Answer 3

x = _mm256_permute4x64_epi64(x, 0b01'00'11'10);

阅读它here。还有Try it online!

注意：此指令需要 AVX2（不仅仅是 AVX1）。

As commented by @PeterCordes 在 Zen2 / Zen3 CPU 上速度明智 _mm256_permute2x128_si256(x, x, i) 是最好的选择，尽管与我建议的函数 _mm256_permute4x64_epi64(x, i) 相比它有 3 个参数有 2 个参数.在 Zen1 和 KNL/KNM（以及推土机系列挖掘机）上，我建议的 _mm256_permute4x64_epi64(x, i) 效率更高。在其他 CPU（包括主流 Intel）上，这两种选择是相同的。

如前所述，_mm256_permute2x128_si256(x, y, i) 和 _mm256_permute4x64_epi64(x, i) 都需要 AVX2，而 _mm256_permute2f128_si256(x, i) 只需要 AVX1。