问题标签 [avx2]

在 SSE3 中，PAligNR 指令执行以下操作：

PARIGNR 将目标操作数（第一个操作数）和源操作数（第二个操作数）连接成一个中间组合，将组合以字节粒度向右移动一个常量立即数，并将右对齐的结果提取到目标中。

我目前正在移植我的 SSE4 代码以使用 AVX2 指令并使用 256 位寄存器而不是 128 位。天真地，我相信内在函数（VALIGNR）执行与仅在 256 位寄存器上_mm256_alignr_epi8相同的操作。_mm_alignr_epi8然而可悲的是，情况并非如此。实际上，_mm256_alignr_epi8将 256bit 寄存器视为 2 个 128bit 寄存器，对相邻的两个 128bit 寄存器执行 2 次“对齐”操作。_mm_alignr_epi8一次有效地执行与 2 个寄存器相同的操作。在这里最清楚地说明了这一点：_mm256_alignr_epi8

目前我的解决方案是_mm_alignr_epi8通过将 ymm（256 位）寄存器分成两个 xmm（128 位）寄存器（高和低）来继续使用，如下所示：

这行得通，但必须有更好的方法，对吧？是否应该使用更“通用”的 AVX2 指令来获得相同的结果？

我有一个包含四个 64 位浮点值的 __m256d 向量。
我需要找到向量元素的水平最大值并将结果存储在双精度标量值中；

我的尝试最终都使用了大量的向量元素洗牌，使得代码不是很优雅也不是很高效。另外，我发现不可能只停留在 AVX 域中。在某些时候，我不得不使用 SSE 128 位指令来提取最终的 64 位值。但是，我想在最后一个陈述中被证明是错误的。

所以理想的解决方案是：
1）只使用 AVX 指令。
2）尽量减少指令数量。（我希望不超过 3-4 条指令）

话虽如此，任何优雅/高效的解决方案都将被接受，即使它不遵守上述准则。

谢谢你的帮助。

-路易吉

我在 Intel Intrinsic Guide v2.7 中找不到它们。你知道 AVX 或 AVX2 指令集是否支持它们吗？

是否有任何现有指令可以将 256 位 AVX/AVX2(YMM) 寄存器中的较低或较高值存储到内存地址，就像 SSE 指令 movlps/movhps 一样？

或者还有其他方法可以实现吗？

任何帮助将不胜感激，谢谢！

我想加载一个256 bit YMM具有 32 个值的寄存器，每个值长度为 1 个字节。我研究的所有内在函数要么加载double word，即4 byte整数，要么加载，quad word即8 byte值。如何加载小于这些大小的数据？是否有任何助记符可以做到这一点但没有等效的内在函数？

查看 AVX2 内在文档，收集了加载指令，例如VPGATHERDD：

从文档中我不清楚的是计算的加载地址是 元素地址还是字节地址，即 element 的加载地址i：

或者：

从英特尔文档看来，它可能是 (2)，但考虑到收集负载的最小元素大小是 32 位，这没有多大意义 - 为什么要从未对齐的地址加载（即使用 scale < 4 ) ?

我正在开发一个包含大量 SIMD 内在代码的代码库。现在我们有了 AVX2，我们仍然需要在不支持 AVX2 的处理器上运行 SIMD 代码，这将大大增加工作量。再加上 AVX2 shuffle 的 128 位车道交叉限制也使事情变得复杂。由于这些原因，现在是更多依赖自动矢量化的好时机。让我害怕的主要事情是一个简单的更改会杀死并行性的前景，以及在出现问题时调试自动矢量化代码的前景。

我已经用 g++ -O1 -g -ftree-vectorize 编译了以下内容，并尝试使用 GDB 逐步完成（有谁知道为什么 -ftree-vectorize 不适用于 -O0 ？）

但没有得到任何有意义的结果。例如，有时 i 的值表示 <optimized out>，而有时它会跳出 20。

似乎主要问题是很难将 SIMD 状态映射到原始 C 状态以进行调试。但实际上，能做到吗？

Is there any data on AVX2 gather latency?

(for instance a _mm256_i32gather_ps instruction accessing a single cache line)

在我的代码中，我必须处理 websocket 数据包的“取消屏蔽”，这本质上意味着对任意长度的未对齐数据进行异或。多亏了 SO（Websocket data unmasking / multi byte xor），我已经找到了如何（希望）使用 SSE2/AVX2 扩展来加快速度，但是现在看，在我看来，我对未对齐数据的处理完全是次要的-最佳。有什么方法可以优化我的代码，或者至少在相同性能的情况下使其更简单，还是我的代码已经是性能最好的？

这是代码的重要部分（对于这个问题，我假设数据总是至少足以运行一次 AVX2 循环，但同时它最多只能运行几次）：

PS：请忽略使用#ifdef 代替cpuid 等进行cpu 标志检测。

我有一个稀疏数组a（大部分为零）：

我想创建一个索引数组，以在带有 AVX2 的英特尔 x64 架构上使用 SIMD 指令b的非零元素。a我正在寻找如何有效地做到这一点的提示。具体来说，是否有 SIMD 指令来获取 SIMD 寄存器中连续非零元素的位置，并连续排列？