SSE和AVX的频道/通道改组？

Question

什么SSE/AVX指令改变车道的a样子b和c？

float4 a = {data[0], data[1], data[2], data[3]};
float4 b = {data[1], data[2], data[3], data[0]};  // lanes shifted left
float4 c = {data[3], data[0], data[1], data[2]};  // lanes shifted right

float8 a = {data[0], data[1], data[2], data[3],
            data[4], data[5], data[6], data[7]};
float8 b = {data[1], data[2], data[3], data[4],
            data[5], data[6], data[7], data[0]};  // lanes shifted left
float8 c = {data[7], data[0], data[1], data[2],
            data[3], data[4], data[5], data[6]};  // lanes shifted right

背景:

我有一个算法需要来自其邻居点的值; 这意味着我正在混合对齐的载荷和未对齐的载荷:

(
      plate[row + 1][column]    // aligned
    + plate[row - 1][column]    // aligned
    + plate[row][column + 1]    // unaligned
    + plate[row][column - 1]    // unaligned
    + (4 * plate[row][column])  // aligned
) / 8;

这是在SSE:

__m128 bottom  = _mm_load_ps(&from[row-1][column]);
__m128 left    = _mm_loadu_ps(&from[row][column-1]);
__m128 middle  = _mm_load_ps(&from[row][column]);
__m128 right   = _mm_loadu_ps(&from[row][column+1]);
__m128 top     = _mm_load_ps&from[row+1][column]);

(top + bottom + left + right + _mm_set1_ps(4.0f) * middle) * _mm_set1_ps(0.125f);

我意识到当前和左或右的值只相差一个值.所以我有这样的想法,我可能不是在进行两次未对齐的加载,而是可以对通道进行随机播放,然后插入一个不同的值.我需要检查指令上的延迟/吞吐量,看看是否会更快,但我不熟悉这些SSE/AVX指令中的任何一种.

Answer 1

在最近的 Intel CPU（Core i7 等）上，未对齐负载是一种合理的方法，但在较旧的 CPU 上，它相对昂贵。另一种方法是使用_mm_alignr_epi8( PALIGNR) - 通常您沿着一行迭代并维护 3 个连续的向量 - 每次迭代后，您将这些向量沿着一个方向打乱，然后加载一个新向量，因此每次迭代只有一个加载。

__m128 va = _mm_setzero_ps();
__m128 vb = _mm_load_ps(&from[row][0]);
for (col = 0; col < N; col += 4)
{
    __m128 vc = _mm_load_ps(&from[row][col + 4]);

    __m128 centre = vb;
    __m128 left = (__m128)_mm_alignr_epi8((__m128i)va, (__m128i)vb, sizeof(float));
    __m128 right = (__m128)_mm_alignr_epi8((__m128i)vb, (__m128i)vc, 3 * sizeof(float));

    // do stuff ...

    va = vb;  // shuffle vectors along
    vb = vc;
}

由于 128 位通道的限制，AVX 有点棘手 - 您最好坚持使用未对齐的负载。