Assembly XMM寄存器的位求反

如何在XMM寄存器中获得值的位求反？据我所知，没有这样的指示。唯一带否定的指令是

pandn

，但要使用它简单地对一个XMM寄存器中的值进行否定，我必须用

1

填充另一个XMM寄存器

---

是否有另一种方法对XMM寄存器中的位求反？或者有没有一种聪明的方法可以在不访问内存的情况下用

1

填充XMM寄存器？

要加载一个包含所有1的寄存器，请使用

pcmpeqd xmm0, xmm0

在这之后，您可以简单地从

xmm0

中减去

xmmX

，得到

~xmmX

，或者使用

pandn

您还可以轻松地将其他常量加载到xmm寄存器

pcmpeqd xmm0, xmm0
psrld   xmm0, 30   ; 3 (32-bit)

pcmpeqd xmm0, xmm0 ; -1

pcmpeqw xmm0, xmm0 ; 1.5f
pslld   xmm0, 24
psrld   xmm0, 2

pcmpeqw xmm0, xmm0 ; -2.0f
pslld   xmm0, 30

---

阅读Agner Fog的优化指南，

要加载所有1的寄存器，请使用

pcmpeqd xmm0, xmm0

在这之后，您可以简单地从

xmm0

中减去

xmmX

，得到

~xmmX

，或者使用

pandn

您还可以轻松地将其他常量加载到xmm寄存器

pcmpeqd xmm0, xmm0
psrld   xmm0, 30   ; 3 (32-bit)

pcmpeqd xmm0, xmm0 ; -1

pcmpeqw xmm0, xmm0 ; 1.5f
pslld   xmm0, 24
psrld   xmm0, 2

pcmpeqw xmm0, xmm0 ; -2.0f
pslld   xmm0, 30

---

阅读Agner Fog的优化指南，

使用

pxor

和“全一”寄存器。

pandn

也可用，但没有任何优势。在任何情况下，

pandn

使用“全一”常量都可以执行

pxor

无法执行的操作

psubd

也可用（2的补码标识），但比

pandn

更糟糕，因为它在某些CPU上的吞吐量更低（执行端口更少）

---

PXOR很好，因为它是可交换的。使用AVX，您可以加载一个微型熔断uop，而不是：

vpxor    xmm0, xmm1, [rdi]

VPANDN不能这样做，因为可以是内存或寄存器的操作数是非反转操作数。（但是，如果没有AVX，只需加载

movdqa

或

dqu

然后加载

pxor

加载结果。一个reg拷贝和一个微融合加载+pxor是3个未使用的域UOP，而不是2个）

---

或者在没有AVX的情况下，如果要销毁all ones常量而不是正在反转的数据，

pxor

再次获胜：

movdqa  xmm2, xmm1      ; copy the all-ones constant.  Off the critical path for latency
pxor    xmm2, xmm0

您可以将

movdqa

与

movdqa xmm2、xmm0

/

pandn xmm2、xmm1

相比，从关键路径中移除。（对于矢量寄存器，只有IvyBridge+和推土机系列/Ryzen具有零延迟

movdqa

），或者如果您每次都在目标寄存器中使用

pcmpeqd

对所有延迟进行重物质化（可能是因为寄存器压力，或者因为您没有在循环中执行此操作），这将是另一种情况，您需要

pxor

而不是

pandn

---

使用

pcmpeqb/w/d

生成一个全一常量是一种特殊情况，它不会对旧值产生错误依赖（Silvermont除外），但仍然需要一个执行单元（与Sandybridge系列上的xor归零不同）。尽管如此，它还是很便宜，而且它是编译器用于

\u mm\u set1\u epi32（-1）

的

在IvyBridge和更高版本上，以及在推土机系列和Ryzen上，每次需要时重新创建常量而不是从另一个寄存器中复制，情况稍差

mov

-消除XMM拷贝可避免占用向量执行单元/端口，以防向量ALU执行端口成为瓶颈

---

但在Intel P6系列（Core2/Nehalem）上稍好一些：在问题组中读取太多“冷”寄存器时，寄存器读取暂停可能是一个问题。（参见Agner Fog的Microach pdf）。P6系列已过时，但仍在一些旧机器中使用。如果有一个AVX版本运行在带有AVX的CPU上，您可能希望在非AVX版本的代码中对其进行调优。（但是Haswell/Skylake“pentium”/“celeron”仍然是一个东西，而且他们没有AVX，所以没有AVX并不意味着旧CPU。）

使用

pxor

和“全一”寄存器。

pandn

也可用，但没有任何优势。在任何情况下，

pandn

使用“全一”常量都可以执行

pxor

无法执行的操作

psubd

也可用（2的补码标识），但比

pandn

更糟糕，因为它在某些CPU上的吞吐量更低（执行端口更少）

---

PXOR很好，因为它是可交换的。使用AVX，您可以加载一个微型熔断uop，而不是：

vpxor    xmm0, xmm1, [rdi]

VPANDN不能这样做，因为可以是内存或寄存器的操作数是非反转操作数。（但是，如果没有AVX，只需加载

movdqa

或

dqu

然后加载

pxor

加载结果。一个reg拷贝和一个微融合加载+pxor是3个未使用的域UOP，而不是2个）

---

或者在没有AVX的情况下，如果要销毁all ones常量而不是正在反转的数据，

pxor

再次获胜：

movdqa  xmm2, xmm1      ; copy the all-ones constant.  Off the critical path for latency
pxor    xmm2, xmm0

您可以将

movdqa

与

movdqa xmm2、xmm0

/

pandn xmm2、xmm1

相比，从关键路径中移除。（对于矢量寄存器，只有IvyBridge+和推土机系列/Ryzen具有零延迟

movdqa

），或者如果您每次都在目标寄存器中使用

pcmpeqd

对所有延迟进行重物质化（可能是因为寄存器压力，或者因为您没有在循环中执行此操作），这将是另一种情况，您需要

pxor

而不是

pandn

---

使用

pcmpeqb/w/d

生成一个全一常量是一种特殊情况，它不会对旧值产生错误依赖（Silvermont除外），但仍然需要一个执行单元（与Sandybridge系列上的xor归零不同）。尽管如此，它还是很便宜，而且它是编译器用于

\u mm\u set1\u epi32（-1）

的

在IvyBridge和更高版本上，以及在推土机系列和Ryzen上，每次需要时重新创建常量而不是从另一个寄存器中复制，情况稍差

mov

-消除XMM拷贝可避免占用向量执行单元/端口，以防向量ALU执行端口成为瓶颈

但在英特尔P6上稍好一些