C++ 如何在不使用任何SSE指令的情况下设置_m128i？

我有许多函数使用相同的常量m128i值。 例如：

const __m128i K8 = _mm_setr_epi8(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16);
const __m128i K16 = _mm_setr_epi16(1, 2, 3, 4, 5, 6, 7, 8);
const __m128i K32 = _mm_setr_epi32(1, 2, 3, 4);

所以我想把所有这些常数存储在一个地方。 但有一个问题：我在运行时检查现有的CPU扩展。 如果CPU不支持例如SSE（或AVX），则在初始化期间程序将崩溃

---

那么，是否可以在不使用SSE的情况下初始化这些常量？

我建议将初始化数据全局定义为标量数据，然后将其本地加载到

常量中：

static const uint8_t gK8[16] = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16 };

static inline foo()
{
    const __m128i K8 = _mm_loadu_si128((__m128i *)gK8);

    // ...
}

可以在不使用SSE指令的情况下初始化_m128i向量，但这取决于编译器如何定义_m128i

对于Microsoft Visual Studio，您可以定义下一个宏（它将_m128i定义为char[16]）：

你可以使用工会

union M128 {
   char[16] i8;
   __m128i i128;
};

const M128 k8 = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16 };

如果M128联合是在使用循环的地方本地定义的，那么这应该没有性能开销（它将在循环开始时加载到内存中一次）。因为它包含类型为_m128i的变量，所以M128继承了正确的对齐方式

void foo()
{
   M128 k8 = ...;
   // use k8.i128 in your for loop
}

如果它是在其他地方定义的，那么在启动循环之前需要复制到本地寄存器中，否则编译器可能无法对其进行优化

void foo()
{
    __m128i tmp = k8.i128;
    // for loop here
}

这将把k8加载到cpu寄存器中，并在循环期间保持它，只要有足够的空闲寄存器来执行循环体

根据您使用的编译器，这些联合可能已经定义（VS有），但编译器提供的定义可能不可移植。
您通常不需要这样做。编译器非常擅长对使用相同常量的多个函数使用相同的存储。就像将同一字符串文字的多个实例合并为一个字符串常量一样，不同函数中相同
\u mm\u set*
的多个实例都将从相同的向量常量加载（或对于
\u mm\u setzero\u si128（）
或
\u mm\u set1\u epi8（-1）
）

使用Godbolt的二进制输出（反汇编）模式可以查看是否从同一内存块加载不同的函数。看看它添加的注释，它将RIP相对地址解析为绝对地址


gcc:，无论它们是来自自动矢量化还是
\u mm\u set
。32B常量不能与16B常量重叠，即使16B常量是32B常量的子集

叮当声：。16B和32B常量不重叠，即使其中一个是另一个的子集。某些使用重复常量的函数使用AVX2
vpbroadcasted
broadcast加载（在英特尔SnB系列CPU上甚至不使用ALU uop）。出于某种原因，它选择基于操作的元素大小而不是常量的重复性来执行此操作。请注意，clang的asm输出会在每次使用时重复该常量，但最终的二进制文件不会重复

MSVC:。与gcc的功能几乎相同。（完整的asm输出很难通过；请使用搜索。我只能通过让
main
找到.exe的路径来获取asm，然后用
cl.exe-O2/FAs
计算asm输出的路径，然后运行
system（“type…/foo.asm”）
）


编译器擅长于此，因为这不是一个新问题。从最早的编译器时代起，它就存在于字符串中

我还没有检查这是否适用于源文件（例如，对于在多个编译单元中使用的内联向量函数）。如果仍然需要静态/全局向量常量，请参见以下内容：


似乎没有简单且可移植的方法静态初始化静态/全局
\uuuu m128
。C编译器甚至不接受
\u mm\u set*
作为初始值设定项，因为它的工作方式类似于函数。他们没有利用这样一个事实，即他们实际上可以看穿编译时常量16B

const __m128i K32 = _mm_setr_epi32(1, 2, 3, 4);   // Illegal in C
// C++: generates a constructor that copies from .rodata to the BSS

即使构造函数只需要SSE1或SSE2，您也不希望这样。太可怕了不要这样做。最后，您要支付两次常量的内存开销


Fabio的
union
答案看起来是静态初始化向量常量的最佳可移植方式，但它意味着您必须访问
\uuum128i
union成员。它可能有助于将相关常量彼此靠近（希望在同一缓存线中）分组，即使它们被分散的函数使用。也有一些不可移植的方法来实现这一点（例如，将相关常量放在它们自己的ELF部分中）。希望这可以将它们组合在
.rodata
部分（成为
.text
部分的一部分）。
我认为这不是问题。即使它们是全局常量，编译器也会将它们转换为浮点数据包（常量值），这些数据包在运行时从“数据”部分加载。假设您只在已验证支持SSE指令的代码路径中使用这些常量，那么您永远不会在不支持SSE指令的平台上执行任何SSE指令。请检查汇编代码的输出以确定。对不起，我不明白所有这些代码的目的是什么。它如何回答这个问题？他已经知道如何初始化常量。为什么你的代码能更好地做到这一点？这是问题的直接答案。作者询问了在不使用SSE指令的情况下如何初始化_m128i。我给出了初始化的例子。啊，我明白了。这就是我错过的。我在答案中添加了这个澄清。我检查了assember输出。它不包含SSE指令。谢谢@ErmIg：这是一条指令，通常在函数项上（为什么要多次加载常数？），因此，除非它是一个非常小的函数，或者很少调用，加载常数会导致缓存丢失，否则我认为成本不会太大。当然。@Paul\R:这是我
void foo()
{
   M128 k8 = ...;
   // use k8.i128 in your for loop
}

void foo()
{
    __m128i tmp = k8.i128;
    // for loop here
}

const __m128i K32 = _mm_setr_epi32(1, 2, 3, 4);   // Illegal in C
// C++: generates a constructor that copies from .rodata to the BSS