Gcc 16个8位值的SSE 4 popcount？
我有以下代码，它使用标志Gcc 16个8位值的SSE 4 popcount？,gcc,counter,sse,intrinsics,population,Gcc,Counter,Sse,Intrinsics,Population,我有以下代码，它使用标志-msse4与GCC一起编译，但问题是pop计数只获取转换后的\uuum128i类型的最后四个8位。基本上，我想要的是计算\uum128i类型中的所有16个数字，但我不确定在创建变量popA后要调用什么内在函数。不知何故，popA必须转换成包含所有128位信息的整数？我想有\u mm\u cvtsi128\u si64并且使用了一些洗牌操作，但我的操作系统是32位的。是否只有洗牌方法和使用\u mm\u cvtsi128\u si32 编辑：如果洗牌方法是唯一的选择，我需
-msse4\uuum128i\uum128ipopApopA\u mm\u cvtsi128\u si64\u mm\u cvtsi128\u si32#include <stdio.h>
#include <smmintrin.h>
#include <emmintrin.h>
int main(void)
{
int A = 1;
__m128i popA = _mm_set_epi8( A, A, A, A, A, A, A, A, A, A, A, A, A, A, A, A);
unsigned int integer = _mm_cvtsi128_si32(popA);
//long long LONG = _mm_cvtsi128_si64(popA);//my OS is 32-bits so no luck here
printf("integer = %d\n", integer);
int pop = _mm_popcnt_u32(integer);
//int popLONG = _mm_popcnt_u64(LONG);
printf("popcount = %d\n", pop);
//printf("popcount LONG = %d\n", popLONG);
return 0;
}
popcnt0x808016个8位值的SSE 4 popcount可通过以下方式并行完成：
#include <stdio.h>
#include <stdint.h>
#include <immintrin.h>
//----------------------------------------------------------------------------
//
// parallelPopcnt16bytes - find population count for 8-bit groups in xmm (16 groups)
// each byte of xmm result contains a value ranging from 0 to 8
//
static __m128i parallelPopcnt16bytes (__m128i xmm)
{
const __m128i mask4 = _mm_set1_epi8 (0x0F);
const __m128i lookup = _mm_setr_epi8 (0, 1, 1, 2, 1, 2, 2, 3, 1, 2, 2, 3, 2, 3, 3, 4);
__m128i low, high, count;
low = _mm_and_si128 (mask4, xmm);
high = _mm_and_si128 (mask4, _mm_srli_epi16 (xmm, 4));
count = _mm_add_epi8 (_mm_shuffle_epi8 (lookup, low), _mm_shuffle_epi8 (lookup, high));
return count;
}
//----------------------------------------------------------------------------
int main (void)
{
int index;
__m128i testVector = _mm_set_epi8 (1, 2, 4, 8, 16, 32, 64, 128, 0, 1, 3, 7, 15, 31, 63, 127);
__m128i counts = parallelPopcnt16bytes (testVector);
printf ("population count for each byte:");
for (index = 15; index >= 0; index--)
{
uint8_t *bytes = (void *) &counts;
printf (" %d", bytes [index]);
}
printf ("\n");
return 0;
}
//----------------------------------------------------------------------------
#包括
#包括
#包括
//----------------------------------------------------------------------------
//
//parallelPopcnt16bytes-查找xmm中8位组的填充计数（16组）
//xmm结果的每个字节都包含一个从0到8的值
//
静态uum128i并行POPCNT16bytes（uuuum128i xmm）
{
常数m128i mask4=\u mm\u set1\u epi8（0x0F）；
常量m128i查找=_mm_setr_epi8（0,1,1,2,2,3,1,2,2,3,2,3,3,3,3,3,3,4）；
__m128i低、高、计数；
低=_mm_和_si128（mask4，xmm）；
高=_mm_和_si128（mask4，_mm_srli_epi16（xmm，4））；
计数=_mm_add_epi8（_mm_shuffle_epi8（查找，低），_mm_shuffle_epi8（查找，高））；
返回计数；
}
//----------------------------------------------------------------------------
内部主（空）
{
整数指数；
__m128i testVector=_mm_set_epi8（1,2,4,8,16,32,64,128,0,1,3,7,15,31,63,127）；
__m128i计数=parallelPopcnt16bytes（testVector）；
printf（“每个字节的总体计数：”）；
对于（索引=15；索引>=0；索引--）
{
uint8_t*字节=（void*）和计数；
printf（“%d”，字节[索引]）；
}
printf（“\n”）；
返回0；
}
//----------------------------------------------------------------------------
和循环8次，比较为零，然后进行加法，然后对最终结果求反，应该能够在26条指令中生成所有16个结果，并且少于26个周期，因为循环迭代不相关。您有可能为我编写这部分代码吗？我不太确定该使用什么本质。仍然是新的。@user2555139请参见编辑。实际上是32英寸，但谁在数呢。我仍然没有尝试编译任何东西，请发布它是否有效以及速度有多快。我已经尽了最大努力，请查看上面我的帖子以了解错误。很抱歉，我没有足够的能力找出原因。您是希望对整个128位向量进行一次总体计数，还是希望对16次总体计数，每8位元素一次？哪种更有效地使用。我现在认为，对于一组int
来说，使用片上popcount并不好，在32位操作系统上使用64位数据也没用。到目前为止，popcnt还不是瑞士军刀式教学法的雏形。也许到了SSE 5，它会变得很棒。@PaulR我需要它来处理8位值。@user2555139对不起，它是\u mm\u和（）
而不是\u mm\u和ps
。序列是0x80、0x40、0x20、0x10、0x08、0x04、0x02、0x01。事实上，按什么顺序执行它们并不重要，只要每个位置值只使用一次就行了popcount.c | 10 |错误：使用类型“int”初始化类型“u m128i”时，类型不兼容。
。我添加了标志-msse-msse2-msse3-msse4
，并且我正在使用标题#include#include#include#include
还能是什么？这行计数=_mm_add_epi8（_mm_shuffle#epi8（查找，低），_mm_shuffle#epi8（查找，高））给了我2个错误<代码>错误：参数1的“_mm_add_epi8”的类型不兼容；错误：参数2的类型不兼容“_mm_add_epi8”|
。我不得不使用GCC添加#include
。添加#include解决了问题吗？我只使用Microsoft VS2012和mingw+gcc测试了这段代码。非常好-我刚刚编写了一个几乎相同的例程，但你比我快。请注意，（至少在英特尔CPU上）这只需要SSSE3（用于PSHUFB
），而不需要SSE4，即#include
。又好又快！仅在注释中，“xmm结果的每个字节都包含一个从0到8的值。”感谢您的更正。我相信这一切都归功于沃伊切赫·穆拉。AVX2自适应是可能的（），在某些情况下甚至可能比popcnt指令更快。
/* init */
__m128i bit0 = _mm_set1_epi8( 0x80 );
__m128i mask0 = _mm_and_si128( in, bit0 );
__m128i sum = _mm_cmpeq_epi8( mask0, _mm_setzero_si128() );
/* general pattern */
__m128i bit1 = _mm_set1_epi8( 0x40 );
__m128i mask1 = _mm_and_si128( in, bit1 );
mask1 = _mm_cmpeq_epi8( mask1, _mm_setzero_si128() );
sum = _mm_add_epi8( sum, mask1 );
/* next bit */
__m128i bit2 = _mm_set1_epi8( 0x20 );
__m128i mask2 = _mm_and_si128( in, bit2 );
mask2 = _mm_cmpeq_epi8( mask2, _mm_setzero_si128() );
sum = _mm_add_epi8( sum, mask2 );
...
/* finish up */
sum = _mm_sub_epi8( _mm_setzero_si128(), sum );
#include <stdio.h>
#include <stdint.h>
#include <immintrin.h>
//----------------------------------------------------------------------------
//
// parallelPopcnt16bytes - find population count for 8-bit groups in xmm (16 groups)
// each byte of xmm result contains a value ranging from 0 to 8
//
static __m128i parallelPopcnt16bytes (__m128i xmm)
{
const __m128i mask4 = _mm_set1_epi8 (0x0F);
const __m128i lookup = _mm_setr_epi8 (0, 1, 1, 2, 1, 2, 2, 3, 1, 2, 2, 3, 2, 3, 3, 4);
__m128i low, high, count;
low = _mm_and_si128 (mask4, xmm);
high = _mm_and_si128 (mask4, _mm_srli_epi16 (xmm, 4));
count = _mm_add_epi8 (_mm_shuffle_epi8 (lookup, low), _mm_shuffle_epi8 (lookup, high));
return count;
}
//----------------------------------------------------------------------------
int main (void)
{
int index;
__m128i testVector = _mm_set_epi8 (1, 2, 4, 8, 16, 32, 64, 128, 0, 1, 3, 7, 15, 31, 63, 127);
__m128i counts = parallelPopcnt16bytes (testVector);
printf ("population count for each byte:");
for (index = 15; index >= 0; index--)
{
uint8_t *bytes = (void *) &counts;
printf (" %d", bytes [index]);
}
printf ("\n");
return 0;
}
//----------------------------------------------------------------------------