_mm256_shuffle_epi8 在这个 Game of Life 实现中有何意义？

Question

为使用内部函数实现Conway's Game of Life 做作业找到了工作代码，但无法理解它的主要部分。

此实现首先计算每个销售的存活邻居数量并将结果存储在数组counts 中，因此销售（世界）数组为states。我无法真正了解newstate 是如何在这里生成的。我了解左移是如何工作的，按位 OR 是如何工作的，但我不明白为什么要这样使用它们，为什么 shufmask 会这样以及随机播放是如何工作的。如果数组元素的类型是 uint8_t，也无法理解为什么使用 _mm256_slli_epi16。所以我的问题都是关于这个字符串

__m256i newstate = _mm256_shuffle_epi8(shufmask, _mm256_or_si256(c, _mm256_slli_epi16(oldstate, 3)));

你能帮我解释一下吗，笨蛋，如果可能最详细，它是如何工作的。

void gameoflife8vec(uint8_t *counts, uint8_t *states, size_t width, size_t height) {
assert(width % (sizeof(__m256i)) == 0);
size_t awidth = width + 2;
computecounts8vec(counts, states, width, height);
__m256i shufmask =
    _mm256_set_epi8(
        0, 0, 0, 0, 0, 1, 1, 0,
        0, 0, 0, 0, 0, 1, 0, 0,
        0, 0, 0, 0, 0, 1, 1, 0,
        0, 0, 0, 0, 0, 1, 0, 0
    );
for (size_t i = 0; i < height; i++) {
    for (size_t j = 0; j < width; j += sizeof(__m256i)) {
        __m256i c = _mm256_lddqu_si256(
            (const __m256i *)(counts + (i + 1) * awidth + j + 1));
        c = _mm256_subs_epu8(
            c, _mm256_set1_epi8(
                1)); // max was 8 = 0b1000, make it 7, 1 becomes 0, 0 remains 0

        __m256i oldstate = _mm256_lddqu_si256(
            (const __m256i *)(states + (i + 1) * awidth + j + 1));
        __m256i newstate = _mm256_shuffle_epi8(
            shufmask, _mm256_or_si256(c, _mm256_slli_epi16(oldstate, 3)));
        _mm256_storeu_si256((__m256i *)(states + (i + 1) * awidth + (j + 1)),
            newstate);
    }
}
}

数组的内存是这样分配的

uint8_t *states = (uint8_t *)malloc((N + 2) * (N + 2) * sizeof(uint8_t));
uint8_t *counts = (uint8_t *)malloc((N + 2) * (N + 2) * sizeof(uint8_t));

也可以在这里找到源代码https://github.com/lemire/SIMDgameoflife

Answer 1

shuffle_epi8 在这里用作并行查表，具有恒定的第一个操作数和可变的第二个操作数。

Daniel 的代码进行了一些计算，为向量中的每个字节生成一个 4 位整数，然后使用 _mm256_shuffle_epi8 将这些整数映射到 0 / 1 个生死攸关的新状态。

请注意，shufmask 的低通道和高通道是相同的：两个通道的查找表相同。 （这不是车道交叉洗牌，它是来自 2x 16 字节表的 32 次并行查找，使用每个元素中的低 4 位。高位将其清零。）请参阅intrinsic 和 asm instruction 文档。

---

shufmask 是一个糟糕的变量名选择。 不是随机控制向量。 alivetable 可能是更好的选择。

---

使用 [v]pshufb 实现 16 项 LUT 是一种（相当）众所周知的技术。 例如，它是一种比标量更快的大型数组实现 popcnt 的方法，拆分字节转换为低/高半字节并查找 4 位 popcnt 结果。见Counting 1 bits (population count) on large data using AVX-512 or AVX-2，特别是https://github.com/WojciechMula/sse-popcount/blob/master/popcnt-avx2-lookup.cpp