我正在寻找一个SSE指令，它在__m128i中接受四个32位整数的两个参数，计算相应对的总和，并将结果作为__m128i中的两个64位整数返回。
有没有这方面的指示？
答案 0 :(得分：6)
没有携带的SSE操作。执行此操作的方法是首先使用全零辅助向量将32位整数（punpckldq / punpckhdq）解压缩为4组64位整数，然后使用64位成对添加。
答案 1 :(得分：2)
SSE仅对byte-＆gt; word和word-＆gt; dword具有此功能。 （pmaddubsw（SSSE3）和pmaddwd（MMX / SSE2），垂直乘以v1 * v2，然后水平添加相邻对。）
我不清楚你想要的输出是什么。你有8个输入整数（两个向量为4）和2个输出整数（一个向量为2）。因为没有任何类型的32 + 32 - >＆gt; 64b向量加法，让我们看看如何将向量的低两个32b元素零扩展或符号扩展到64b。您可以将其组合到您需要的任何内容中，但请注意，没有添加水平对phaddq，只有垂直paddq。
phaddd与您想要的类似，但没有扩展：结果的低半部分是第一个操作数中水平对的总和，高半部分是第二个操作数中水平对的总和。如果您需要所有这些结果，那么它几乎是值得使用的，并且您不会进一步将它们组合在一起。 （即它通常更快地进行洗牌和垂直添加而不是运行phadd以在减少结束时水平地对矢量累加器求和。如果你要将所有内容归结为一个结果，做到正常的垂直和，直到你归入一个寄存器。）phaddd 可以在硬件中实现，与paddd一样快（单周期延迟和吞吐量） ），但它不在任何AMD或Intel CPU中。
与Mysticial评论一样，SSE4.1 pmovzxdq / pmovsxdq正是您所需要的，甚至可以在64b内存位置（包含两个32b整数）的加载中动态执行）。
SSE4.1与英特尔Penryn，第二代Core2（45纳米芯片缩芯2）一起推出，这是Nehalem之前的一代。回到比这更早的CPU上的非向量代码路径可能没问题，这取决于你对已经老旧的CPU的缓慢程度。
没有SSE4.1：
无符号零扩展很容易。就像pmdj回答一样，只需使用punpck* lo和hi来解压缩零。
如果您的整数已签名，则您必须手动执行符号扩展。
没有psraq，只有psrad（打包右移算术双字）和psraw。如果有，你可以自己解包然后算术右移32b。
相反，我们可能需要生成一个向量，其中每个元素都转换为其符号位。然后将其与解压缩的矢量混合（但pblendw也是SSE4.1，因此我们必须使用por）。
或者更好的是，使用符号掩码向量解压缩原始向量。
# input in xmm0
movdqa xmm1, xmm0
movdqa xmm2, xmm0
psrad xmm0, 31 ; xmm0 = all-ones or all-zeros depending on sign of input elements. xmm1=orig ; xmm2=orig
; xmm0 = signmask; xmm1=orig ; xmm2=orig
punpckldq xmm1, xmm0 ; xmm1 = sign-extend(lo64(orig))
punpckhdq xmm2, xmm0 ; xmm2 = sign-extend(hi64(orig))
对于Intel SnB或IvB上的两个结果，这应该以2周期延迟运行。 Haswell和后来只有一个shuffle端口（因此他们不能并行执行两个punpck insn），因此xmm2将在那里延迟另一个周期。 Pre-SnB Intel CPU通常会使用向量指令对前端（解码器等）造成瓶颈，因为它们的平均值通常超过4B。
对于没有移动消除的CPU（在寄存器重命名阶段处理xmm0指令），移动原始而不是复制缩短了生成mov的依赖链，因此它们为零延迟。仅限英特尔，仅适用于IvB及更高版本。）使用3操作数AVX指令，您不需要movdqa或第3个寄存器，但是您可以使用{{1}无论如何，对于low64。要对高64进行符号扩展，您可能vpmovsx将高64字节移位到低64位。
或psrldq或movhlps使用较短的编码指令。 （或AVX2 punpckhqdq self,self到256b reg，然后vpmovsx高128，只用两条指令得到128b结果。）
与GP寄存器移位（例如vextracti128）不同，向量移位使计数饱和而不是屏蔽。将原始符号位保留为LSB（移位31）而不是它的副本（移位32）也可以正常工作。它的优势在于，对于那些在看到sar eax, 31时会担心的人，不需要对代码进行大量评论。