21

我想将两个__m128值合并为一个__m256。

像这样的东西： 

__m128 a = _mm_set_ps(1, 2, 3, 4);
__m128 b = _mm_set_ps(5, 6, 7, 8);

类似于：

__m256 c = { 1, 2, 3, 4, 5, 6, 7, 8 };

有什么内在函数可以用来做到这一点吗？

4

5 回答 5

27

这应该做你想要的：

__m128 a = _mm_set_ps(1,2,3,4);
__m128 b = _mm_set_ps(5,6,7,8);

__m256 c = _mm256_castps128_ps256(a);
c = _mm256_insertf128_ps(c,b,1);

如果顺序与您想要的相反，则只需切换a和b。

感兴趣的本质是_mm256_insertf128_ps它可以让您将 128 位寄存器插入 256 位 AVX 寄存器的下半部分或上半部分：

http://software.intel.com/sites/products/documentation/studio/composer/en-us/2011/compiler_c/intref_cls/common/intref_avx_insertf128_ps.htm

他们的完整家族在这里：

于 2012-06-20T09:54:35.863 回答
5

英特尔文档 __m256 _mm256_set_m128(__m128 hi, __m128 lo)并_mm256_setr_m128(lo, hi)作为vinsertf128指令的内在函数，这就是您想要的1。（当然也有__m256d和__m256i版本，使用相同的指令。__m256i版本vinserti128如果有AVX2可以使用，否则它会使用f128。）

如今，所有 4 个主要 x86 编译器（gcc、clang、MSVC 和 ICC）的当前版本都支持这些内在函数。但不是旧版本；与英特尔文档中的其他一些辅助内在函数一样，广泛的实施一直很缓慢。（通常 GCC 或 clang 是最后一个没有你希望可以便携使用的东西的坚持。）

如果您不需要移植到旧 GCC 版本，请使用它：它是表达您想要的内容的最易读的方式，遵循众所周知的_mm_set模式_mm_setr。

在性能方面，它当然与手动强制转换 +vinsertf128内在函数（@Mysticial 的回答）一样有效，而且对于 gcc，至少这实际上是内部.h实际实现的方式_mm256_set_m128。

编译器版本支持_mm256_set_m128/ _mm256_setr_m128：

  • 铿锵声：3.6 及更新版本。（主线，关于 Apple 的 IDK）
  • GCC：8.x 和更新版本，不像 GCC7 那样出现！
  • ICC：至少从ICC13开始，Godbolt上最早的。
  • MSVC：至少从 19.14 和 19.10 (WINE) VS2015 开始，最早在 Godbolt 上。

https://godbolt.org/z/1na1qr有所有 4 个编译器的测试用例。

__m256 combine_testcase(__m128 hi, __m128 lo) {
    return _mm256_set_m128(hi, lo);
}

他们都将此函数编译为 one vinsertf128，除了 MSVC ，即使最新版本也浪费了vmovups xmm2, xmm1复制寄存器。（我曾经-O2 -Gv -arch:AVX使用 vectorcall 约定，因此 args 将在寄存器中，以便为 MSVC 提供有效的非内联函数定义。）如果 MSVC 可以将结果写入第三个寄存器，则推测 MSVC 可以内联到更大的函数中，而不是调用约定强制它读取 xmm0 并写入 ymm0。

脚注 1：
vinsertf128在 Zen1 上非常高效，与vperm2f128其他具有 256 位宽 shuffle 单元的 CPU 一样高效。它还可以从内存中取出高半部分，以防编译器溢出它或将 a 折叠_mm_loadu_ps到其中，而不需要单独将 128 位加载到寄存器中；vperm2f128的内存操作数将是您不想要的 256 位负载。

https://uops.info/ / https://agner.org/optimize/

于 2020-12-20T04:36:05.560 回答
2

即使这个也可以：

__m128 a = _mm_set_ps(1,2,3,4);
__m128 b = _mm_set_ps(5,6,7,8);

__m256 c = _mm256_insertf128_ps(c,a,0);
c = _mm256_insertf128_ps(c,b,1);

由于 c 未初始化，您将收到警告，但您可以忽略它，如果您正在寻找性能，此解决方案将使用比另一个解决方案更少的时钟周期。

于 2012-08-11T01:11:16.533 回答
2

也可以使用置换内在函数：

__m128 a = _mm_set_ps(1,2,3,4);
__m128 b = _mm_set_ps(5,6,7,8);
__m256 c = _mm256_permute2f128_ps(_mm256_castps128_ps256(a), _mm256_castps128_ps256(b), 0x20);

我不知道哪种方式更快。

于 2015-05-21T22:15:11.540 回答
0

我相信这是最简单的：

#define _mm256_set_m128(/* __m128 */ hi, /* __m128 */ lo) \ _mm256_insertf128_ps(_mm256_castps128_ps256(lo), (hi), 0x1)

__m256 c = _mm256_set_m128(a, b);

请注意__mm256_set_m128已在 msvc 2019 中定义，如果您#include "immintrin.h"

于 2020-12-20T03:43:20.583 回答