问题标签 [avx2]

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）：

期望的结果是将数组转置为：

数组旋转 90 度也是未来循环可接受的解决方案：

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。

我的平台是MASM64，AVX2。我需要对 YMM 注册表执行旋转操作，如下所示：

|| A0 || A1 || A2 || A3 || = > || A1 || A2 || A3 || A0 ||

其中 Ai 是一个 qword。我找不到任何文档对同一问题的引用。

提前致谢！

我在尝试使用 OpenMP 进行并行化并使用 ifort 14.0.2 对嵌套循环进行矢量化时遇到问题。

这是循环：

当我尝试单独运行并行或矢量化时，一切都按预期工作；但是当我尝试编译时-O3 -openmp -axavx -vec-report6，报告似乎忽略了最里面的循环 - 一个结束，并在初始化的行i给我这个消息：c

remark: loop was not vectorized: subscript too complex

我无法理解。

如果-openmp标志被关闭，循环将i被矢量化，它运行得确实更快，给出正确的结果。

提到相同的代码在英特尔编译器的实际版本（即15 ）上编译并按预期工作可能很有用。

它只是一个编译器问题吗？

无论如何，我可以让它与 14.0.2 版本一起使用吗？

我用 AVX 内部函数编写了一个程序，它使用 Ubuntu 12.4 LTS 和 GCC 4.6 以及以下编译行运行良好： g++ -g -Wall -mavx ProgramName.cc -o ProgramName

当我将编译器更新到 4.7 和 4.8.1 版本以支持 16 位 AVX2 内在函数时，问题就开始了，这在 gcc 4.6 中不受支持

目前，更新的 gcc 版本可以正确编译 AVX 和 AVX2 程序。但是，当我运行程序时，它给了我以下错误：非法指令（核心转储），虽然它在 gcc 4.6 上工作

我的问题是：编译和运行 AVX 和 AVX2 内在函数的完美方法是什么

我试图从 AVX(2)中找到_mm256_xor_si256和_mm256_xor_ps内在函数之间的实际区别。

它们分别映射到 intel 指令：

• vpxor ymm, ymm, ymm
• vxorps ymm, ymm, ymm

英特尔将其定义为：

相对

但坦率地说，我看不出它们的效果有什么不同？它们都异或 256 位。但是后者可以用在AVX和AVX2上，第一个只能用在AVX2上。为什么你会使用第一个，兼容性较低？

这是C++代码：

当我在 VS2013 中运行此代码时，异或操作将中断。

而且我认为我的cpu可以支持AVX2，因为x和y可以成功输出。

有人可以告诉我如何解决这个问题吗？

我遇到了似乎是导致使用 clang 3.4、3.5 和 3.6 主干生成错误代码的错误。实际触发问题的来源非常复杂，但我已经能够将其简化为这个独立的示例：

上面的总结：我有一个简单的类型simd_pack，它包含一个成员，一个__m256i值的数组。在我的应用程序中，存在采用这些类型的运算符和函数，但可以通过上面的示例说明问题。具体来说，test_broken()应该从in1数组中读取，然后将其值复制到out数组中。memcmp()因此，对in的调用main()应该返回零。我使用以下内容编译上述内容：

我发现在优化级别-O0和-O1上，测试通过，而在级别-O2和上-O3，测试失败。我尝试使用 gcc 4.4、4.6、4.7 和 4.8 以及 Intel C++ 13.0 编译相同的文件，并且测试通过了所有优化级别。

仔细查看生成的代码，这是在优化级别生成的程序集-O3：

我将重现重点部分：

这有点让人头疼。它首先使用我要求的未对齐移动加载 256 位ymm0，然后将xmm0（仅包含已读取数据的低 128 位）存储到堆栈中，然后立即ymm0从刚刚的堆栈位置读取 256 位写给。效果是ymm0的高 128 位（写入输出缓冲区）是垃圾，导致测试失败。

除了编译器错误之外，还有什么好的理由会发生这种情况吗？我是否违反了某些规则，让simd_pack类型包含一个值数组__m256i？这似乎与此有关；如果我更改_val为单个值而不是数组，则生成的代码将按预期工作。但是，我的应用程序需要_val是一个数组（其长度取决于 C++ 模板参数）。

有任何想法吗？

_mm256i将两个寄存器的每个 32 位条目相乘的最佳方法是什么？

_mm256_mul_epu32不是我要找的，因为它产生 64 位输出。我想要每个 32 位输入元素的 32 位结果。

此外，我确信两个 32 位值的乘法不会溢出。

谢谢！

是否有内置指令可以对 AVX2 中的（16 位）整数元素执行右移和左移操作？

像下面的例子：

和

其中_mm_srli_si128(H,14)和_mm_slli_si128(H,2)在 SSE3 16 位元素上运行良好。我问是因为性能（运行时间）对我来说至关重要。

作为压缩算法的一部分，我正在寻找实现以下目标的最佳方法：

我有一个简单的位图uint8_t。例如 01010011

我想要的是一个__m256i形式： (0, maxint, 0, maxint, 0, 0, maxint, maxint)

实现此目的的一种方法是将 8 x maxint 的向量改组为零向量。但这首先需要我将我的扩展uint8_t为正确的随机播放位图。

我想知道是否有更好的方法？