C++ 什么是「；“正确”；如何从avx/sse掩码过渡到avx512掩码？

我有一些现有的avx/sse口罩，我是用老方法得到的：

auto mask_sse = _mm_cmplt_ps(a, b);
auto mask_avx = _mm_cmp_ps(a, b, 17);

在某些情况下，当混合使用旧的avx代码和新的avx512代码时，我想将这些旧式掩码转换为新的avx512

\uu mmask4

或

\uu mmask8

类型

我试过这个：

auto mask_avx512 = _mm_cmp_ps_mask(sse_mask, _mm_setzero_ps(), 25/*nge unordered quiet*/);

它似乎适用于普通的比较输出，但我不认为它能够正确捕获可以与sse4.1

\u mm\u blendv\u ps

一起使用的正NAN

还有一个很好的老式

\u mm\u movemask\u ps

，但这看起来像是将掩码完全放在一个通用寄存器中，我需要将其与

\u cvtu32\u mask8

链接，以将其拉回到一个专用掩码寄存器中

有没有更干净的方法直接将符号位从旧式掩码中拉到k寄存器中

示例代码： 下面是一个示例程序，按照我上面提到的第一种方式进行掩码转换

#include "x86intrin.h"
#include <cassert>
#include <cstdio>

int main()
{
    auto a = _mm_set_ps(-1, 0, 1, 2);
    auto c = _mm_set_ps(3, 4, 5, 6);

    auto sse_mask    = _mm_cmplt_ps(a, _mm_setzero_ps());
    auto avx512_mask = _mm_cmp_ps_mask(sse_mask, _mm_setzero_ps(), 25);

    alignas(16) float v1[4];
    alignas(16) float v2[4];
    _mm_store_ps(v1, _mm_blendv_ps(a, c, sse_mask));
    _mm_store_ps(v2, _mm_mask_blend_ps(avx512_mask, a, c));

    assert(v1[0] == v2[0]);
    assert(v1[1] == v2[1]);
    assert(v1[2] == v2[2]);
    assert(v1[3] == v2[3]);
    return 0;
}

#包括“x86intrin.h”
#包括
#包括
int main（）
{
自动a=_mm_set_ps（-1,0,1,2）；
自动c=_mm_set_ps（3,4,5,6）；
自动sse_掩码=_mm_cmplt_ps（a，_mm_setzero_ps（））；
自动avx512_掩码=_mm_cmp_ps_掩码（sse_掩码，_mm_setzero_ps（），25）；
alignas（16）浮动v1[4]；
alignas（16）浮动v2[4]；
_mm_存储_ps（v1，_mm_blendv_ps（a、c、sse_掩码））；
_mm_-store_-ps（v2，mm_-mask_-blend_-ps（avx512-mask，a，c））；
断言（v1[0]==v2[0]）；
断言（v1[1]==v2[1]）；
断言（v1[2]==v2[2]）；
断言（v1[3]==v2[3]）；
返回0；
}

首先使用AVX-512内部比较来获得AVX-512掩码（如

\u mm\u cmp\u ps\u掩码

）；这将比比较成一个向量然后转换它要有效得多，除非编译器为您优化了这种低效。（考虑使用一个包装器库，比如试图消除差异。VCL许可证最近从GPL更改为Apache。）

---

但是如果您真的需要它（例如，在完成优化之前作为权宜之计），您不需要FP比较\um\u cmp\u ps生成一个

\u m128

结果，但它实际上不是浮点向量1。全是一位/全是零位。您只需要位，因此您正在寻找与

vmovmskps

等效的AVX-512，但要将其放入

k

寄存器，而不是GP整数。i、 e.对于32位源元素

   __m128 cmpvec = _mm_cmplt_ps(v, _mm_setzero_ps() );
   __mmask8 cmpmask = _mm_movepi32_mask( _mm_castps_si128(cmpvec) );   // <----

// equivalent to comparing into a mask in the first place:
   __mmask8 cmpmask = _mm_cmplt_ps_mask(v, _mm_setzero_ps(), _CMP_LT_OQ);

// equivalent to (if I got this right)
   __mmask8 cmpmask = _mm_fpclass_ps_mask(v, 0x40 | 0x10);  // negative | negative_inf

\uuuum128 cmpvec=\umm\ucmplt\ups（v，\umm\usetzero\ups（））；
__mmask8 cmpmask=_mm_movepi32_mask（_mm_castps_si128（cmpvec））；//你看了吗？@PaulR看起来很有希望，但我不认为这比比较零无序更能给我带来什么，因为负数
FinNeg_res（cid:197）NegNum AND NOT（ExpAllOnes）AND NOT（ZeroNumber）；//-有限的
排除nan/inf和nan
qNaN_res（cid:197）expallone和NOT（mantallzero）和SignalingBit；；//qNaN
忽略符号entirely我知道我“应该”首先只是生成新样式的遮罩。但是这是一堆在多个ISA扩展中共享的模板代码的深处，所以现在我只想让avx和avx512代码玩得很好我猜，因为我们是skylake-x或更新版本，我不需要担心类型双关的绕过延迟？或者，由于它的公正性，它更不值得关注masks@SteveCox：在SKX上，旁路延迟最差为1个周期，Agner Fog表示VPMOVD2M在端口0上运行，延迟为2个周期，而其他进入掩码操作的延迟为3个周期，因此最差情况下，VPMOVD2M会自行付费。我不知道他是如何测量2的，比如他创造了什么样的dep链；他的指令表倾向于任意划分跨越域边界的指令之间的延迟。更为保守，并向您展示他们使用的dep链。虽然使用掩码并没有那么糟糕，因为掩码和向量都可以作为同一条指令的输入。@SteveCox:但是，是的，可能存在旁路延迟，这取决于
vpmovd2m
执行单元是否同时连接到FP和整数旁路网络，或者其他执行单元显然不是这样。（例如，端口5上的位布尔和洗牌单元，而不是端口0和1上的位布尔单元，如英特尔优化手册中所述。）顺便说一句，对于像我这样在浏览时找不到该指令（以及fpclass）的人，可以在“杂项”下使用其他几个掩码操作函数找到它子节，而不是“面具”子节