使用 SSE 的水平最小值和最大值

Question

我有一个使用 SSE 做很多事情的函数，分析器显示我用来计算水平最小值和最大值的代码部分大部分时间都在消耗。

例如，我一直在使用以下实现：

static inline int16_t hMin(__m128i buffer) {
    buffer = _mm_min_epi8(buffer, _mm_shuffle_epi8(buffer, m1));
    buffer = _mm_min_epi8(buffer, _mm_shuffle_epi8(buffer, m2));
    buffer = _mm_min_epi8(buffer, _mm_shuffle_epi8(buffer, m3));
    buffer = _mm_min_epi8(buffer, _mm_shuffle_epi8(buffer, m4));
    return ((int8_t*) ((void *) &buffer))[0];
}

如你所见，我需要计算 16 个 1 字节整数的最小值和最大值。

非常感谢任何好的建议:)

谢谢

Answer 1

SSE 4.1 的指令几乎可以满足您的需求。它的名字是PHMINPOSUW，C/C++内在是_mm_minpos_epu16。它仅限于 16 位无符号值，不能给出最大值，但这些问题很容易解决。

1. 如果您需要找到最少的非负字节，则什么也不做。如果字节可能为负数，则每个字节加 128。如果您需要最大值，请从 127 中减去每个。
2. 使用_mm_srli_pi16 或_mm_shuffle_epi8，然后使用_mm_min_epu8 在某些XMM 寄存器的偶数字节中获得8 个成对的最小值，在奇数字节中获得零。 （这些零是由移位/洗牌指令产生的，应该在_mm_min_epu8 之后保留在它们的位置。
3. 使用_mm_minpos_epu16 找出这些值中的最小值。
4. 使用_mm_cvtsi128_si32 提取得到的最小值。
5. 撤消步骤 1 的效果以获取原始字节值。

这是一个最多返回 16 个有符号字节的示例：

static inline int16_t hMax(__m128i buffer)
{
    __m128i tmp1 = _mm_sub_epi8(_mm_set1_epi8(127), buffer);
    __m128i tmp2 = _mm_min_epu8(tmp1, _mm_srli_epi16(tmp1, 8));
    __m128i tmp3 = _mm_minpos_epu16(tmp2);
    return (int8_t)(127 - _mm_cvtsi128_si32(tmp3));
}

Answer 2

我建议进行两个更改：

• 将((int8_t*) ((void *) &buffer))[0] 替换为_mm_cvtsi128_si32。

• 将_mm_shuffle_epi8 替换为_mm_shuffle_epi32/_mm_shufflelo_epi16，这在最近的 AMD 处理器和 Intel Atom 上具有更低的延迟，并且可以节省内存加载操作：

  static inline int16_t hMin(__m128i buffer)
  {
      buffer = _mm_min_epi8(buffer, _mm_shuffle_epi32(buffer, _MM_SHUFFLE(3, 2, 3, 2)));
      buffer = _mm_min_epi8(buffer, _mm_shuffle_epi32(buffer, _MM_SHUFFLE(1, 1, 1, 1)));
      buffer = _mm_min_epi8(buffer, _mm_shufflelo_epi16(buffer, _MM_SHUFFLE(1, 1, 1, 1)));
      buffer = _mm_min_epi8(buffer, _mm_srli_epi16(buffer, 8));
      return (int8_t)_mm_cvtsi128_si32(buffer);
  }