改进 AVX 中的非水平分配

Improve non-horizontal assignment in AVX

本文关键字：水平 分配 AVX 改进      更新时间：2023-10-16

所以我在处理AVX代码时遇到了另一个问题。我有一个案例，我有 4 个 ymm 寄存器需要垂直拆分为其他 4 个 ymm 寄存器

(

即 ymm0(ABCD( -> ymm4(A...(， ymm5(B...(， ymm6(C...(， ymm7(D...((。

下面是一个示例：

// a, b, c, d are __m256 structs with [] operators to access xyzw
__m256d A = _mm256_setr_pd(a[0], b[0], c[0], d[0]);
__m256d B = _mm256_setr_pd(a[1], b[1], c[1], d[1]);
__m256d C = _mm256_setr_pd(a[2], b[2], c[2], d[2]);
__m256d D = _mm256_setr_pd(a[3], b[3], c[3], d[3]);

只是把保罗的评论放在一个答案中：

我的问题是关于如何在AVX中轻松完成矩阵转置，如他提供的链接所示。

这是我对那些在这里遇到的人的实现：

void Transpose(__m256d* A, __m256d* T)
{
    __m256d t0 = _mm256_shuffle_pd(A[0], A[1], 0b0000);
    __m256d t1 = _mm256_shuffle_pd(A[0], A[1], 0b1111);
    __m256d t2 = _mm256_shuffle_pd(A[2], A[3], 0b0000);
    __m256d t3 = _mm256_shuffle_pd(A[2], A[3], 0b1111);
    T[0] = _mm256_permute2f128_pd(t0, t2, 0b0100000);
    T[1] = _mm256_permute2f128_pd(t1, t3, 0b0100000);
    T[2] = _mm256_permute2f128_pd(t0, t2, 0b0110001);
    T[3] = _mm256_permute2f128_pd(t1, t3, 0b0110001);
}

与我之前的尝试相比，这个函数在完全优化时将指令数量减少了大约一半

相关文章：