C 使用单个AVX内在函数反转包含双精度的AVX寄存器

如果我有一个包含4个双精度的AVX寄存器，并且我想在另一个寄存器中存储该寄存器的相反值，那么是否可以使用一个内部命令来实现这一点

例如：如果我在SSE寄存器中有4个浮点数，我可以使用：

_mm_shuffle_ps(A,A,_MM_SHUFFLE(0,1,2,3));

---

我是否可以使用

\u mm256\u permute2f128\u pd（）

执行此操作？我不认为您可以使用上述内在函数来解决每个双精度问题。

您实际上需要两个permutes来实现这一点：

• \u mm256\u permute2f128\u pd（）

  仅在128位块中进行排列

• \u mm256\u permute\u pd（）

  不跨128位边界进行排列

因此，您需要同时使用这两种方法：

inline __m256d reverse(__m256d x){
    x = _mm256_permute2f128_pd(x,x,1);
    x = _mm256_permute_pd(x,5);
    return x;
}

测试：

---

AVX2新增了对粒度更细128位的车道交叉混洗的支持：

_mm256_permute4x64_pd(vec, _MM_SHUFFLE(0,1,2,3));  // i.e. 0b00011011

VPERMPD-ymm1、ymm2/m256、imm8

运行时的吞吐量和延迟与英特尔CPU上的其他车道交叉洗牌（如

VPERM2F128

）相同。（在AMD和Zen1（）上，

vpermpd

比2-input

vperm2f128

快，因为它们处理256位向量）

---

---

有一些CPU使用FMA3而不是AVX2，例如AMD Piledriver和Steamroller。在英特尔，AVX2和FMA都是Haswell的新产品。AMD推土机系列已经过时，但仍然存在于家用电脑中，因此，即使您的功能利用了AVX1+FMA，您也可以选择也需要AVX2，让这些少数CPU退回到更糟糕的状态（例如，没有FMA的AVX1），或者制作另一个版本的功能。

Yep。值得记住的是，AVX2将添加一个完整的排列，即使您现在无法使用它，

VPERMPD

/

\u mm256\u permute4x64\u pd

。英特尔的参考文件有更多的细节。你知道这两条指令的延迟是如何比较的吗？我指的是“_mm_shuffle_ps（）”反转SSE寄存器的延迟，以及上述AVX上的反转操作的延迟register@user1715122我不知道。你也许可以从中加起来。当然，由于其他因素，实际表现会更加复杂。

10  11  12  13
13  12  11  10

_mm256_permute4x64_pd(vec, _MM_SHUFFLE(0,1,2,3));  // i.e. 0b00011011