有4位，如何为AVX寄存器产生口罩

Having 4 bits, how to produce a mask for AVX register?

本文关键字：寄存器 AVX 4位      更新时间：2023-10-16

_mm256_blendv_pd()查看位置63、127、191和255的位置。是否有一种有效的方法将uint8_t的4个较低位散射到AVX寄存器的这些位置中？

另外，是否有一种有效的方法来广播这些位，因此像_mm256_cmp_pd()的结果一样，每个位在AVX寄存器的相应64位组件中重复？

指令集为AVX2（如果需要其他功能，则Ryzen CPU）。

假设uint8_t在通用寄存器中存在；方法是：

  1. 使用PDEP将四位转换为四个字节（最高位）
  2. 将四个字节从32位GPR传输到YMM寄存器的低部分
  3. 将值置于适当的位置（位63、127、191、255）

所以我想出了两个版本 - 一个带有内存的版本，另一个没有：

与内存接近： 

.data
  ; Always use the highest bytes of a QWORD as target / 128 means 'set ZERO' 
  ddqValuesDistribution:    .byte  3,128,128,128,128,128,128,128, 2,128,128,128,128,128,128,128, 1,128,128,128,128,128,128,128, 0,128,128,128,128,128,128,128
.code
  ; Input value in lower 4 bits of EAX
  mov     edx, 0b10000000100000001000000010000000
  pdep    eax, eax, edx
  vmovd   xmm0, eax
  vpshufb ymm0, ymm0, ymmword ptr [ddqValuesDistribution]

这是Haswell和Skylake的5个UOPS。

无内存变量的方法（感谢@Peter Cordes）：

  mov  edx, 0b10000000100000001000000010000000
  pdep eax, eax, edx
  vmovd xmm0, eax 
  vpmovsxbq ymm0, xmm0

这是Haswell和Skylake（！）的4个UOPS，可以通过将Mask移动到EDX中，从而进一步改善。
输出不同于第一个版本（所有版本与最高位设置）。

最有效的方法是使用包含16位256位条目的查找向量，由UINT-8索引。

明显的解决方案：将这些4位用作索引中的索引。您已经知道这一点，所以让我们尝试一下。

基于变量的方法：将字节广播到每个QWOWS中，然后将其向左移动{63、62、61、60}，在MSB中列出右键。未经测试，类似的东西：

_mm256_sllv_epi64(_mm256_set1_epi64x(mask), _mm256_set_epi64x(63, 62, 61, 60))

作为奖励，由于负载不取决于面具，因此可以将其提起。

这不一定是Ryzen上的一个好主意，来自内存的256位负载具有比仅仅是vpsllvq本身的吞吐量更高（就像Ryzen上的大多数256B操作一样2 µ，但在这里我们也有vmovq（如果该字节不是来自矢量寄存器）和宽vpbroadcastq（再次2 µOPS）。

取决于上下文，可能值得做与否。这取决于

相关文章：