如何使用英特尔内在函数重新排序 128 位向量？

【问题标题】：How can I reorder a 128 bit vector using Intel intrinsics?如何使用英特尔内在函数重新排序 128 位向量？
【发布时间】：2017-06-25 14:37:13
【问题描述】：

我有一个 4 个浮点数的 128 位向量已经计算出来，我想像这样改变这个向量的顺序：

Vector A before reordering
+---+---+---+---+
| a | b | c | d |
+---+---+---+---+

Vector A after reordering
+---+---+---+---+
| b | a | c | d |
+---+---+---+---+

正如我所说的，向量是通过早期计算计算出来的，所以无法使用_mm_set_ps()...有人知道如何完成吗？

【问题讨论】：

用 gcc 或 clang 编译 __m128 f(__m128 x){return _mm_setr_ps(x[1],x[0],x[2],x[3]);} 和 -O3 -msse4 产生 shufps $225, %xmm0, %xmm0，看起来像是一个强烈的提示......
查看software.intel.com/sites/landingpage/IntrinsicsGuide 以获得方便的搜索工具，以及sse tag wiki 和x86 tag wiki 中的其他链接。如果你发现你的代码有太多的洗牌，看看重新排列你的数据结构，或者你如何向量化一个嵌套循环，尽可能减少洗牌的数量。

标签： c x86 sse simd intrinsics

【解决方案1】：

您正在寻找 SHUFPS instruction（随机压缩单精度浮点数）。
对应的内在函数是_mm_shuffle_ps：

__m128 _mm_shuffle_ps(__m128 a, __m128 b, unsigned int imm8);

第三个参数，一个 8 位立即数，是排列。这表明您希望如何对值进行混洗。要以可读的方式创建它，您需要使用 _MM_SHUFFLE 宏。这是_MM_SHUFFLE 工作原理的有用图形描述，取自some old Microsoft documentation：

【讨论】：

当目标 xmm 寄存器与第一个源 xmm 寄存器 (m3 == m1) 相同时，编译器是否会识别，以便它执行就地洗牌（使用单个 SHUFPS 指令）而不是使用临时 xmm 寄存器？
我一般会跳过_MM_SHUFFLE，把它写成base 4，然后转换成base 16。base 4中的1032变成(1*4+0)*16 + (3*4+2) = 0x4E。
为什么反对_MM_SHUFFLE、@Zboson？我不明白 0x4E 怎么会比 _MM_SHUFFLE(1,0,3,2) 更清晰。