将 AVX 256 向量元素按左/右 1 个位置随机播放 - C 内在函数

Question

我正在尝试找到一种更有效的方法来“旋转”或将 avx _m256 向量中的 32 位浮点值向右或向左移动一个位置。

这样：

a7、a6、a5、a4、a3、a2、a1、a0

变成

0、a7、a6、a5、a4、a3、a2、a1

（我不介意在我更换单元格时数据是否会丢失。）

我已经看过这个帖子：Emulating shifts on 32 bytes with AVX 但我不太明白发生了什么，也没有解释 _MM_SHUFFLE(0, 0, 3, 0) 作为输入参数的作用。

---

我正在尝试优化这段代码：

_mm256_store_ps(temp, array[POS(ii, jj)]);
_mm256_store_ps(left, array[POS(ii, jj-1)]);

tmp_array[POS(ii, jj)] = _mm256_set_ps(left[0], temp[7], temp[6], temp[5], temp[4], temp[3], temp[2], temp[1]);

我知道一旦换档到位，我可以使用插入来替换剩余的单元格。我觉得这会比解包到 float[8] 数组并重建更有效。

-- 我还希望能够左右移动，因为我需要在其他地方执行类似的操作。

非常感谢任何帮助！谢谢！

Answer 1

对于 AVX2：

使用VPERMPS 在一个车道交叉洗牌指令中完成。

rotated_right = _mm256_permutevar8x32_ps(src, _mm256_set_epi32(0,7,6,5,4,3,2,1));

---

对于 AVX（无 AVX2）

既然你说数据已经来自内存，这可能很好：

• 使用未对齐的负载将 7 个元素放置到正确的位置，从而解决所有的车道交叉问题。
• 然后将环绕的元素混合到其他 7 个的向量中。
• 要获得就地包裹以进行混合的元素，可以使用广播负载将其置于高位。 AVX 可以在一条VBROADCASTPS 指令中进行广播加载（因此set1() 很便宜），尽管它确实需要英特尔 SnB 和 IvB 上的随机端口（英特尔仅有的两个具有 AVX 而不是 AVX2 的微架构）。 （请参阅x86 标签 wiki 中的性能链接。

INSERTPS 仅适用于 XMM 目的地，无法到达上车道。

您也许可以使用 VINSERTF128 进行另一个未对齐的加载，最终将您想要的元素作为高元素放在上车道（在低车道有一些无关向量）。

这可以编译，但未经测试。

__m256 load_rotr(float *src)
{
#ifdef __AVX2__
    __m256 orig = _mm256_loadu_ps(src);
    __m256 rotated_right = _mm256_permutevar8x32_ps(orig, _mm256_set_epi32(0,7,6,5,4,3,2,1));
    return rotated_right;
#else
    __m256 shifted = _mm256_loadu_ps(src + 1);
    __m256 bcast = _mm256_set1_ps(*src);
    return _mm256_blend_ps(shifted, bcast, 0b10000000);
#endif
}

见the code + asm on Godbolt