C++ SSE和AVX的通道/通道洗牌？

什么SSE/AVX指令将通道从

a

洗牌为

b

和

c

？

float4a={data[0]，data[1]，data[2]，data[3]}；
float4b={data[1]，data[2]，data[3]，data[0]}；//车道左移
float4c={data[3]，data[0]，data[1]，data[2]}；//车道右移
float8a={data[0]，data[1]，data[2]，data[3]，
数据[4]，数据[5]，数据[6]，数据[7]}；
float8b={data[1]，data[2]，data[3]，data[4]，
数据[5]，数据[6]，数据[7]，数据[0]}；//车道左移
float8 c={data[7]，data[0]，data[1]，data[2]，
数据[3]，数据[4]，数据[5]，数据[6]}；//车道右移

背景：

我有一个算法，需要它的邻居点的值；这意味着我目前正在混合对齐负载和未对齐负载：

(
板[行+1][列]//对齐
+板[第1行][第列]//对齐
+板[行][列+1]//未对齐
+板[行][列-1]//未对齐
+（4*板[行][列]//对齐
) / 8;

这里是苏格兰和南方能源公司：

\uuum128底部=\umm\uload\ups（&from[row-1][column]）；
__m128左=_mm_loadu_ps（&from[行][列-1]）；
__m128中间=_mm_load_ps（&from[行][列]）；
__m128右=_mm_loadu_ps（&from[行][列+1]）；
__m128顶部=_mm_载荷_ps&来自[行+1][列]；
（顶部+底部+左侧+右侧+毫米设置1毫米ps（4.0f）*中间）*毫米设置1毫米ps（0.125f）；

我意识到current和left或right中的值只相差一个值。因此，我有一个想法，不必做2次未对齐的加载，我可以洗牌车道，然后插入一个不同的值。我需要检查指令的延迟/吞吐量，看看是否会更快，但我不熟悉这些类型的SSE/AVX指令。

在最近的英特尔CPU（Core i7等）上，未对齐的负载是一种合理的方法，但在旧CPU上，它相对昂贵。另一种方法是使用

\u mm\u aligner\u epi8

（

PALIGNR

）-通常沿一行迭代并保持3个连续向量-每次迭代后，将这些向量沿一个向量洗牌，然后加载一个新向量，因此每次迭代只有一个加载

__m128 va = _mm_setzero_ps();
__m128 vb = _mm_load_ps(&from[row][0]);
for (col = 0; col < N; col += 4)
{
    __m128 vc = _mm_load_ps(&from[row][col + 4]);

    __m128 centre = vb;
    __m128 left = (__m128)_mm_alignr_epi8((__m128i)va, (__m128i)vb, sizeof(float));
    __m128 right = (__m128)_mm_alignr_epi8((__m128i)vb, (__m128i)vc, 3 * sizeof(float));

    // do stuff ...

    va = vb;  // shuffle vectors along
    vb = vc;
}

\uuum128 va=\umm\usetzero\ups（）；
__m128 vb=_mm_load_ps（&from[row][0]）；
对于（列=0；列

由于128位通道的限制，AVX有点棘手-您最好还是坚持使用未对齐的负载