C 如何有效地结合SSE中的比较？

我正在尝试将以下代码转换为SSE/AVX：

float x1, x2, x3;
float a1[], a2[], a3[], b1[], b2[], b3[];
for (i=0; i < N; i++)
{
    if (x1 > a1[i] && x2 > a2[i] && x3 > a3[i] && x1 < b1[i] && x2 < b2[i] && x3 < b3[i])
    {
        // do something with i
    }
}

这同样有效，而且速度很快。对此进行基准测试（英特尔i7-2630QM、Windows 7、cygwin 1.7、cygwin gcc 4.5.3或mingw x86_64 gcc 4.5.3，N=8）表明，64位上的速度与上述代码相同（小于0.1%）。两个版本的内部循环都在缓存中的数据上平均运行6.8个时钟，并且比较结果始终为false

有趣的是，在32位上，_mm_测试版本的运行速度要慢10%。事实证明，编译器在循环展开后溢出掩码，必须重新读取它们；这可能是不必要的，在手工编码的装配中可以避免

---

选择哪种方法？似乎没有令人信服的理由选择

VPTEST

而不是

VMOVMSKPS

。实际上，选择

VMOVMSKPS

有一点原因，即它释放了一个xmm寄存器，否则该寄存器将被掩码占用

如果使用浮点数，通常需要使用

MOVMSKPS

（以及相应的AVX指令

VMOVMSKPS

）而不是

pmovskb

---

除此之外，是的，这是一种标准的方法；您还可以使用

PTEST

（

VPTEST

）根据SSE或AVX和/或AND NOT的结果直接更新条件标志。

针对您编辑的版本：

如果要直接根据

PTEST

的结果进行分支，使用它比将

MOVMSKPS

转换为GP reg更快，然后对其执行

测试来设置分支指令的标志。在AMD CPU上，在矢量域和整数域之间移动数据非常慢（5到10个周期的延迟，取决于CPU型号）

对于
PTEST
，您通常不需要额外的寄存器。您可以使用与两个参数相同的值，就像常规的非向量
TEST
指令一样。（测试
foo&foo
与测试
foo
相同）

在您的例子中，您确实需要检查是否设置了所有向量元素。如果你颠倒比较，然后或者将结果放在一起（所以你测试的是
！（x1
），你需要测试所有零的向量，而不是所有零的向量。但处理低元素仍然是个问题。如果需要保存寄存器以避免
PTEST
/
VTESTPS
需要向量掩码，则可以在执行
PTEST
之前将向量右移4个字节，并将其分支为零

AVX引入了
VTESTPS
，我想这可以避免可能的浮点->整数旁路延迟。但是，如果您使用任何int-domain指令为测试生成输入，那么最好使用
（V）PTEST
。（我知道您使用的是内部语言，但与记忆法相比，输入和查看内部语言是一件痛苦的事情。）
谢谢！你能解释一下如何使用PTEST吗？在什么情况下，这种方法比MOVMSKPS更有效？@AlexI：我正要写一个例子，但你似乎已经自己弄明白了。不过需要注意的是：如果你可以选择a[i]和b[i]第四条通道中的内容，并将其设为+/-无穷大（或者任何+/-值，因为x[3]为零），那么你可以消除遮罩，直接对比较结果进行PTEST。
__m128 x; // x1, x2, x3, 0
__m128 a[N]; // packed a1[i], a2[i], a3[i], 0 
__m128 b[N]; // packed b1[i], b2[i], b3[i], 0

for (int i = 0; i < N; i++)
{
    __m128 gt_mask = _mm_cmpgt_ps(x, a[i]);
    __m128 lt_mask = _mm_cmplt_ps(x, b[i]);
    __m128 mask = _mm_and_ps(gt_mask, lt_mask);
    if (_mm_movemask_epi8 (_mm_castps_si128(mask)) == 0xfff0)
    {
        // do something with i
    }
}

__m128 x; // x1, x2, x3, 0
__m128 a[N]; // packed a1[i], a2[i], a3[i], 0
__m128 b[N]; // packed b1[i], b2[i], b3[i], 0
__m128i ref_mask = _mm_set_epi32(0xffff, 0xffff, 0xffff, 0x0000);

for (int i = 0; i < N; i++)
{
    __m128 gt_mask = _mm_cmpgt_ps(x, a[i]);
    __m128 lt_mask = _mm_cmplt_ps(x, b[i]);
    __m128 mask = _mm_and_ps(gt_mask, lt_mask);
    if (_mm_testc_si128(_mm_castps_si128(mask), ref_mask))
    {
        // do stuff with i
    }
}