Assembly VPERMIL2PS和VPERMIL2PD所有PERMIL2指令消失-替换缺失的指令

如何使用AVX2中的等效指令替换丢失的VPERMIL2PS指令

VPERMIL2PS ymm1, ymm2, ymm3, ymm4/m256, imz2

使用来自ymm4/mem的控件排列ymm2和ymm3中的单精度浮点值，结果存储在带有选择性零匹配控件的ymm1中

VPERMIL2PS (VEX.256 encoded version)
DEST[31:0]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[3:0])
DEST[63:32]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[35:32])
DEST[95:64]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[67:64])
DEST[127:96]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[99:96])
DEST[159:128]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[131:128])
DEST[191:160]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[163:160])
DEST[223:192]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[195:192])
DEST[255:224]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[227:224])

英特尔C/C++编译器内部等效程序

VPERMIL2PS __m128 _mm_permute2_ps (__m128 a, __m128 b, __m128i ctrl, int imm)
VPERMIL2PS __m256 _mm256_permute2_ps (__m256 a, __m256 b, __m256i ctrl, int imm)

VPERMIL2PS ymm1、ymm2、ymm3、ymm4/m256、imz2 说明-使用来自ymm4/mem的控件在ymm2和ymm3中排列单精度浮点值，结果存储在ymm1中，并带有选择性零匹配控件。imz2:is4立即字节的一部分，提供应用于两个源排列指令的控制功能

最接近的指令是VPERMILPS。。这个指令仍然有效

VPERMILPS (256-bit immediate version)
DEST[31:0]  Select4(SRC1[127:0], imm8[1:0]);
DEST[63:32]  Select4(SRC1[127:0], imm8[3:2]);
DEST[95:64]  Select4(SRC1[127:0], imm8[5:4]);
DEST[127:96]  Select4(SRC1[127:0], imm8[7:6]);
DEST[159:128]  Select4(SRC1[255:128], imm8[1:0]);
DEST[191:160]  Select4(SRC1[255:128], imm8[3:2]);
DEST[223:192]  Select4(SRC1[255:128], imm8[5:4]);
DEST[255:224]  Select4(SRC1[255:128], imm8[7:6]);

VPERMILPS ymm1、ymm2、ymm3/m256 说明-RVM V/V AVX使用来自ymm3/mem的控件在ymm2中排列单精度浮点值，并将结果存储在ymm1中

我很难说它是如何正确的，因为为了可靠性，您需要模仿指令VPERMIL2PS，因此我呼吁当地专家

英特尔（R）AVX最新架构更改2009年1月29日 已删除：VPERMIL2PS和VPERMIL2PD

所有PERMIL2指令都消失了–128位和256位的版本。就像下面的FMA一样，他们使用VEX.W位来选择哪个源来自内存——我们不再朝着使用VEX.W的方向前进

英特尔编译器不理解此VPERMIL2PS指令

AVX-512指令需要最新的处理器，这不是通用解决方案。。visual studio成功地汇编了此指令，但该指令无法在处理器上执行，从而引发异常

反汇编代码

align 20h;
Yperm_msk ymmword 000000000100000006000000070000000C0000000D0000000A0000000B000000h

                vmovups ymm0, [rbp+920h+var_8C0]
                vmovdqu ymm1, Yperm_msk
                vpermil2ps ymm0, ymm0, [rbp+920h+var_880], ymm1, 920h+var_920
                vmovups [rbp+920h+var_1A0], ymm0

说明的完整说明

DEST[31:0]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[3:0])
DEST[63:32]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[35:32])
DEST[95:64]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[67:64])
DEST[127:96]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[99:96])
DEST[159:128]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[131:128])
DEST[191:160]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[163:160])
DEST[223:192]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[195:192])
DEST[255:224]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[227:224])

class bxInstruction_c;

void BX_CPP_AttrRegparmN(1) BX_CPU_C::VPERMIL2PS_VdqHdqWdqIbR(bxInstruction_c *i)
{
  BxPackedYmmRegister op1 = BX_READ_YMM_REG(i->src1());
  BxPackedYmmRegister op2 = BX_READ_YMM_REG(i->src2());
  BxPackedYmmRegister op3 = BX_READ_YMM_REG(i->src3()), result;
  unsigned len = i->getVL();

  result.clear();

  for (unsigned n=0; n < len; n++) {
    xmm_permil2ps(&result.ymm128(n), &op1.ymm128(n), &op2.ymm128(n), &op3.ymm128(n), i->Ib() & 3);
  }

  BX_WRITE_YMM_REGZ_VLEN(i->dst(), result, len);

  BX_NEXT_INSTR(i);
}

BX_CPP_INLINE void xmm_permil2ps(BxPackedXmmRegister *r, const BxPackedXmmRegister *op1, const BxPackedXmmRegister *op2, const BxPackedXmmRegister *op3, unsigned m2z)
{
  for(unsigned n=0; n < 4; n++) {
    Bit32u ctrl = op3->xmm32u(n);
    if ((m2z ^ ((ctrl >> 3) & 0x1)) == 0x3)
      r->xmm32u(n) = 0;
    else
      r->xmm32u(n) = (ctrl & 0x4) ? op1->xmm32u(ctrl & 0x3) : op2->xmm32u(ctrl & 0x3);
  }
}

操作

select2sp(src1, src2, sel) // This macro is used by another macro “sel_and_condzerosp“ below
{
if (sel[2:0]=0) then TMP  src1[31:0]
if (sel[2:0]=1) then TMP  src1[63:32]
if (sel[2:0]=2) then TMP  src1[95:64]
if (sel[2:0]=3) then TMP  src1[127:96]
if (sel[2:0]=4) then TMP  src2[31:0]
if (sel[2:0]=5) then TMP  src2[63:32]
if (sel[2:0]=6) then TMP  src2[95:64]
if (sel[2:0]=7) then TMP  src2[127:96]
return TMP
}
sel_and_condzerosp(src1, src2, sel) // This macro is used by VPERMIL2PS
{
TMP[31:0]  select2sp(src1[127:0], src2[127:0], sel[2:0])
IF (imm8[1:0] = 2) AND (sel[3]=1) THEN TMP[31:0]  0
IF (imm8[1:0] = 3) AND (sel[3]=0) THEN TMP[31:0]  0
return TMP
}

VPERMIL2PS（VEX.256编码版本）

Bochs模拟此指令的方式

DEST[31:0]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[3:0])
DEST[63:32]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[35:32])
DEST[95:64]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[67:64])
DEST[127:96]  sel_and_condzerosp(SRC1[127:0], SRC2[127:0], SRC3[99:96])
DEST[159:128]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[131:128])
DEST[191:160]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[163:160])
DEST[223:192]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[195:192])
DEST[255:224]  sel_and_condzerosp(SRC1[255:128], SRC2[255:128], SRC3[227:224])

class bxInstruction_c;

void BX_CPP_AttrRegparmN(1) BX_CPU_C::VPERMIL2PS_VdqHdqWdqIbR(bxInstruction_c *i)
{
  BxPackedYmmRegister op1 = BX_READ_YMM_REG(i->src1());
  BxPackedYmmRegister op2 = BX_READ_YMM_REG(i->src2());
  BxPackedYmmRegister op3 = BX_READ_YMM_REG(i->src3()), result;
  unsigned len = i->getVL();

  result.clear();

  for (unsigned n=0; n < len; n++) {
    xmm_permil2ps(&result.ymm128(n), &op1.ymm128(n), &op2.ymm128(n), &op3.ymm128(n), i->Ib() & 3);
  }

  BX_WRITE_YMM_REGZ_VLEN(i->dst(), result, len);

  BX_NEXT_INSTR(i);
}

BX_CPP_INLINE void xmm_permil2ps(BxPackedXmmRegister *r, const BxPackedXmmRegister *op1, const BxPackedXmmRegister *op2, const BxPackedXmmRegister *op3, unsigned m2z)
{
  for(unsigned n=0; n < 4; n++) {
    Bit32u ctrl = op3->xmm32u(n);
    if ((m2z ^ ((ctrl >> 3) & 0x1)) == 0x3)
      r->xmm32u(n) = 0;
    else
      r->xmm32u(n) = (ctrl & 0x4) ? op1->xmm32u(ctrl & 0x3) : op2->xmm32u(ctrl & 0x3);
  }
}

bxInstruction\u c类；
void BX_CPP_AttrRegparmN（1）BX_CPU_C:：VPERMIL2PS_VdqHdqWdqIbR（bxInstruction_C*i）
{
BxPackedYmmRegister op1=BX_READ_YMM_REG（i->src1（））；
BxPackedYmmRegister op2=BX_READ_YMM_REG（i->src2（））；
BxPackedYmmRegister op3=BX_READ_YMM_REG（i->src3（）），结果；
无符号len=i->getVL（）；
result.clear（）；
for（无符号n=0；nIb（）&3）；
}
BX_WRITE_YMM_REGZ_VLEN（i->dst（），result，len）；
下一个仪器（一）；
}
BX_CPP_内联无效xmm_许可证2PS（BxPackedXmmRegister*r，常数BxPackedXmmRegister*op1，常数BxPackedXmmRegister*op2，常数BxPackedXmmRegister*op3，无符号m2z）
{
for（无符号n=0；n<4；n++）{
Bit32u ctrl=op3->xmm32u（n）；
if（（m2z^（（ctrl>>3）&0x1））==0x3）
r->xmm32u（n）=0；
其他的
r->xmm32u（n）=（ctrl&0x4）？op1->xmm32u（ctrl&0x3）：op2->xmm32u（ctrl&0x3）；
}
}

它们并没有“消失”，它们从一开始就不存在于任何真正的CPU中。2009年是AVX1的第一个CPU发布之前，而AVX仍处于规划阶段。IDK你在看什么，甚至提到了他们

ISA ref手册的当前版本，或者不提。也没有。也许是在Sandybridge发布之前的10年版本的“未来扩展”手册

因为为了可靠性，您需要模拟指令VPERMIL2PS

不，您不知道，它从一开始就不存在，因此没有使用它的代码。（或者很少；可能是根据早期的预发行版AVX文档编写的）。您只需要精确地实现任何给定问题所需的功能

您标记了这个（AMD）XOP，但您只引用了Intel文档；我想XOP确实有一些双输入洗牌，但我没有去检查文档。当然，仅适用于128位向量

---

AVX1确实有一些2输入洗牌，但没有变量控制。有/

pd

具有即时控制功能，和

…pd

执行两个单独的通道内版本的相应128位随机播放

在2x>代码> VSUFFPS +<代码> VBDENPS中，可以建立任何固定的2输入，<>强> >最好的情况是一个代码> VSUFPPS，或者中间是“代码> VSUFPPS < /代码> +>代码> VBLNDPS或2x<代码> VSUFFPS（例如，将您想要的元素收集到一个向量中，然后按正确的顺序排列）。任何

vshufps

shuffls都可以是

vunpcklps

或

hps

。请记住，immediate

vblendps

很便宜，但在英特尔上shuffles的吞吐量只有1个时钟（只有在冰湖之前的端口5）

您甚至可以使用变量控制2x

vpermilps

并比较或shift+

vblendvps

来模拟

vpermil2ps

，因为

vpermilps

忽略索引中的高位。因此这将是

（ctrl&0x4）？op2[ctrl&0x3]：op2[ctrl&0x3]的BOCHS实现

使用

vpermilps

在

ctrl

上洗牌两个输入（它隐式地只查看低位2位），然后使用整数移位将该位移到顶部，从而混合

ctrl&4

（也可以选择使用

vandps

模拟条件归零，方法是使用

vpslld

将第三个索引位置于混合的顶部，使用

vpsrad

或与零结果进行比较，为

vpand

创建and掩码。或者在Skylake上，对于任何端口，

vblendvps

都是2 uops，因此您可以使用它来混合。）d为零，而不是移位/和或cmp/和）

但是，如果您关心编译时常量shuffle控件的性能，请不要天真地忽略这一点。