问题标签 [sse2]

是否有任何 SSE2 指令将整数寄存器类型转换为短寄存器，反之亦然？请建议。

我对 eStream 项目感兴趣，并使用 C# 通过 Intel/AMD 加速来加密/解密数据流。

如何使用 C# 与 Intel/AMD 硬件进行交互，以便使以下算法起作用：

• 萨尔萨舞 20/12
• 索萨芒克

如何使用 SSE2 指令集将两个有符号 32 位整数相乘？

是否有任何 SSE2 指令将 8x16 寄存器转换为两个 4x32 寄存器，一个 4x32 寄存器具有来自 8x16 寄存器的奇数索引元素，另一个具有偶数索引元素？请建议。

我已经确定 VS2010 C 库中 exp(double) 的 Microsoft 实现在 Win32（即 32 位 x86）和 x64 平台上使用不同的算法，即使我已经为 x86 平台启用了 SSE2 并验证了 SSE2代码路径取自 exp()。不幸的是，对于某些操作数，不同的算法会产生略微不同的结果（相差 1ulp）。在这些情况下，原则上我们都可以接受任一结果，但是在测试期间，Win32 和 x64 构建之间缺乏一致性对我们来说是个问题。我在哪里可以找到可以在两个平台上使用的 exp(double) 的良好（即准确和快速）替代实现？我很高兴有一个使用 SSE2 指令的汇编代码解决方案，如果需要，我可以将它从 32 位转换为 64 位或 vv。

A 和 B 是向量或长度 N，其中 N 可以在 20 到 200 的范围内。我想计算这些向量之间距离的平方，即d^2 = ||AB||^2。

到目前为止，我有：

这似乎工作正常，除了我已经分析了我的代码并且这是瓶颈（超过 50% 的时间都花在了这样做上）。我在 Win 7 上使用 Visual Studio 2012，并带有以下优化选项：/O2 /Oi /Ot /Oy-. 我的理解是 VS2012 应该自动矢量化该循环（使用 SSE2）。但是，如果我插入#pragma loop(no_vector)代码，我不会明显减速，所以我猜循环没有被矢量化。编译器通过以下消息确认：

我的问题是：

1. 是否可以修复此代码以便 VS2012 可以对其进行矢量化？
2. 如果没有，尝试自己对代码进行矢量化是否有意义？
3. 你能推荐一个网站让我了解 SSE2 编码吗？
4. 是否存在某个 N 值，低于该值的矢量化会适得其反？
5. 是什么reason '1105'？

我需要实现一个没有 AVX2 的类似 vpgatherdd 的机制。

说，我有 4 个 i32 偏移量包装在 xmm0 中。我需要提取 xmm0 中的每个元素来完成这项mov reg, [base + offset]工作。

问题是我应该如何提取元素？

有pextrd，其延迟为 3。而且我并没有像流式一样这样做，每次运行时都会以 8 或 4 计算偏移量。

还有psrldq，其延迟为 1 ，有 1 movd，似乎我可以在 2 个周期内完成提取工作。

虽然1个周期不多，但我想知道这里哪个更好。下一个 8-offsets-extraction 是否可以隐藏这种延迟？

是否有选择长延迟指令与短延迟指令组的一般规则？

我应该计算 __m128i 寄存器的设置位数。特别是，我应该使用以下方法编写两个能够计算寄存器位数的函数。

1. 寄存器的设置位总数。
2. 寄存器每个字节的设置位数。

是否存在可以全部或部分执行上述操作的内在功能？

我有一个__m128i变量，我需要移动它的 128 位值 n 位，即喜欢_mm_srli_si128和_mm_slli_si128工作，但在位而不是字节上。这样做最有效的方法是什么？

我知道在没有先将所有 ymm 寄存器的上半部分清零的情况下从 AVX 指令切换到 SSE 指令的现有惩罚，但在我的机器（i7-3939K 3.2GHz）上的特殊情况下，似乎有一个非常即使我在 AVX 代码部分之前和之后明确使用 _mm256_zeroupper ，也会因为相反的方式（SSE 到 AVX）而受到很大的惩罚。

我已经编写了用于在 32768 个元素宽的 2 个缓冲区上转换 32 位浮点数和 32 位定点整数的函数。我将 SSE2 内在版本直接移植到 AVX 以一次执行 8 个元素，而不是 SSE 的 4 个，期望看到显着的性能提升，但不幸的是，相反的事情发生了。

所以，我有两个功能：

所以我启动了一个计时器，运行 ConvertPcm32FloatToPcm32Fixed 然后 ConvertPcm32FixedToPcm32Float 直接转换回来，结束计时器。函数的 SSE2 版本总共执行 15-16 微秒，但 AVX 版本需要 22-23 微秒。有点困惑，我进一步挖掘，我发现了如何加速 AVX 版本，以便它们比 SSE2 版本更快，但这是作弊。我只是在启动计时器之前运行 ConvertPcm32FloatToPcm32Fixed，然后启动计时器，然后再次运行 ConvertPcm32FloatToPcm32Fixed，然后运行 ​​ConvertPcm32FixedToPcm32Float，停止计时器。好像 SSE 对 AVX 有很大的惩罚，如果我首先通过试运行“启动”AVX 版本，AVX 执行时间会下降到 12 微秒，而对 SSE 等价物做同样的事情时，只会将时间减少 1 微秒至 14 微秒，使 AVX 成为这里的边际赢家，但前提是我作弊。我认为也许 AVX 在缓存中的表现不如 SSE，但使用 _mm_prefetch 也无济于事。

我在这里错过了什么吗？