Optimization 以奇数顺序水平添加向量元素的最快方法是什么？

据我所知，这次我实现了5乘5和7乘7的水平加法。它正确地完成了任务，但速度不够快。 它能比现在快吗？我尝试使用

hadd

和其他指令，但改进受到限制。例如，当我使用

\u mm256\u bsrli\u epi128

时，它稍微好一点，但它需要一些额外的排列，这会因为车道而破坏好处。因此，问题是应该如何实现它以获得更高的性能。同样的故事也适用于9个元素等

这将水平添加5个元素，并将结果放置在0、5和10处：

//它将结果放在0、5和10处
内嵌式m256i mm256 hadd5x5 epi16（m256i a）
{
__m256i a1、a2、a3、a4；
a1=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，1*2）；
a2=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，2*2）；
a3=_mm256_bsrli_epi128（a2，2）；
a4=mm256_bsrli_epi128（a3，2）；
返回"mm256"添加"epi16(mm256"添加"epi16)(mm256"添加"epi16(a1,a2),"mm256"添加"epi16(a；
}

这将水平添加7个元素，并将结果放在0和7处：

inline\uuuum256i\umm256\uhadd7x7\uepi16（\uuuum256i a）
{
__m256i a1、a2、a3、a4、a5、a6；
a1=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，1*2）；
a2=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，2*2）；
a3=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，3*2）；
a4=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，4*2）；
a5=校准器epi8（\uMM256\uPermute2x128\uSI256（a，\uMM256\uSetZero\uSI256（），0x31），a，5*2）；
a6=mm256_Aligner_epi8（mm256_permute2x128_si256（a，mm256_setzero_si256（），0x31），a，6*2）；
返回"mm256"添加"epi16（"mm256"添加"epi16(a1,a2),"mm256"添加"epi16(a5,a6),"mm256"添加"epi16(a5,a6,a)；
}

实际上，用更少的指令计算这些总和是可能的。想法是积累 部分和不仅在第10、5和0列中，而且在其他列中。这减少了

vpaddw

说明以及与您的解决方案相比的“洗牌”次数

#包括
#包括
/*gcc-O3-Wall-m64-march=haswell hor_sum5x5.c*/
int print_vec_short（__m256ix）；
int print_10_5_0_short（uu m256i x）；
__m256i-mm256-hadd5x5-epi16（m256i-a）；
__m256i-mm256-hadd7x7-epi16（m256i-a）；
int main（）{
短x[16]；
对于（int i=0；i完美的解决方案。从0到9的9个相邻元素如何，并将总和放在0处？@FackedDeveloper:您可以通过两个步骤完成此操作：1.将总和中不需要的短整数归零。2.计算所有16个短整数的（完整）水平和：
tb=\u mm256\u和\u si256（ta，\u mm256\u set\16（0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 0,0,0 0,0 0 0 0,0 0 0,0 0,0 0,0 0 0 0,0 0 0,0 0 0 0,0 0 0,0,0,0,0,0,0,0,0 0,0,0 0,0 0 0 0,0 0 0,0 0,0,0,0,0,0,0,0 0,0,0,0 0,0,0 0,0 0,0,0,0 0 0,0,0,0,0,0,0,0,0 0 0,0,0,0,0,0,0 0,0,0,0 0,0 0 0 0 0,0,0 0 0,0 0 0,0 0,0,0,0,0,0,0,0,0 0 0,0 0 0,0,0,0 0 0 0,0 0,0,0 0 0 0 0 0 th，8）；总和=\u mm256\u相加\u epi16（ti，th）；
$ ./a.out
t0  =   16   15   14   13 |   12   11   10    9 |    8    7    6    5  |    4    3    2    1 
t2  =    2    1   16   15 |   14   13   12   11 |   10    9    8    7  |    6    5    4    3 
t02 =   18   16   30   28 |   26   24   22   20 |   18   16   14   12  |   10    8    6    4 
t3  =    0    0    2    1 |   16   15   14   13 |    0    0   10    9  |    8    7    6    5 
t023=   18   16   32   29 |   42   39   36   33 |   18   16   24   21  |   18   15   12    9 
t13 =    0   18   16   30 |    0   26   24   22 |    0   18   16   14  |    0   10    8    6 
sum =   18   34   48   59 |   42   65   60   55 |   18   34   40   35  |   18   25   20   15 

Vector elements of interest: columns  10, 5, 0:
t0  [10, 5, 0]  =   11    6    1   
t2  [10, 5, 0]  =   13    8    3   
t02 [10, 5, 0]  =   24   14    4   
t3  [10, 5, 0]  =   15   10    5   
t023[10, 5, 0]  =   39   24    9   
t13 [10, 5, 0]  =   26   16    6   
sum [10, 5, 0]  =   65   40   15   

Sum with _mm256_hadd5x5_epi16(t0)
sum [10, 5, 0]  =   65   40   15   


Sum of short ints 13...7 and short ints 6...0:
t     =   16   15   14   13 |   12   11   10    9 |    8    7    6    5  |    4    3    2    1 
t0    =    8    0   14   13 |   12   11   10    9 |    0    7    6    5  |    4    3    2    1 
t1    =    9    8    0   14 |   13   12   11   10 |    1    0    7    6  |    5    4    3    2 
t01   =   17    8   14   27 |   25   23   21   19 |    1    7   13   11  |    9    7    5    3 
t23   =   21   19   17    8 |   14   27   25   23 |    5    3    1    7  |   13   11    9    7 
t0123 =   38   27   31   35 |   39   50   46   42 |    6   10   14   18  |   22   18   14   10 
t4567 =   39   50   46   42 |   38   27   31   35 |   22   18   14   10  |    6   10   14   18 
sum08 =   77   77   77   77 |   77   77   77   77 |   28   28   28   28  |   28   28   28   28 
sum   =   77   77   77   77 |   77   77   77   77 |   77   77   28   28  |   28   28   28   28 

Sum with _mm256_hadd7x7_epi16(t)     (the answer is in column 0 and in column 7)
sum   =   16   31   45   58 |   70   81   91   84 |   77   70   63   56  |   49   42   35   28