8

我正在尝试使用 SIMD 内在函数编写流压缩（获取数组并删除空元素）。循环的每次迭代一次处理 8 个元素（SIMD 宽度）。

使用 SSE 内在函数，我可以使用 _mm_shuffle_epi8() 相当有效地做到这一点，它执行 16 个条目的表查找（收集并行计算术语）。随机索引是预先计算的，并使用位掩码进行查找。

for (i = 0; i < n; i += 8)
{
  v8n_Data = _mm_load_si128(&data[i]);
  mask = _mm_movemask_epi8(&is_valid[i]) & 0xff;     // is_valid is byte array
  v8n_Compacted = _mm_shuffle_epi8(v16n_ShuffleIndices[mask]);
  _mm_storeu_si128(&compacted[count], v8n_Compacted);

  count += bitCount[mask];
}

我的问题是现在我也想为 Altivec SIMD 实现这个（不要问为什么——错误的商业决策）。Altivec 没有关键成分 _mm_movemask_epi8() 的等效项。所以，我需要找到一种方法

  1. emulate _mm_movemask_epi8() - 看起来很贵，需要几个班次和 OR

  2. 直接有效地生成洗牌索引 -

即，索引 i 将是未压缩数据中第 i 个有效元素的索引

element_valid:   0 0 1 0 1 0 0 1 0
gather_indices:  x x x x x x 6 4 1
scatter_indices: 3 3 2 2 1 1 1 0 0

串行执行此操作很简单，但我需要它是并行的（SIMD）。生成带有前缀总和的分散索引似乎很容易，但由于 AltiVec 和 SSE 都没有分散指令，所以我需要收集索引。收集索引是分散索引的反函数，但是如何并行得到呢？我知道在 GPU 编程的开创性日子里，将散点图转换为集合是一种常见的技术，但所描述的这两种方法似乎都不实用。

也许如果不坚持压缩保留元素顺序将允许更有效的实施？我可以放弃那个。

4

1 回答 1

5

If you want to emulate _mm_movemask_epi8 and you just need an 8 bit scalar mask from 8 byte elements then you can do something like this using AltiVec:

#include <stdio.h>

int main(void)
{
    const vector unsigned char vShift = { 0, 1, 2, 3, 4, 5, 6, 7, 0, 0, 0, 0, 0, 0, 0, 0 };
                                            // constant shift vector

    vector unsigned char isValid = { 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 };
                                            // sample input

    vector unsigned char v1 = vec_sl(isValid, vShift);
                                            // shift input values
    vector unsigned int v2 = vec_sum4s(v1, (vector unsigned int)(0));
    vector signed int v3 = vec_sum2s((vector signed int)v2, (vector signed int)(0));
                                            // sum shifted values
    vector signed int v4 = vec_splat(v3, 1);
    unsigned int mask __attribute__ ((aligned(16)));
    vec_ste((vector unsigned int)v4, 0, &mask);
                                            // store sum in scalar

    printf("v1 = %vu\n", v1);
    printf("v2 = %#vlx\n", v2);
    printf("v3 = %#vlx\n", v3);
    printf("v4 = %#vlx\n", v4);
    printf("mask = %#x\n", mask);

    return 0;
}

This is 5 AltiVec instructions versus 1 in SSE. You might be able to lose the vec_splat and get it down to 4.

于 2011-06-07T21:22:48.657 回答