C++ 如何将%rax中的双精度移动到%ymm或%zmm上的特定qword位置？（卡比湖或更高版本）

我的想法是，我希望一次收集

double

的返回值到一个向量寄存器中，以便对机器

imm width

进行处理，而不首先将存储回内存

特定的处理是一个

vfma

，另外两个操作数都是

constepr

，因此它们可以通过

\u mm256\u setr\u pd

调用，或者从

constepr

数组
中对齐/未对齐的内存加载

有没有办法直接从
%rax
中的值将双精度存储在
%ymm
中的特定位置，以便收集

目标机器是卡比湖。更高效的未来向量指令也受欢迎。
内联汇编通常是个坏主意：现代编译器在x86内部函数方面做得很好

将
double
的位模式放入RAX通常也没用，而且闻起来你可能已经走错了路，进入了次优领域。矢量洗牌指令通常更好：在英特尔硬件上，按元素插入/提取指令已经花费了洗牌uop，除了
vmovq%xmm0，%rax
以获得低位元素

此外，如果要将其插入到另一个向量中，则应使用shuffle/immediate blend。（
vpermpd
/
vblendpd
）

L1d和存储转发缓存速度很快，即使存储转发暂停也不是灾难。在ALU和内存之间进行明智的选择，以将数据收集或分散到SIMD向量中。还要记住，插入/提取指令需要一个即时索引，所以如果您有一个向量的运行时索引，那么您肯定要存储它和索引。（请参阅中的和其他性能链接）

在Haswell和更高版本上，大量的插入/提取可能会很快导致端口5出现瓶颈有关更多详细信息，请参见，以及gcc错误报告的一些链接，在这些报告中，我详细介绍了不同UARCHE上不同元素宽度的策略以及使用SSE4.1与不使用SSE4.1的策略等


没有PD版本，并且
insertps
是XMM向量之间的混洗

要读取/写入YMM的低端通道，必须使用integer
vpextrq$1、%xmm0、%rax
/
pinsrq$1、%rax、%xmm0。这些在YMM宽度中不可用，因此您需要多条指令来读取/写入高速通道

VEX版本
vpinsrq$1、%rax、%xmm0
将使目标向量的全YMM或ZMM宽度的高端车道归零，这就是我建议
pinsrq
的原因。在Skylake和更高版本上，它不会导致SSE/AVX转换暂停。请参阅以获取示例（NASM语法），以及

对于低端元素，使用
vmovq%xmm0，%rax提取，它比
vpextrq
便宜（1个计量单位而不是2个计量单位）


对于ZMM，我对链接的XMM from GP regs问题的回答表明，给定一个具有单个位集的掩码寄存器，您可以使用AVX512F将掩码整数寄存器合并到向量中

vpbroadcastq %rax, %zmm0{%k1}

类似地，
vpcompressq
可以将由单个位掩码选择的元素移动到
vmovq
的底部

但是对于提取，如果使用索引而不是
1内联汇编通常是个坏主意：现代编译器在x86内部函数方面做得很好

将
double
的位模式放入RAX通常也没用，而且闻起来你可能已经走错了路，进入了次优领域。矢量洗牌指令通常更好：在英特尔硬件上，按元素插入/提取指令已经花费了洗牌uop，除了
vmovq%xmm0，%rax
以获得低位元素

此外，如果要将其插入到另一个向量中，则应使用shuffle/immediate blend。（
vpermpd
/
vblendpd
）

L1d和存储转发缓存速度很快，即使存储转发暂停也不是灾难。在ALU和内存之间进行明智的选择，以将数据收集或分散到SIMD向量中。还要记住，插入/提取指令需要一个即时索引，所以如果您有一个向量的运行时索引，那么您肯定要存储它和索引。（请参阅中的和其他性能链接）

在Haswell和更高版本上，大量的插入/提取可能会很快导致端口5出现瓶颈有关更多详细信息，请参见，以及gcc错误报告的一些链接，在这些报告中，我详细介绍了不同UARCHE上不同元素宽度的策略以及使用SSE4.1与不使用SSE4.1的策略等


没有PD版本，并且
insertps
是XMM向量之间的混洗

要读取/写入YMM的低端通道，必须使用integer
vpextrq$1、%xmm0、%rax
/
pinsrq$1、%rax、%xmm0。这些在YMM宽度中不可用，因此您需要多条指令来读取/写入高速通道

VEX版本
vpinsrq$1、%rax、%xmm0
将使目标向量的全YMM或ZMM宽度的高端车道归零，这就是我建议
pinsrq
的原因。在Skylake和更高版本上，它不会导致SSE/AVX转换暂停。请参阅以获取示例（NASM语法），以及

对于低端元素，使用
vmovq%xmm0，%rax提取，它比
vpextrq
便宜（1个计量单位而不是2个计量单位）


对于ZMM，我对链接的XMM from GP regs问题的回答表明，给定一个具有单个位集的掩码寄存器，您可以使用AVX512F将掩码整数寄存器合并到向量中

vpbroadcastq %rax, %zmm0{%k1}

类似地，
vpcompressq
可以将由单个位掩码选择的元素移动到
vmovq
的底部

但对于提取，如果有索引而不是
1