6

哪些 SSE/AVX 指令将通道从a看起来像b和c？

float4 a = {data[0], data[1], data[2], data[3]};
float4 b = {data[1], data[2], data[3], data[0]};  // lanes shifted left
float4 c = {data[3], data[0], data[1], data[2]};  // lanes shifted right

float8 a = {data[0], data[1], data[2], data[3],
            data[4], data[5], data[6], data[7]};
float8 b = {data[1], data[2], data[3], data[4],
            data[5], data[6], data[7], data[0]};  // lanes shifted left
float8 c = {data[7], data[0], data[1], data[2],
            data[3], data[4], data[5], data[6]};  // lanes shifted right

背景：

我有一个算法需要它的邻居点的值；这意味着我目前正在混合对齐的负载和未对齐的负载：

(
      plate[row + 1][column]    // aligned
    + plate[row - 1][column]    // aligned
    + plate[row][column + 1]    // unaligned
    + plate[row][column - 1]    // unaligned
    + (4 * plate[row][column])  // aligned
) / 8;

这是在上交所：

__m128 bottom  = _mm_load_ps(&from[row-1][column]);
__m128 left    = _mm_loadu_ps(&from[row][column-1]);
__m128 middle  = _mm_load_ps(&from[row][column]);
__m128 right   = _mm_loadu_ps(&from[row][column+1]);
__m128 top     = _mm_load_ps&from[row+1][column]);

(top + bottom + left + right + _mm_set1_ps(4.0f) * middle) * _mm_set1_ps(0.125f);

我意识到 current 和 left 或 right 中的值仅相差一个值。所以我的想法是，与其进行 2 个未对齐的加载，不如将通道打乱，然后插入一个不同的值。我需要检查指令的延迟/吞吐量，看看是否会更快，但我不熟悉这些类型的 SSE/AVX 指令。

4

1 回答 1

4

在最近的 Intel CPU（Core i7 等）上，未对齐的负载是一种合理的方法，但在较旧的 CPU 上，它相对昂贵。另一种方法是使用_mm_alignr_epi8( PALIGNR) - 通常您沿着一行迭代并保持 3 个连续的向量 - 在每次迭代之后，您将这些向量沿一个随机排列，然后加载一个新向量，因此每次迭代只有一个负载。

__m128 va = _mm_setzero_ps();
__m128 vb = _mm_load_ps(&from[row][0]);
for (col = 0; col < N; col += 4)
{
    __m128 vc = _mm_load_ps(&from[row][col + 4]);

    __m128 centre = vb;
    __m128 left = (__m128)_mm_alignr_epi8((__m128i)va, (__m128i)vb, sizeof(float));
    __m128 right = (__m128)_mm_alignr_epi8((__m128i)vb, (__m128i)vc, 3 * sizeof(float));

    // do stuff ...

    va = vb;  // shuffle vectors along
    vb = vc;
}

由于 128 位通道的限制，AVX 有点棘手 - 坚持使用未对齐的负载可能会更好。

于 2013-11-08T16:44:14.423 回答