C++11 使用AVX intrinsics进行铸造

使用AVX2进行铸造有两种方法：

__m256i b = ...set register...
auto c = (__m256d)b; // version 1
auto d = _mm256_castsi256_pd(b); // version 2

---

我假设这两个结果应该是相同的。来自英特尔的消息称，版本2的运行时延迟为零。我可以在零延迟假设下使用版本1吗？此外，我可以假设从任何寄存器类型到版本1的转换是零延迟。

至少在gcc中，“版本1”正是“版本2”的实现方式：

extern __inline __m256d __attribute__((__gnu_inline__, __always_inline__, __artificial__))
_mm256_castsi256_pd (__m256i __A)
{
  return (__m256d) __A;
}

叮当声本质上是一样的：

我没有寻找其他编译器，但我也不认为那里会发生什么奇迹

---

尽管如此，为了便于移植和可读性，我还是建议使用

\u mm256\u castsi256\u pd

，或者如果写得太多，请将其封装到您自己的（内联）函数中。如果您需要重构C样式转换，那么在源代码中很难找到它。

如果您对可移植性感兴趣，那么最好使用版本2-最麻烦的编译器是MSVC，我认为它会抱怨版本1。（虽然我已经有一段时间没有解决这个问题了，所以你可能想用你想要支持的任何编译器来检查自己）。谢谢-请记住这一点。此外，我尝试了版本1，在我的实验中似乎确实有一些开销。尽管如此，最好有一个更技术和完整的答案。你做了什么实验来尝试版本1？我认为任何接受它的编译器都会将其视为与版本2类似的重新解释转换，但错过优化总是可能的。更可能的是，尽管你的实验有缺陷。您是否检查了编译器的asm输出？（无论如何，好问题。我认为答案是，为了便于移植，总是建议使用版本2，但没有理由期望任何一个版本都会汇编到任何额外的指令中，以咀嚼位。）这听起来太复杂了。更可能的情况是，通过使用FP Shuffle或integer比较之间的混合，在使用的任何CPU上引入了额外的旁路延迟，反之亦然。（英特尔SnB系列CPU通常不会对混洗进行跨域处罚，但对混合进行处罚。）。或者您使用的不同洗牌以不同的方式优化或具有不同的吞吐量！显然，您测量的差异似乎不是由于强制转换本身造成的，除非编译器错过了强制转换的优化。