问题标签 [sse4]

这个问题似乎类似于Getting max value in a __m128i vector with SSE? 但有短裤和最小值而不是整数+最大值。这就是我想出的：

该函数与https://stackoverflow.com/a/18616825/1500111中x的上下部分的答案基本相同。所以，我知道最小值在 __m128i 变量 max2 的位置 0 或 4 中。虽然它比下面显示的无 SIMD 功能快得多 horizontal_min_Vec4i_Plain(__m128i x)，但恐怕瓶颈是_mm_extract_epi16 operation最后一行。有没有更好的方法来实现这一点，以获得更好的速度？我正在使用 Haswell，因此我可以访问最新的 SSE 扩展。

我试图找到使用 SSE（最高 SSE 4.2）执行 8 位无符号比较的最佳方法。

我正在处理的最常见情况是比较> 0U，例如

（当然也可以认为是对非零的简单测试。）

但我也对更一般的情况有些感兴趣，例如

第一种情况可以用 2 条指令实现，使用各种不同的方法，例如与 0 比较然后反转结果。第二种情况通常需要 3 条指令，例如从两个操作数中减去 128 并执行有符号比较。（有关各种 3 种指令解决方案，请参阅此问题。）

理想情况下，我正在寻找#1 的单指令解决方案和#2 的双指令解决方案。如果这些都不可能，那么我也对各种可能的 2 或 3 指令实现中的哪一个在现代 Intel CPU（Sandy Bridge、Ivy Bridge、Haswell）上最有效的想法感兴趣。

迄今为止案例 #2 的最佳实现：

• 1. 与无符号最大值比较等于并反转结果：

#define _mm_cmpgt_epu8(v0, v1) \ _mm_andnot_si128(_mm_cmpeq_epi8(_mm_max_epu8(v0, v1), v1), \ _mm_set1_epi8(-1))

两条算术指令 + 一条按位 = 1.33 吞吐量。

• 2. 反转两个参数的符号位（== 减 128）并使用有符号比较：

#define _mm_cmpgt_epu8(v0, v1) \ _mm_cmpgt_epi8(_mm_xor_si128(v0, _mm_set1_epi8(-128)), \ _mm_xor_si128(v1, _mm_set1_epi8(-128)))

一条算术指令 + 两条按位 = 1.16 吞吐量。

案例 #1 的最佳实现，源自上面的案例 #2 实现：

• 1.

#define _mm_cmpgtz_epu8(v0) \ _mm_andnot_si128(_mm_cmpeq_epi8(v0, _mm_set1_epi8(0)), \ _mm_set1_epi8(-1))

一条算术指令 + 一条按位 = 0.83 吞吐量。

• 2.

#define _mm_cmpgtz_epu8(v0) \ _mm_cmpgt_epi8(_mm_xor_si128(v0, _mm_set1_epi8(-128)), \ _mm_set1_epi8(-128)))

一条算术指令 + 一条按位 = 0.83 吞吐量。

如您所知，前两个是特定于 AVX 的内在函数，第二个是 SSE4.1 内在函数。两组内在函数都可用于检查 2 个浮点向量是否相等。我的具体用例是：

• _mm_cmpeq_ps或_mm_cmpeq_pd, 后跟
• _mm_testc_ps或_mm_testc_pd在结果上，使用适当的掩码

但是 AVX 提供了“遗留”内在函数的等价物，所以我可以在_mm_testc_si128将结果转换为__m128i. 我的问题是，这两个用例中的哪一个会带来更好的性能，以及我在哪里可以找到 AVX 提供了哪些旧版 SSE 指令。

假设我有一个指向内存的指针rsi，我想将指向的 12 字节值加载到xmm0. 我不在乎高 32 位会发生什么。有什么有效的方法来做到这一点？

（附带的问题：我想出的最好的方法涉及movlpd“移动低压缩双精度浮点值”指令。有没有什么方法可以使该指令特定于浮点值？我不明白什么它是以这种方式记录的；当然它也应该适用于整数。）

给定 中的压缩字节xmm0，将每个字节的符号（即最高阶）位提取到 中的有效方法是什么xmm1？换句话说，我想AND为每个打包字节计算 0x80 的逻辑。

例如：

我研究了 ISA 支持的字符串指令，AVX但AVX2我找不到任何 256 位字符串比较指令，例如SSE4.2如果有任何字符串比较我找不到我在哪里可以找到它们？否则为什么 AVX/AVX2 ISA 不支持 256 位字符串指令？我还发现 AVX2 不支持mullo16unsigned short位无符号整数，我不知道原因。因为它已经在SSE4.2.

Intel Xeon Phi "Knights Landing" 处理器将是第一个支持 AVX-512 的处理器，但它只支持 "F"（比如没有 SSE2 的 SSE，或者没有 AVX2 的 AVX），所以主要是浮点数。

我正在编写通过内部函数使用高达 SSE4.1 指令对字节和字（8 位和 16 位）进行操作的软件。

我很困惑在 AVX-512F 中是否会有所有/大多数 SSE4.1 指令的 EVEX 编码版本，这是否意味着我可以期望我的 SSE 代码自动获得 EVEX 扩展指令并映射到所有新寄存器。

维基百科是这样说的：

SIMD寄存器文件的宽度从256位增加到512位，共有32个寄存器ZMM0-ZMM31。这些寄存器可以作为来自 AVX 扩展的 256 位 YMM 寄存器和来自 Streaming SIMD 扩展的 128 位 XMM 寄存器进行寻址，并且在使用 EVEX 时，可以扩展传统的 AVX 和 SSE 指令以对 16 个额外的寄存器 XMM16-XMM31 和 YMM16-YMM31 进行操作编码形式。

不幸的是，这并没有说明在启用 AVX512 的情况下编译 SSE4 代码是否会导致与将其编译为 AVX2 提供的相同（令人敬畏的）加速（遗留指令的 VEX 编码）。

有人知道为 AVX-512F 编译 SSE2/4 代码（C 内在函数）时会发生什么吗？可以期待像 AVX1 的字节和字指令的 VEX 编码那样的减速带吗？

我有以下代码可以正常工作，但考虑到最终结果只需要 xmm0 中的数据，它似乎效率低下

我确定使用 SSE2、SSE4 等，有一种更好的方法不需要使用 CMD 缓冲区，但我正在努力解决如何做到这一点。

我需要将所有奇数字节从一个内存位置复制到另一个内存位置。即复制第一个、第三个、第五个等。具体来说，我从包含 2000 个字符/属性词的文本区域 0xB8000 复制。我想跳过属性字节并以字符结尾。以下代码工作正常：

要复制的数字或字符介于 1 到 2000 之间。我最近开始玩 sse2、sse3 sse4.2 但找不到可以减少循环的指令。理想情况下，我希望将循环从 2000 减少到 250，如果有一条指令可以在一次加载 128 位后跳过每 2 个字节，这将是可能的。

我试图在字符串匹配算法中使用一些 SSE4.2 指令，用 C++ 编码。

我不明白如何使用这些指令来匹配较小的模式，并希望有人能帮助我解决这个问题。

在代码示例中，我试图在打包字符串“i am an antelope”中找到模式“ant”。我希望结果是一个掩码设置为除索引 8 处的 1 之外的所有零。

这是我现在的代码，其中 #include for nmmintrin.h 包含 sse4.2 指令：

我添加了所有的零，因为初始化函数不允许更少的参数。我意识到这是错误的，但不知道该怎么做，做了几次非常绝望的尝试。

无论如何，这就是我编译的方式： g++ -g sse4test.cpp -o sse4test -std=c++11 -msse4.2

这是我的输出：

我不明白，真的。（最后一行）。

任何帮助将不胜感激。