编写 std::copysign 的可移植 SSE/AVX 版本
Writing a portable SSE/AVX version of std::copysign
我目前正在使用 SSE 和 AVX 内部函数编写 QR 分解(线性系统求解器(的矢量化版本。其中一个子步骤需要选择与另一个值相反/等于的值的符号。在串行版本中,我为此使用了std::copysign。现在我想为 SSE/AVX 寄存器创建一个类似的函数。不幸的是,STL 为此使用了内置函数,所以我不能只是复制代码并将其转换为 SSE/AVX 指令。
我还没有尝试过(所以我现在没有代码要显示(,但我的简单方法是创建一个寄存器,所有值都设置为 -0.0,以便只设置有符号位。然后我会在源上使用 AND 操作来找出它的符号是否设置。此操作的结果将为 0.0 或 -0.0,具体取决于源的符号。结果,我将创建一个位掩码(使用逻辑操作(,我可以将其与目标寄存器(使用另一个逻辑操作(结合使用以相应地设置符号。
但是,我不确定是否有更聪明的方法来解决这个问题。如果有一个用于浮点数和双精度数等基本数据类型的内置函数,也许还有一个我错过的内在函数。有什么建议吗?
提前致谢
编辑:
感谢"chtz"这个有用的链接:
https://godbolt.org/z/oY0f7c
所以基本上 std::copysign 编译为 2 个 AND 操作序列和一个后续的 OR。我将为 SSE/AVX 重现此结果并在此处发布结果,以防其他人有一天需要它:)
编辑2:
这是我的工作版本:
__m128 CopySign(__m128 srcSign, __m128 srcValue)
{
// Extract the signed bit from srcSign
const __m128 mask0 = _mm_set1_ps(-0.);
__m128 tmp0 = _mm_and_ps(srcSign, mask0);
// Extract the number without sign of srcValue (abs(srcValue))
__m128 tmp1 = _mm_andnot_ps(mask0, srcValue);
// Merge signed bit with number and return
return _mm_or_ps(tmp0, tmp1);
}
测试了它:
__m128 a = _mm_setr_ps(1, -1, -1, 1);
__m128 b = _mm_setr_ps(-5, -11, 3, 4);
__m128 c = CopySign(a, b);
for (U32 i = 0; i < 4; ++i)
std::cout << simd::GetValue(c, i) << std::endl;
输出符合预期:
5
-11
-3
4
但是,我也尝试了反汇编中的版本
__m128 tmp1 = _mm_andnot_ps(mask0, srcValue);
替换为:
const __m128 mask1 = _mm_set1_ps(NAN);
__m128 tmp1 = _mm_and_ps(srcValue, mask1);
结果很奇怪:
4
-8
-3
4
根据选择的数字,数字有时可以,有时不是。符号始终正确。 似乎NaN不是!(-0.0( 出于某种原因。我记得之前当我尝试将寄存器值设置为 NaN 或特定位模式时,我遇到了一些问题。也许有人知道问题的根源?
编辑3:
正如"马克西姆·叶戈鲁什金"在他的回答评论中澄清的那样,我对 NaN 的期望是 !(-0.0( 是错误的。NaN 似乎不是一个独特的位模式(见 https://steve.hollasch.net/cgindex/coding/ieeefloat.html(。
非常感谢大家!
AVX 版本用于float
和double
:
#include <immintrin.h>
__m256 copysign_ps(__m256 from, __m256 to) {
constexpr float signbit = -0.f;
auto const avx_signbit = _mm256_broadcast_ss(&signbit);
return _mm256_or_ps(_mm256_and_ps(avx_signbit, from), _mm256_andnot_ps(avx_signbit, to)); // (avx_signbit & from) | (~avx_signbit & to)
}
__m256d copysign_pd(__m256d from, __m256d to) {
constexpr double signbit = -0.;
auto const avx_signbit = _mm256_broadcast_sd(&signbit);
return _mm256_or_pd(_mm256_and_pd(avx_signbit, from), _mm256_andnot_pd(avx_signbit, to)); // (avx_signbit & from) | (~avx_signbit & to)
}
集会
英特尔内部函数指南
使用 AVX2 可以生成没有常量avx_signbit
:
__m256 copysign2_ps(__m256 from, __m256 to) {
auto a = _mm256_castps_si256(from);
auto avx_signbit = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_cmpeq_epi32(a, a), 31));
return _mm256_or_ps(_mm256_and_ps(avx_signbit, from), _mm256_andnot_ps(avx_signbit, to)); // (avx_signbit & from) | (~avx_signbit & to)
}
__m256d copysign2_pd(__m256d from, __m256d to) {
auto a = _mm256_castpd_si256(from);
auto avx_signbit = _mm256_castsi256_pd(_mm256_slli_epi64(_mm256_cmpeq_epi64(a, a), 63));
return _mm256_or_pd(_mm256_and_pd(avx_signbit, from), _mm256_andnot_pd(avx_signbit, to)); // (avx_signbit & from) | (~avx_signbit & to)
}
尽管如此,clang
和gcc
在编译时计算avx_signbit
,并将其替换为从.rodata
部分加载的常量,这是IMO的次优。
如果你针对 icc,我认为这是一个比公认的答案略好的版本:
__m256d copysign_pd(__m256d from, __m256d to) {
__m256d const avx_sigbit = _mm256_set1_pd(-0.);
return _mm256_or_pd(_mm256_and_pd(avx_sigbit, from), _mm256_andnot_pd(avx_sigbit, to));
}
它使用_mm256_set1_pd
而不是广播内部函数。在 clang 和 gcc 上,这主要是洗,但在 icc 上,广播版本实际上将一个常量写入堆栈,然后从中广播,这是......可怕。
Godbolt 显示 AVX-512 代码,将-march=
调整为-march=skylake
以查看 AVX2 代码。
这是一个未经测试的AVX-512版本,它直接使用vpterlogdq
,它编译成一个关于icc和clang的vpterlogd
指令(gcc包括一个单独的广播(:
__m512d copysign_pd_alt(__m512d from, __m512d to) {
const __m512i sigbit = _mm512_castpd_si512(_mm512_set1_pd(-0.));
return _mm512_castsi512_pd(_mm512_ternarylogic_epi64(_mm512_castpd_si512(from), _mm512_castpd_si512(to), sigbit, 0xE4));
}
当启用 AVX-512 时,您可以制作一个 256 位版本,但您正在处理__m256*
向量。
- 单精度矩阵运算的特征性能 AVX 与 SSE 没有区别?
- 编写 std::copysign 的可移植 SSE/AVX 版本
- 使用 SSE/AVX 获取存储在__m256d中的值的总和
- 如何检查编译的代码是否使用了 SSE 和 AVX 指令?
- 如何在Windows上使用SSE和AVX说明来编译张量流
- 我可以将 AVX/SSE 与旋转功能用于 AoS 布局,而不是 SoA 吗?
- AVX,SSE总和比gcc自动矢量化慢
- AVX/SSE 回合向下浮动并返回整数向量
- 性能 AVX/SSE 程序集与内部函数
- AVX 中的矩阵向量乘法不成比例地比 SSE 中快
- SSE/AVX 寄存器的非零字节索引
- 是阻塞xmm/ymm寄存器的静态/静态本地SSE/AVX变量
- SSE拷贝、AVX拷贝和std::拷贝性能
- 将SSE矩阵矢量乘法代码转换为AVX
- 使用SSE和AVX查找矩阵中最大的元素及其列和行索引
- 强制AVX内部函数使用SSE指令
- Intel c++编译器ICC似乎忽略了SSE/AVX设置
- 传递包含SSE/AVX值的类型
- 在现代x86_64 CPU上进行AVX/SSE幂运算需要多少时钟周期?
- 自动使用 AVX/SSE(如果在运行时可用)