SSE2包装的8位整数签名乘数(高半）:将M128i(16x8位）分解为两个M128i(每个8x16），然后重新包装

SSE2 packed 8-bit integer signed multiply (high-half): Decomposing a m128i (16x8 bit) into two m128i (8x16 each) and repack

本文关键字：M128i 包装 两个 每个 8x16 新包装 然后 分解 16x8 整数 高半      更新时间：2023-10-16

我正在尝试乘以两个 m128i byte perte(8位签名的整数(。

这里的问题是溢出。我的解决方案是将这8位签名的整数存储到16位签名的整数中，然后将整个内容包装到16 x 8位整数的m128i中。

这是我制作的__m128i mulhi_epi8(__m128i a, __m128i b)仿真：

inline __m128i mulhi_epi8(__m128i a, __m128i b)
{
    auto a_decomposed = decompose_epi8(a);
    auto b_decomposed = decompose_epi8(b);
    __m128i r1 = _mm_mullo_epi16(a_decomposed.first, b_decomposed.first);
    __m128i r2 = _mm_mullo_epi16(a_decomposed.second, b_decomposed.second);
    return _mm_packs_epi16(_mm_srai_epi16(r1, 8), _mm_srai_epi16(r2, 8));
}

decompose_epi8以非SIMD方式实现：

inline std::pair<__m128i, __m128i> decompose_epi8(__m128i input)
{
    std::pair<__m128i, __m128i> result;
    // result.first     =>  should contain 8 shorts in [-128, 127] (8 first bytes of the input)
    // result.second    =>  should contain 8 shorts in [-128, 127] (8 last bytes of the input)
    for (int i = 0; i < 8; ++i)
    {
        result.first.m128i_i16[i]   = input.m128i_i8[i];
        result.second.m128i_i16[i]  = input.m128i_i8[i + 8];
    }
    return result;
}

此代码运行良好。我现在的目标是实现此循环的SIMD版本。我查看了英特尔内在指南，但找不到这样做的方法。我想洗牌可以解决这个问题，但我很难概念化这个问题。

当您想执行签名乘法时，您需要签名每个字节至16位单词，或将它们移至每个16位单词的上半部分。由于您之后将结果包装在一起，因此您可以将输入分为奇数甚至字节，而不是较高和下半部。然后，可以通过将所有16位零件转移到右侧来完成奇数字节的登录范围，您可以通过掩盖偶数字节来提取奇数字节，并获得均匀的字节，您可以移动左侧的所有16位零件(都需要乘以_mm_mulhi_epi16(。

以下应与SSE2合作：

__m128i mulhi_epi8(__m128i a, __m128i b)
{
    __m128i mask = _mm_set1_epi16(0xff00);
    // mask higher bytes:
    __m128i a_hi = _mm_and_si128(a, mask);
    __m128i b_hi = _mm_and_si128(b, mask);
    __m128i r_hi = _mm_mulhi_epi16(a_hi, b_hi);
    // mask out garbage in lower half:
    r_hi = _mm_and_si128(r_hi, mask);
    // shift lower bytes to upper half
    __m128i a_lo = _mm_slli_epi16(a,8);
    __m128i b_lo = _mm_slli_epi16(b,8);
    __m128i r_lo = _mm_mulhi_epi16(a_lo, b_lo);
    // shift result to the lower half:
    r_lo = _mm_srli_epi16(r_lo,8);
    // join result and return:
    return _mm_or_si128(r_hi, r_lo);
}

注意：先前使用的版本转移以扩展奇数字节。在大多数Intel CPU上，这将增加P0使用率(也需要用于乘法(。位逻辑可以在更多端口上运行，因此此版本应该具有更好的吞吐量。

相关文章：