使用 SSE 在 __m128i 向量中获取最大值？答案

【问题标题】：Getting max value in a __m128i vector with SSE?使用 SSE 在 __m128i 向量中获取最大值？
【发布时间】：2012-04-10 06:51:18
【问题描述】：

我刚刚开始使用 SSE，我很困惑如何获得 __m128i 的最大整数值 (max)。例如：

__m128i t = _mm_setr_ps(0,1,2,3);
// max(t) = 3;

四处搜索使我找到了MAXPS 指令，但我似乎无法找到如何将它与"xmmintrin.h" 一起使用。

此外，您是否会推荐任何有关 "xmmintrin.h" 的文档，而不是查看头文件本身？

【问题讨论】：

您需要的随机播放与水平总和或几乎任何其他水平缩减相同。请参阅stackoverflow.com/questions/6996764/… 了解浮点、整数和双精度的一些优化版本，以及 SSE2、SSE3 和 AVX。还讨论了哪些 shuffle 在哪些 CPU 上是最佳的。
这个问题似乎对浮点数和整数感到困惑。 __m128i 是一个整数向量。 *_ps 和 MAXPS 是打包单浮点数。有关文档，请参阅 the SSE tag wiki 的链接，以及 stackoverflow.com/tags/x86/info 的更多链接。一个非常好的资源是Intel's intrinsics search/finder，其中详细介绍了每个资源的作用，但没有 asm 说明参考手册中的详细信息。

标签： c assembly x86 sse

【解决方案1】：

SSE 中没有水平最大操作码（至少在我停止跟踪新 SSE 指令之前）。

所以你被困在做一些洗牌。你最终得到的是......

movhlps %xmm0, %xmm1            # Move top two floats to lower part of %xmm1
maxps   %xmm1, %xmm0            # Get minimum of sets of two floats
pshufd  $0x55, %xmm0, %xmm1     # Move second float to lower part of %xmm1
maxps   %xmm1, %xmm0            # Get minimum of all four floats originally in %xmm0

http://locklessinc.com/articles/instruction_wishlist/

MSDN 记录了内在和宏函数映射

http://msdn.microsoft.com/en-us/library/t467de55.aspx

【讨论】：

【解决方案2】：

根据this page，没有水平最大值，需要垂直测试元素：

movhlps xmm1,xmm0         ; Move top two floats to lower part of xmm1
maxps   xmm0,xmm1         ; Get maximum of the two sets of floats
pshufd  xmm1,xmm0,$55     ; Move second float to lower part of xmm1
maxps   xmm0,xmm1         ; Get minimum of the two remaining floats

反之，求最小值：

movhlps xmm1,xmm0
minps   xmm0,xmm1
pshufd  xmm1,xmm0,$55
minps   xmm0,xmm1

【讨论】：

pshufd between maxps 指令在许多 CPU（包括 Intel）上具有额外的延迟。 SSE3 movshdup 将在寄存器的每一半中复制上部浮点数，因此您可以使用它来避免 movaps 复制。
@PeterCordes，您能编写自己的优化解决方案吗？如果它是浮点数的向量会有所不同吗？谢谢。
@Royi：这个答案 is 用于float 的向量（因为这个问题的标题错误或混淆了浮点数与整数，请参阅我的 cmets题）。针对哪些微架构进行了优化，并针对 SSE 的哪个级别进行了优化？上证三？还是仅限于 SSE2？还是AVX2？请参阅stackoverflow.com/questions/6996764/…（但将add 替换为max）了解各种优化的浮点和整数洗牌。
假设 SSE4。针对 Haswell 及更高版本进行了优化。谢谢。 P.S.我的意思是使用SSE Intrinsics，上面的不是Assembly吗？
@PeterCordes，我使用了它，可以在这里展示 - codereview.stackexchange.com/questions/177658。这是你的意思吗？知道为什么它仍然这么慢吗？

【解决方案3】：

如果您发现自己需要对向量进行水平操作，尤其是当它位于内部循环中时，那么这通常表明您正在以错误的方式处理 SIMD 实现。 SIMD 喜欢在向量上按元素操作 - 如果您愿意，可以“垂直”而不是水平。

至于文档，有一个 very useful reference on intel.com，其中包含所有操作码和内部函数，从 MMX 到各种风格的 SSE，一直到 AVX 和 AVX-512。

【讨论】：

感谢您的链接。水平部分仅用于循环条件，但我会修改我的方法
链接当前为：software.intel.com/sites/landingpage/IntrinsicsGuide
@MarkLakata：谢谢-答案已更新-我想念旧的离线指南-以及在没有互联网连接的情况下工作，它也很有用，因为您可以抓取数据以用于其他用途。不过没关系 - 新的在线版本仍然很好。

【解决方案4】：

如果有人关心，并且由于这些天内在函数似乎是要走的路，这里是内在函数方面的解决方案。

int horizontal_max_Vec4i(__m128i x) {
    __m128i max1 = _mm_shuffle_epi32(x, _MM_SHUFFLE(0,0,3,2));
    __m128i max2 = _mm_max_epi32(x,max1);
    __m128i max3 = _mm_shuffle_epi32(max2, _MM_SHUFFLE(0,0,0,1));
    __m128i max4 = _mm_max_epi32(max2,max3);
    return _mm_cvtsi128_si32(max4);
}

我不知道这是否比这更好：

int horizontal_max_Vec4i(__m128i x) {
    int result[4] __attribute__((aligned(16))) = {0};
    _mm_store_si128((__m128i *) result, x);
    return max(max(max(result[0], result[1]), result[2]), result[3]); 
}

【讨论】：