Question

我已经描述了我拥有的AVX2重量级功能，瓶颈如下所示：

std::uint64_t data[8];

// Some computation that fills data

std::uint64_t X[4] = { data[7], data[5], data[3], data[1] };
__m256i vec = _mm256_loadu_si256(reinterpret_cast<__m256i*>(X));

// Compute more with vec
// Later on use data[6], data[4], data[2], and data[0] in a similar fashion

实际上，阵列也是适当对齐的（所以load代替loadu）。但问题是，AVX（2）有更快的方法吗？具体来说，我正在查看收集说明。我可以使用它们从vec初始化data吗？或者其他一些指示值得一试？

Answer 1

很难在不知道编译器生成什么代码的情况下发表评论，但这里有一些我的编译器（gcc）必须说的内容。

typedef unsigned long long uint64_t;
typedef uint64_t vec2 __attribute__((vector_size(8*sizeof(uint64_t))));
typedef uint64_t vec __attribute__((vector_size(4*sizeof(uint64_t))));
vec f(vec a,vec b){
  vec i={7,5,3,1};
  return __builtin_shuffle(a,b,i);
}
vec g(vec2 x){
  vec r={x[7],x[5],x[3],x[1]};
  return r;
}

我得到f：

vpunpckhqdq %ymm1, %ymm0, %ymm1
vpermq  $39, %ymm1, %ymm0

我按值传递向量，通过指针传递它们会给出：

vmovdqa (%rdi), %ymm0
vpunpckhqdq (%rsi), %ymm0, %ymm0
vpermq  $39, %ymm0, %ymm0

和g：

vmovq   32(%rsp), %xmm2
vmovq   64(%rsp), %xmm3
vpinsrq $1, 16(%rsp), %xmm2, %xmm1
vpinsrq $1, 48(%rsp), %xmm3, %xmm0
vinserti128 $0x1, %xmm1, %ymm0, %ymm0

我可以使用AVX2分散指令来加速某些负载吗？

1 个答案: