C++ SIMD：更通用的洗牌函数

我认为SIMD shuffle功能适用于

int32\u t

情况，左右部分将分别进行洗牌

我想要一个真正的洗牌函数，如下所示：

假设我们得到了

\uuuum256i

，我们想洗牌8

int32\u t

__m256i to_shuffle = _mm256_set_epi32(17, 18, 20, 21, 25, 26, 29, 31);

const int imm8 = 0b10101100;

__m256i shuffled _mm256_shuffle(to_shuffle, imm8);

我希望

shuffled={17,20,25,26，-，-，-，-}

，其中

-

表示不相关的值，它们可以是任何值。 因此，我希望设置位为

1

的位置处的

int

将被置于

shuffled

中

（在我们的例子中：17、20、25、26坐在

imm8

中带有

1

的位置）

---

这样的功能是由英特尔公司提供的吗 如何有效地实施这一职能

---

---

编辑：

-

可以忽略。只需要设置位为

1

的int。

（我假设您立即向后（17的选择器应该是低位，而不是高位），并且向量实际上是以低位元素的第一顺序写入的）

如何有效地实施这一职能

在这种情况下，使用AVX2

vpermd

（

\u mm256\u permutevar8x32\u epi32

）。它需要一个控制向量，而不是一个立即数，来为8个输出元素保存8个选择器。因此，您必须加载一个常量并将其用作控制操作数

由于只关心输出向量的下半部分，因此向量常数只能是

\uuum128i

，从而节省空间

vmovdqa xmm，[mem]

zero扩展到相应的YMM向量中。用C语言编写内部函数可能不太方便，但是

\u mm256\u castsi128\u si256

应该可以工作。甚至

\u mm256\u broadcastsi128\u si256

，因为广播负载同样便宜。不过，一些编译器可能会通过常量传播将其悲观化为内存中实际的32字节常量。若你们知道汇编，编译器的输出常常令人失望

如果你想在你的源代码中取一个实际的整数位图，你可以使用C++模板将它编译成正确的向量常量。（现在Apache授权的，以前的GPL）有一些相关的东西，像使用C++模板，根据常数和支持什么目标ISA，将整数常量转换成一个混合或一系列混合指令。但是它的洗牌模板是索引列表，而不是位图

但我想你是想问为什么/如何设计x86洗牌。

---

这样的功能是由英特尔公司提供的吗

是，在带有AVX512F的硬件中（加上AVX512VL在256位向量上使用）

您正在寻找，它是与BMI2

pext

等价的向量元素。（但它将控制操作数作为掩码寄存器值，而不是立即数常量。）内在值为

\uuuum256i\umm256\uMaskz\uCompress32（\uuuummask8 c，\uuuum256i a）

它也可用于合并到现有向量底部的版本，而不是将顶部元素归零


作为即时洗牌，不需要。

所有x86洗牌都使用一个在源中具有索引的控制操作数，而不是保留哪些元素的位图。（除了
vpcompressd/q
和
vpexpandd/q
）。或者，它们使用隐式控制，如
\u mm256\u unplo\u epi32
，例如，它将来自2个输入的32位元素交错（在低半部和高半部的通道中）

如果您打算提供一个带有控制操作数的洗牌，那么如果任何元素可以在任何位置结束，这通常是最有用的。因此，输出不必与输入的顺序相同。你的压缩洗牌没有那个属性

此外，为每个输出元素提供源索引是shuffle硬件自然想要的。我的理解是，每个输出元素都由它自己的MUX（多路复用器）馈送，其中MUX接受N个输入元素和一个二进制选择器来选择要输出的元素。（当然，宽度与元素宽度相同。）有关构建复用器的更多讨论，请参阅

如果控制操作数的格式不是选择器列表，则需要先进行预处理，然后才能将其送入洗牌硬件。

对于立即数，格式为2x1位或4x2位字段，或为
\u mm\u bslli\u si128
和
\u mm\u aligner\u epi8
的字节移位计数。或
insertps
的索引+调零位掩码。没有立即宽度大于8位的SIMD指令这可能使硬件解码器保持简单。

（或者对于
vextractf128 xmm，ymm，0或1
使用1x1位，事后来看，如果根本没有立即数，这会更好。将它与
0
一起使用总是比
vmovdqa xmm，xmm
更糟糕。虽然AVX512使用相同的操作码，但对于1x2位立即数使用EVEX前缀，因此这可能对解码器的复杂性有一些好处。）y、 无论如何，选择器字段宽度大于2位时不存在立即混洗，因为8x 3位将是24位。）

对于较宽的4x2车道内混洗，如
\u mm256\u shuffle\u ps
（
vshufps ymm、ymm、ymm、imm8
），相同的4x2位选择器模式可重复用于两条车道。对于较宽的2x1车道内混洗，如
\u mm256\u shuffle\u pd
（），我们获得仍在车道中选择的4x1位立即字段

有4个2位选择器、
vpermq
和
vpermpd
的车道交叉混洗。它们的工作原理与
pshufd xmm
（
mm\u shuffle\u epi32
）完全相同，但在256位寄存器上有4个qword元素，而不是在128位寄存器上有4个dword元素


就缩小范围/仅关注部分输出而言：

一个普通的立即数需要4个3位选择器来选择每个索引