如何使用 SIMD 指令交换值？

Question

我想在两个 256 位向量 A 和 B 中交换 16 位值。梦幻般的方法是找到一个内部指令来执行此操作。不幸的是，我找不到，而且我认为没有关于这项工作的说明。诸如 shuffle、permute、blend 等指令保留或销毁目标中的值。我要找的内容如下：

vector A : |a0|a1|a2|a3|a4|a5|a6|a7||a8|a9|a10|a11|a12|a13|a14|a15|
Vector B : |b0|b1|b2|b3|b4|b5|b6|b7||b8|b9|b10|b11|b12|b13|b14|b15|
//After swapping
Vector A : |a0|a1|b2|a3|a4|b5|a6|a7||b8|a9|a10|b11|a12|a13|b14|a15|
Vector B : |b0|b1|a2|b3|b4|a5|b6|b7||a8|b9|b10|a11|b12|b13|a14|b15|

所以问题是：当有很多随机播放指令时，交换两个向量的最快方法是什么？

我已经实现了以下程序：

#include <x86intrin.h>
#include <stdio.h>

void printVeci16(__m256i vec)
{
    unsigned short int tempi16[16];
    _mm256_store_si256((__m256i *)&tempi16[0], vec);
    printf("[0]=%2u, [1]=%2u, [2]=%2u, [3]=%2u, [4]=%2u, [5]=%2u, [6]=%2u, [7]=%2u,... [8]=%2u, [9]=%2u, [10]=%2u, [11]=%2u, [12]=%2u, [13]=%2u, [14]=%2u, [15]=%2u \n\n",
     tempi16[0],tempi16[1],tempi16[2],tempi16[3],tempi16[4],tempi16[5],tempi16[6], tempi16[7],tempi16[8],tempi16[9],tempi16[10],tempi16[11],tempi16[12],tempi16[13],tempi16[14],tempi16[15] ) ;

}

int main()
{
    short x[16], y[16];
    __m256i a,  b, temp_a, temp_b;
    __m256i mask = _mm256_set_epi8( 0,0, 0x80,0x80, 0,0, 0,0, 0x80,0x80, 0,0, 0,0       ,0x80,0x80, 0,0, 0,0, 0x80,0x80, 0,0, 0,0, 0x80,0x80, 0,0, 0,0);

    for(int i=0; i<16; i++) {x[i] = i+1; y[i] = i+17;} // make some values for vectors

    a =  _mm256_loadu_si256((__m256i*)x); 
    b = _mm256_loadu_si256((__m256i*)y);

    printf(" original    a : "); printVeci16(a); 
    printf(" original    b : "); printVeci16(b); 

    temp_a = _mm256_blendv_epi8 (a, b, mask);
    temp_b = _mm256_blendv_epi8 (b, a, mask);

    a = temp_a;
    b = temp_b;

    printf("swap         a : ");printVeci16(a); 
    printf("swap         b : ");printVeci16(b); 

    return 0;


}

输出在这里：

original     a : [0]= 1, [1]= 2, [2]= 3, [3]= 4, [4]= 5, [5]= 6, [6]= 7, [7]= 8,... [8]= 9, [9]=10, [10]=11, [11]=12, [12]=13, [13]=14, [14]=15, [15]=16 

original     b : [0]=17, [1]=18, [2]=19, [3]=20, [4]=21, [5]=22, [6]=23, [7]=24,... [8]=25, [9]=26, [10]=27, [11]=28, [12]=29, [13]=30, [14]=31, [15]=32 

swap         a : [0]= 1, [1]= 2, [2]=19, [3]= 4, [4]= 5, [5]=22, [6]= 7, [7]= 8,... [8]=25, [9]=10, [10]=11, [11]=28, [12]=13, [13]=14, [14]=31, [15]=16 

swap         b : [0]=17, [1]=18, [2]= 3, [3]=20, [4]=21, [5]= 6, [6]=23, [7]=24,... [8]= 9, [9]=26, [10]=27, [11]=12, [12]=29, [13]=30, [14]=15, [15]=32 

看起来不错，但是交换不同的元素呢？ 例如：

 vector A : |a0|a1|a2|a3|a4|a5|a6|a7||a8|a9|a10|a11|a12|a13|a14|a15|
 Vector B : |b0|b1|b2|b3|b4|b5|b6|b7||b8|b9|b10|b11|b12|b13|b14|b15|
 //After swapping
 Vector A : |a0|b0|a2|a3|b3|a5|a6|b6||a8|a9 |b9 |a11|a12|b12|a14|a15|
 Vector B : |a1|b1|b2|a4|b4|b5|a7|b7||b8|a10|b10|b11|a13|b13|b14|b15|

它需要另一个实现吗？有什么通用的方法可以更好地交换吗？

我想用一个内联函数来概括这个操作。但是正文是空的，需要一些建议。

inline _mm256_swap_epi16( __m256i a, __m256i b, __m256i mask)
{
    //...
}

Answer 1

实际上，您执行两个操作（随机播放和交换）。所以我可以建议下一个解决方案：

inline void _mm256_shuffle_swap_epi16(__m256i & a, __m256i & b, 
    const __m256i & shuffle, const  __m256i & swap)
{
    __m256i a_shuffled = _mm256_shuffle_epi8(a, shuffle);
    __m256i b_shuffled = _mm256_shuffle_epi8(b, shuffle);
    a = _mm256_blendv_epi8(a_shuffled, b_shuffled, swap);
    b = _mm256_blendv_epi8(b_shuffled, a_shuffled, swap);
}

如果您需要对 256 位向量的所有长度内的值进行洗牌，我建议使用下一个函数而不是 _mm256_shuffle_epi8()：

const __m256i K0 = _mm256_setr_epi8(
    0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70,
    0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0);

const __m256i K1 = _mm256_setr_epi8(
    0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0,
    0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70);

inline const __m256i Shuffle(const __m256i & value, const __m256i & shuffle)
{
    return _mm256_or_si256(_mm256_shuffle_epi8(value, _mm256_add_epi8(shuffle, K0)), 
        _mm256_shuffle_epi8(_mm256_permute4x64_epi64(value, 0x4E), _mm256_add_epi8(shuffle, K1)));
}