8

我正在研究一个数据结构，其中有一个 16 个 uint64 的数组。它们在内存中的布局是这样的（下面每个代表一个 int64）：

A0 A1 A2 A3 B0 B1 B2 B3 C0 C1 C2 C3 D0 D1 D2 D3

期望的结果是将数组转置为：

A0 B0 C0 D0 A1 B1 C1 D1 A2 B2 C2 D2 A3 B3 C3 D3

数组旋转 90 度也是未来循环可接受的解决方案：

D0 C0 B0 A0 D1 C1 B1 A1 D2 C2 B2 A2 D3 C3 B3 A3

我需要这个以便稍后快速操作箭头（用另一个 SIMD 行程顺序遍历它，一次 4 个）。

到目前为止，我已经尝试通过加载 A 的 4 x 64 位向量、位掩码和混洗元素并将其与 B 等进行 OR 运算，然后对 C 重复该操作来“混合”数据......不幸的是，这是数组中每段 4 个元素的 5 x 4 SIMD 指令（一个加载、一个掩码、一个随机播放、一个或带有下一个元素，最后是一个存储）。看来我应该可以做得更好。

我有可用的 AVX2，我用 clang 编译。

4

2 回答 2

11 
uint64_t A[16] = {0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15};
__m256i row0 = _mm256_loadu_si256((__m256i*)&A[ 0]); //0 1 2 3
__m256i row1 = _mm256_loadu_si256((__m256i*)&A[ 4]); //4 5 6 7
__m256i row2 = _mm256_loadu_si256((__m256i*)&A[ 8]); //8 9 a b
__m256i row3 = _mm256_loadu_si256((__m256i*)&A[12]); //c d e f

我现在没有硬件来测试它，但是像下面这样的东西应该可以做你想要的

__m256i tmp3, tmp2, tmp1, tmp0;
tmp0 = _mm256_unpacklo_epi64(row0, row1);            //0 4 2 6
tmp1 = _mm256_unpackhi_epi64(row0, row1);            //1 5 3 7
tmp2 = _mm256_unpacklo_epi64(row2, row3);            //8 c a e
tmp3 = _mm256_unpackhi_epi64(row2, row3);            //9 d b f
//now select the appropriate 128-bit lanes
row0 = _mm256_permute2x128_si256(tmp0, tmp2, 0x20);  //0 4 8 c
row1 = _mm256_permute2x128_si256(tmp1, tmp3, 0x20);  //1 5 9 d
row2 = _mm256_permute2x128_si256(tmp0, tmp2, 0x31);  //2 6 a e
row3 = _mm256_permute2x128_si256(tmp1, tmp3, 0x31);  //3 7 b f

这

__m256i _mm256_permute2x128_si256 (__m256i a, __m256i b, const int imm)

内在从两个源中选择 128 位通道。您可以在Intel Intrinsic Guide中了解它。有一个版本_mm256_permute2f128_si256只需要 AVX 并在浮点域中运行。我用它来检查我是否使用了正确的控制字。

于 2014-11-19T10:28:09.740 回答
4

另一种方法是使用收集指令，您可以直接加载转置矩阵。下面的五行代码在 i7-Haswell 上使用 gcc 是可以的。

  int32_t stride = 4 * sizeof(A[0]);
  __m128i r128_gather_idx = _mm_set_epi32(3 * stride, 2 * stride, 1 * stride, 0 * stride);
  __m256i row0 = _mm256_i32gather_epi64(reinterpret_cast<long long const *>(&A[ 0]), r128_gather_idx, 1);
  __m256i row1 = _mm256_i32gather_epi64(reinterpret_cast<long long const *>(&A[ 1]), r128_gather_idx, 1);
  __m256i row2 = _mm256_i32gather_epi64(reinterpret_cast<long long const *>(&A[ 2]), r128_gather_idx, 1);
于 2014-11-20T10:21:15.593 回答