C ++ SSE Intrinsics：将结果存储在变量中[关闭]

Question

我无法理解如何使用 SSE 内在函数将一些 SIMD 计算的结果存储回“正常变量”。例如 _mm_store_ps 内在函数在“Intel Intrinsics Guide”中描述如下：

void _mm_store_ps (float* mem_addr, __m128 a)

存储 128 位（由 4 个打包单精度（32 位）组成） 浮点元素）从 a 到内存。 mem_addr 必须对齐 在 16 字节边界上或一般保护异常可能是 生成。

第一个参数是一个指针，指向一个大小为 32 位的浮点数。但描述指出，内在函数会将 128 位从 a 复制到目标 mem_addr。

• mem_addr 是否需要为 4 个浮点数的数组？
• 如何仅访问 a 中的特定 32 位元素并将其存储在单个浮点数中？
• 我在概念上缺少什么？
• 还有比 _mm_store_ps 内在函数更好的选择吗？

这是一个简单的结构，其中 doSomething() 将 1 加到结构的 x/y 上。缺少的是关于如何将结果存储回 x/y 的部分，而仅使用较高的 32 位宽元素 2 和 3，而未使用 1 和 0。

struct vec2 {
   union {
         struct {
            float data[2];
         };
         struct {
            float x, y;
         };
      };

   void doSomething() {
      __m128 v1 = _mm_setr_ps(x, y, 0, 0);
      __m128 v2 = _mm_setr_ps(1, 1, 0, 0);
      __m128 result = _mm_add_ps(v1, v2);
      // ?? How to store results in x,y ??
   }
}

Answer 1

这是一个 128 位的加载或存储，所以是的，arg 类似于 float mem[4]。请记住，在 C 中，将数组传递给函数/内部函数与传递指针相同。

英特尔的内在函数有些特殊，因为它们不遵循正常的严格别名规则，至少对于整数而言。 （例如_mm_loadu_si128((const __m128i*)some_pointer) 不违反严格别名，即使它是指向long 的指针。我认为这同样适用于浮动/双重加载/存储内在函数，因此您可以安全地使用它们从/到加载/存储随便你。通常你会使用 _mm_load_ps 来加载单精度 FP 位模式，但通常你会将它们保存在 float 类型的 C 对象中。

如何仅访问 a 中的特定 32 位元素并将其存储在单个浮点数中？

使用矢量洗牌，然后_mm_cvtss_f32 将矢量转换为标量。

---

加载/存储 64 位

理想情况下，您可以同时操作 2 个向量，或者一个 X 值数组和一个 Y 值数组，因此对于一对向量，您将获得 4 对 XY 坐标的 X 和 Y 值。 （数组结构而不是结构数组）。

但是你可以像这样有效地表达你想要做的事情：

struct vec2 {
    float x,y;
};

void foo(const struct vec2 *in, struct vec2 *out) {
    __m128d tmp = _mm_load_sd( (const double*)in );  //64-bit zero-extending load with MOVSD
    __m128  inv = _mm_castpd_ps(tmp);             // keep the compiler happy
    __m128  result = _mm_add_ps(inv,  _mm_setr_ps(1, 1, 0, 0) );

    _mm_storel_pi( out, result );
}

GCC 8.2 compiles it like this (on Godbolt)，对于 x86-64 System V，奇怪的是使用 movq 而不是 movsd 进行负载。 gcc 6.3 使用movsd。

foo(vec2 const*, vec2*):
        movq    xmm0, QWORD PTR [rdi]           # 64-bit integer load
        addps   xmm0, XMMWORD PTR .LC0[rip]     # packed 128-bit float add
        movlps  QWORD PTR [rsi], xmm0           # 64-bit store
        ret

对于向量低半部分的 64 位存储（2 个floats 或 1 个double），您可以使用_mm_store_sd。或者更好的_mm_storel_pi (movlps)。不幸的是，它的内在函数需要 __m64* arg 而不是 float*，但这只是英特尔内在函数的设计怪癖。它们通常需要类型转换。

请注意，我使用 _mm_load_sd((const double*)&(in->x)) 代替 _mm_setr 进行 64 位加载，该加载将零扩展为 128 位向量。您不想要 movlps 加载，因为它会合并到现有向量中。这将对之前的任何值产生错误的依赖，并花费额外的 ALU uop。