intrinsics - 将每个 AVX 32 位元素的低 16 位存储到内存中

Question

我在一个 AVX 值中有 8 个整数值，__m256i它们的上限都是 0xffff，所以高 16 位都是零。

现在我想将这 8 个值存储为 8 个连续uint16_t值。

我怎样才能以这种方式将它们写入内存？我可以以某种方式将__m256i8 个打包整数的__m128i值转换为包含 8 个打包短裤的值吗？

我的目标是 AVX2 内在函数，但如果它可以在 AVX 内在函数中完成，那就更好了。

Answer 1

使用 AVX2，使用_mm256_packus_epi32+_mm256_permutex_epi64来修复打包两个__m256i输入的通道内行为，就像 @chtz 说的那样。然后您可以存储来自 64 字节输入的所有 32 字节输出。

使用 AVX1，提取一个向量的高半部分并_mm_packus_epi32打包成__m128i. 这仍然需要 2 个 shuffle 指令，但会产生一半的数据输出宽度。（虽然它在 Zen1 上很好，YMM 寄存器无论如何都被视为 2x 128 位的一半，并且vextractf128在 Zen1 上比在 CPU 上更便宜，因为它是一个实际的 shuffle。）

当然，只有 AVX1 你不太可能在 a 中有整数数据，__m256i除非它是从内存中加载的，在这种情况下你应该_mm_loadu_si128首先做。但是对于 AVX2，它可能值得进行 32 字节加载，即使这意味着每个存储需要 2 次随机播放而不是 1 次。特别是如果您的任何输入未按 16 对齐。