Question

SSE内在函数包含_mm_shuffle_ps xmm1 xmm2 immx，允许从xmm1中选择2个来自xmm2的2个元素的元素。然而，这适用于花车，（由 _ps 隐含，单打包装）。但是，如果你强制打包整数 __ m128i ，那么你也可以使用 _mm_shuffle_ps ：

#include <iostream>
#include <immintrin.h>
#include <sstream>

using namespace std;

template <typename T>
std::string __m128i_toString(const __m128i var) {
    std::stringstream sstr;
    const T* values = (const T*) &var;
    if (sizeof(T) == 1) {
        for (unsigned int i = 0; i < sizeof(__m128i); i++) {
            sstr << (int) values[i] << " ";
        }
    } else {
        for (unsigned int i = 0; i < sizeof(__m128i) / sizeof(T); i++) {
            sstr << values[i] << " ";
        }
    }
    return sstr.str();
}



int main(){

  cout << "Starting SSE test" << endl;
  cout << "integer shuffle" << endl;

 int A[] = {1,  -2147483648, 3, 5};
 int B[] = {4, 6, 7, 8};

  __m128i pC;

  __m128i* pA = (__m128i*) A;
  __m128i* pB = (__m128i*) B;

  *pA = (__m128i)_mm_shuffle_ps((__m128)*pA, (__m128)*pB, _MM_SHUFFLE(3, 2, 1 ,0));
  pC = _mm_add_epi32(*pA,*pB);

  cout << "A[0] = " << A[0] << endl;
  cout << "A[1] = " << A[1] << endl;
  cout << "A[2] = " << A[2] << endl;
  cout << "A[3] = " << A[3] << endl;

  cout << "B[0] = " << B[0] << endl;
  cout << "B[1] = " << B[1] << endl;
  cout << "B[2] = " << B[2] << endl;
  cout << "B[3] = " << B[3] << endl;

  cout << "pA = " << __m128i_toString<int>(*pA) << endl;
  cout << "pC = " << __m128i_toString<int>(pC) << endl;
}

相关相应程序集的片段（mac osx，macports gcc 4.8，-march = native在ivybridge CPU上）：

vshufps $228, 16(%rsp), %xmm1, %xmm0
vpaddd  16(%rsp), %xmm0, %xmm2
vmovdqa %xmm0, 32(%rsp)
vmovaps %xmm0, (%rsp)
vmovdqa %xmm2, 16(%rsp)
call    __ZStlsISt11char_traitsIcEERSt13basic_ostreamIcT_ES5_PKc
....

因此它似乎在整数上工作正常，我预期因为寄存器对类型不可知，但是必须有一个理由说明文档说这个指令仅用于浮点数。有人知道任何缺点，或者我错过的影响吗？

Answer 1

整数没有等效于_mm_shuffle_ps。要在这种情况下达到相同的效果，你可以做到

SSE2

*pA = _mm_shuffle_epi32(_mm_unpacklo_epi32(*pA, _mm_shuffle_epi32(*pB, 0xe)),0xd8);

SSE4.1

*pA = _mm_blend_epi16(*pA, *pB, 0xf0);

或change to the floating point domain喜欢这个

*pA = _mm_castps_si128( 
        _mm_shuffle_ps(_mm_castsi128_ps(*pA), 
                       _mm_castsi128_ps(*pB), _MM_SHUFFLE(3, 2, 1 ,0)));

某些CPU上的

But changing domains may incur bypass latency delays。请记住，根据Agner

旁路延迟在延迟是瓶颈的长依赖链中很重要，但是而不是吞吐量而不是重要的延迟。

您必须测试代码并查看上述哪种方法更有效。

幸运的是，在大多数Intel / AMD CPU上，在大多数整数向量指令之间使用shufps通常没有任何代价。阿格纳说：

例如，我在混合PADDD和SHUFPS [在Sandybridge]时发现没有延迟。

Nehalem确实有{2}的旁路延迟延迟，但即便如此，单个SHUFPS通常仍然比其他多个指令更快。额外的指令也有延迟，以及成本计算。

反向（FP数学指令之间的整数混洗）不安全：

在示例8.3a中的第112页的Agner Fog's microarchitecture 中，他显示使用SHUFPS（PSHUFD）代替_mm_shuffle_epi32（SHUFPS）时浮点域导致四个时钟周期的旁路延迟。在例8.3b中，他使用SHUFPS来消除延迟（在他的例子中有效）。

在Nehalem上实际上有五个域名。 Nahalem似乎受影响最大（在Nahalem之前不存在旁路延迟）。在Sandy Bridge，延误不太重要。哈斯韦尔更是如此。事实上，Haswell Agner说他发现_mm_shuffle_ps或SHUFPS之间没有延迟（参见第140页）。

在整数向量上使用_mm_shuffle_ps的含义

1 个答案: