带SIMD的C#中的2x2矩阵向量积

我正在做一些事情，我想用不同的二维

short

值向量乘以相同的2x2

short

值矩阵，每秒多次，在这种情况下，性能很重要。现在，我只是用简单的方法写下矩阵乘法。我查阅了C#的SIMD功能，发现无法生成这种类型的2x2矩阵。所以我试着用

System.Numerics.Vectors

中的

Vector

结构来实现它。但构造函数希望向量中至少有4个元素。我可以解决这个问题，并使它与四维向量一起工作，但我想知道是否有一种方法可以更容易地完成我想做的事情：将一个2x2矩阵与一个二维向量相乘，然后用SIMD生成一个新的二维向量。

使用

System.Runtime.Intrinsics.X86

，可以用来完成繁重的工作，用一些洗牌等来排列数据。例如：

struct Vec2
{
    public short X, Y;
}

struct Mat2x2
{
    public short A, B, C, D;
}

static unsafe Vec2 Mul(Mat2x2 m, Vec2 v)
{
    // movd: 0 0 0 0 0 0 Y X
    var rawvec = Sse2.LoadScalarVector128((int*)&v);
    // pshufd: Y X Y X Y X Y X
    var vec = Sse2.Shuffle(rawvec, 0).AsInt16();
    // movq: 0 0 0 0 D C B A
    var mat = Sse2.LoadScalarVector128((ulong*)&m).AsInt16();
    // pmaddwd: 0 0 DY+CX BY+AX
    var dword_res = Sse2.MultiplyAddAdjacent(mat, vec);
    // packssdw: 0 0 DY+CX BY+AX 0 0 DY+CX BY+AX
    var rawres = Sse2.PackSignedSaturate(dword_res, dword_res);
    Vec2 res;
    *((int*)&res) = Sse2.ConvertToInt32(rawres.AsInt32());
    return res;
}

由此产生的装配相当合理：

 mov         dword ptr [rsp+10h],ecx  
 mov         qword ptr [rsp+18h],rdx  
 vmovd       xmm0,dword ptr [rsp+18h]  
 vpshufd     xmm0,xmm0,0  
 vmovq       xmm1,mmword ptr [rsp+10h]  
 vpmaddwd    xmm0,xmm1,xmm0  
 vpackssdw   xmm0,xmm0,xmm0  
 vmovd       eax,xmm0  
 mov         dword ptr [rsp],eax
 mov         eax,dword ptr [rsp]

但这并不理想。

m

和

v

函数参数（以及最后的结果）都是在内存中“反弹”的。。诚然，这正是C代码所说的。这可以通过手动将

X

和

Y

与算术组合成

int

，然后使用

ConvertScalarToVector128Int32

来解决，但JIT显然不够聪明，无法看出算术是多余的。因此，似乎没有好的解决办法。希望JIT优化器在某个时候能够检测到这种毫无意义的“内存反弹”情况并将其删除

---

另一点是，

MultiplyAddAdjacent

部分被浪费了：它有8个乘积，但只有4个是有用的计算，向量的上半部分只是零。如果有两个向量与同一个2x2矩阵相乘，则只需花费很少的额外成本即可完成，这比简单地调用上述函数两次要少得多。

使用

System.Runtime.Intrinsics.X86

，可用于完成繁重的工作，并进行一些洗牌等来排列数据。例如：

struct Vec2
{
    public short X, Y;
}

struct Mat2x2
{
    public short A, B, C, D;
}

static unsafe Vec2 Mul(Mat2x2 m, Vec2 v)
{
    // movd: 0 0 0 0 0 0 Y X
    var rawvec = Sse2.LoadScalarVector128((int*)&v);
    // pshufd: Y X Y X Y X Y X
    var vec = Sse2.Shuffle(rawvec, 0).AsInt16();
    // movq: 0 0 0 0 D C B A
    var mat = Sse2.LoadScalarVector128((ulong*)&m).AsInt16();
    // pmaddwd: 0 0 DY+CX BY+AX
    var dword_res = Sse2.MultiplyAddAdjacent(mat, vec);
    // packssdw: 0 0 DY+CX BY+AX 0 0 DY+CX BY+AX
    var rawres = Sse2.PackSignedSaturate(dword_res, dword_res);
    Vec2 res;
    *((int*)&res) = Sse2.ConvertToInt32(rawres.AsInt32());
    return res;
}

由此产生的装配相当合理：

 mov         dword ptr [rsp+10h],ecx  
 mov         qword ptr [rsp+18h],rdx  
 vmovd       xmm0,dword ptr [rsp+18h]  
 vpshufd     xmm0,xmm0,0  
 vmovq       xmm1,mmword ptr [rsp+10h]  
 vpmaddwd    xmm0,xmm1,xmm0  
 vpackssdw   xmm0,xmm0,xmm0  
 vmovd       eax,xmm0  
 mov         dword ptr [rsp],eax
 mov         eax,dword ptr [rsp]

但这并不理想。

m

和

v

函数参数（以及最后的结果）都是在内存中“反弹”的。。诚然，这正是C代码所说的。这可以通过手动将

X

和

Y

与算术组合成

int

，然后使用

ConvertScalarToVector128Int32

来解决，但JIT显然不够聪明，无法看出算术是多余的。因此，似乎没有好的解决办法。希望JIT优化器在某个时候能够检测到这种毫无意义的“内存反弹”情况并将其删除

---

另一点是，

MultiplyAddAdjacent

部分被浪费了：它有8个乘积，但只有4个是有用的计算，向量的上半部分只是零。如果有两个向量与同一个2x2矩阵相乘，则只需花费很少的额外成本即可完成，这比简单地调用上述函数两次要少得多。

您是否能够使用

System.Runtime.Intrinsics.X86

中的SIMD instrinsics？@harold这些函数在任何系统上都能工作？从微软的文档来看，它们似乎只能在英特尔处理器上工作，如果这是你的意思的话，它可以在英特尔和AMD处理器上工作。但不是ARM。您能从

System.Runtime.Intrinsics.X86

使用SIMD指令集吗？@harold这些指令集在任何系统上都能工作吗？从微软的文档来看，它们似乎只能在英特尔处理器上工作，如果这是你的意思的话，它可以在英特尔和AMD处理器上工作。但不是ARM。同样令人失望的是，启用AVX的编译没有使用

vbroadcastss

而不是

vmovd

+

vpshufd

@PeterCordes是的，可以使用

vec=AVX.BroadcastScalarToVector128（（float*）&v.AsInt16（）手动完成

（仍然会发生内存跳转）同样令人失望的是，启用AVX的编译没有使用

vbroadcastss

而不是

vmovd

+

vpshufd

@PeterCordes是的，可以使用

vec=AVX.BroadcastScalarToVector128（（float*）&v.AsInt16（）手动完成（仍会发生内存跳转）