C++ 如何将X字节或位从_m128i复制到标准内存中

我有一个循环，通过

\u mm\u add\u epi16（）

将两个数组中的int16添加到一起。有一个小数组和一个大数组，结果被写回大数组。 如果小阵列到达其末端，内部可能会从中获得小于8倍的int16s（128位）-如果我不想要其所有128位，如何将

\u mm\u add\u epi16（）

的结果存储回标准内存int16\t*？将数组填充为二的幂不是一个选项。例如：

int16_t* smallArray;
int16_t* largeArray;
__m128i inSmallArray = _mm_load_si128((__m128i*)smallArray);
__m128i* pInLargeArray = (__m128i*)largeArray;
__m128i inLargeArray = _mm_load_si128(pInLargeArray);
inLargeArray = _mm_add_epi16(inLargeArray, inSmallArray);
_mm_store_si128(pInLargeArray, inLargeArray);

---

我的猜测是，我需要以某种方式将

\u mm_store_si128（）

替换为一个“屏蔽”存储。

有一个

\u mm_maskmoveu_si128

内在，它转换为

maskmovdqu

（在SSE中）或

vmaskmovdqu

（在AVX中）

AVX-512添加了掩码存储，您可以使用带有适当掩码的

vmovdqu8

/

vmovdqu16

来存储8位或16位元素

void store_n(__m128i mm, unsigned int n, void* storage)
{
    assert(n < 16u);
    _mm_mask_storeu_epi8(storage, static_cast< __mmask16 >((1u << n) - 1u), mm);
}

void存储区（m128i mm，无符号整数n，void*存储区）
{
断言（n<16u）；
_毫米掩模存储epi8（存储、静态投射）；
如果（n>=8u）
{
_mm\u storel\u epi64（重新解释铸件<\u m128i*>（p），mm）；
mm=_mm_unpachi_epi64（mm，mm）；//将高8字节移到低8字节
n-=8u；
p+=8；
}
如果（n>=4u）
{
标准：uint32_t数据=_mm_cvtsi128_si32（mm）；
std:：memcpy（p，&data，sizeof（data））；//通常生成movd
mm=_mm_srli_si128（mm，4）；
n-=4u；
p+=4；
}
如果（n>=2u）
{
std:：uint16_t data=_mm_extract_epi16（mm，0）；//或_mm_cvtsi128_si32
标准：：memcpy（p，&data，sizeof（data））；
mm=_mm_srli_si128（mm，2）；
n-=2u；
p+=2；
}
如果（n>0u）
{
标准：uint32_t数据=_mm_cvtsi128_si32（mm）；
*p=静态铸件（数据）；
}
}

有一个

\u mm\u maskmoveu\u si128

固有，它转换为

maskmovdqu

（在SSE中）或

vmaskmovdqu

（在AVX中）

AVX-512添加了掩码存储，您可以使用带有适当掩码的

vmovdqu8

/

vmovdqu16

来存储8位或16位元素

void store_n(__m128i mm, unsigned int n, void* storage)
{
    assert(n < 16u);
    _mm_mask_storeu_epi8(storage, static_cast< __mmask16 >((1u << n) - 1u), mm);
}

void存储区（m128i mm，无符号整数n，void*存储区）
{
断言（n<16u）；
_毫米掩模存储epi8（存储、静态投射）；
如果（n>=8u）
{
_mm\u storel\u epi64（重新解释铸件<\u m128i*>（p），mm）；
mm=_mm_unpachi_epi64（mm，mm）；//将高8字节移到低8字节
n-=8u；
p+=8；
}
如果（n>=4u）
{
标准：uint32_t数据=_mm_cvtsi128_si32（mm）；
std:：memcpy（p，&data，sizeof（data））；//通常生成movd
mm=_mm_srli_si128（mm，4）；
n-=4u；
p+=4；
}
如果（n>=2u）
{
std:：uint16_t data=_mm_extract_epi16（mm，0）；//或_mm_cvtsi128_si32
标准：：memcpy（p，&data，sizeof（data））；
mm=_mm_srli_si128（mm，2）；
n-=2u；
p+=2；
}
如果（n>0u）
{
标准：uint32_t数据=_mm_cvtsi128_si32（mm）；
*p=静态铸件（数据）；
}
}

您可以直接寻址它的元素。这是因为

\uuum128i

是一个并集。宽度是任何代码路径上的编译时常量，还是易于分支？有类似

movq

和

movd

的指令可以存储8或4个字节。或者，如果smallArray的长度至少为16，您可以执行未对齐的最终向量或者，如果您安排循环将结果保留在变量中，以便在下一次迭代中存储（或者在为可能重叠的未对齐最终向量加载数据后，在离开循环时）@PeterCordes宽度是在运行时确定的，我需要16位的粒度。我可以保证smallArray至少有16个字节-你能详细说明未对齐的最终向量的含义吗？谢谢！我的意思是你可以直接处理它的元素。这是因为

\um128i

是一个并集。宽度是编译时常量吗ant在任何代码路径上，或易于分支？有一些指令，如

movq

和

movd

，可以存储8或4个字节。或者，如果smallArray的长度至少为16，则可以执行未对齐的最终向量，前提是安排循环将结果保留在变量中，以便在下一次迭代中存储（或在为可能重叠的未对齐最终向量加载数据后离开循环时）@PeterCordes宽度是在运行时确定的，我需要16位的粒度。我可以保证smallArray至少有16个字节-你能详细说明未对齐的最终向量的含义吗？谢谢！我的意思是我认为

vmaskmovdqu

具有相同的NT语义；我认为只有AVX

vmaskmovps

和相关的指令具有4字节或8字节粒度的指令进行普通掩码存储（直到AVX512BW

vmaskmovdqu8

）@PeterCordes Intel SDM仅记录了一个非暂时性提示，用于

maskmovdqu

，而不用于

vmaskmovdqu

。您是否有一个参考，其中它也适用于

vmaskmovdqu

？@PeterCordes我在AMD APM中找到了

maskmovdqu

/

vmaskmovdqu

的描述，并且其中的描述确实表明指令有一个非暂时性的提示。我已经更新了我的答案。谢谢。PS：我找不到

vmaskmovdqu8

的描述，所以我不能对它说什么。那是一个大脑屁，AVX512有正常存储的掩蔽，这就是为什么所有向量

mov

指令都有一个元素大小作为助记符的一部分。我的意思是

vmovdqu8[rdi]{k1}，xmm0

Re:Intel的文档：VEX编码是否包含NT提示是不明确的，但如果我们使用“MASKMOVDQU”，我认为它们的措辞与现实相符表示对同一条指令的任何一种编码。我认为，当VEX和旧版SSE工作相同时，英特尔文档只讨论指令的基名称是正常的

void store_n(__m128i mm, unsigned int n, void* storage)
{
    assert(n < 16u);
    _mm_mask_storeu_epi8(storage, static_cast< __mmask16 >((1u << n) - 1u), mm);
}

void store_n(__m128i mm, unsigned int n, void* storage)
{
    assert(n < 16u);

    unsigned char* p = static_cast< unsigned char* >(storage);
    if (n >= 8u)
    {
        _mm_storel_epi64(reinterpret_cast< __m128i* >(p), mm);
        mm = _mm_unpackhi_epi64(mm, mm); // move high 8 bytes to the low 8 bytes
        n -= 8u;
        p += 8;
    }

    if (n >= 4u)
    {
        std::uint32_t data = _mm_cvtsi128_si32(mm);
        std::memcpy(p, &data, sizeof(data)); // typically generates movd
        mm = _mm_srli_si128(mm, 4);
        n -= 4u;
        p += 4;
    }

    if (n >= 2u)
    {
        std::uint16_t data = _mm_extract_epi16(mm, 0); // or _mm_cvtsi128_si32
        std::memcpy(p, &data, sizeof(data));
        mm = _mm_srli_si128(mm, 2);
        n -= 2u;
        p += 2;
    }

    if (n > 0u)
    {
        std::uint32_t data = _mm_cvtsi128_si32(mm);
        *p = static_cast< std::uint8_t >(data);
    }
}