提取__m128i中每个布尔字节的低位？布尔数组到打包位图

Question

（编者注：这个问题最初是： 一个人应该如何访问__m128i对象的m128i_i8成员或一般成员？，试图对GCC的定义使用MSVC特定的方法__m128i。但这是一个XY问题，并且已被接受。答案是关于XY问题。另一个答案确实回答了这个问题。）

我意识到Microsoft建议不要直接访问这些对象的成员，但是我需要对其进行设置，因此非常缺乏文档。

我继续收到错误“我在'（我的var名）'中请求成员'm128i_i8'，它是非类类型'wirelabel {aka __vector（2）long long int}'”的错误，因为我已包含所有正确的标头，并且可以识别__m128i变量。

注意1：wirelabel是__m128i的typedef，即在标头中存在

typedef __m128i wirelabel 

注意2：使用注释 1的原因在下面的其他问题中进行了解释： tbb :: cache_aligned_allocator：通过__m128i获取“对成员的请求...非类类型的请求”。用户错误或错误？

注意3：我正在使用编译器g ++

注意4：以下问题不能回答我的问题，但会讨论相关信息为什么不直接访问__m128i字段？

我也知道有一个_mm_set_epi8函数，但是它要求您一次设置所有8位部分，而这对我来说目前不是一个选择。

---

接受答案的问题回答：

编辑：有人问我为什么我需要访问__m128i对象的16个8位部分中的每个细节，这是为什么：我有一个bool大小为'n * 128' 的数组（n为size_t ），我需要将它们存储在大小为'n'的'wirelabel'数组中。

现在，由于wirelabel只是__m128i的别名/ typedef（如果有区别，请纠正我），因此可以将128个布尔的“ n”个索引中的每个存储在“ wirelabel”数组中。

但是，为了做到这一点，我相信需要将每个8位转换为它的带符号等效项，并将其存储在数组中每个“ wirelabel”指针中的正确8位索引中。

Answer 1

那么你的源数据是连续的？您应该使用_mm_load_si128向量类型的标量分量，而不是乱搞。

您真正的问题是将数组bool（x86 上的 g++ 使用的 ABI 中每个元素 1 个字节）打包到位图中。您应该使用 SIMD 来执行此操作，而不是使用标量代码来一次设置 1 位或字节。

pmovmskb( _mm_movemask_epi8) 对于每字节输入提取一位非常有用。您只需安排将您想要的位放入高位即可。

显而易见的选择是移位，但向量移位指令会竞争与pmovmskbHaswell 上相同的执行端口（端口 0）。（http://agner.org/optimize/）。相反，对于 的输入，加法0x7F将产生0x80（高位设置）1，但0x7F对于 的输入，将产生（高位清除）0。（boolx86-64 System V ABI 中的 a 必须作为整数 0 或 1 存储在内存中，而不仅仅是 0 与任何非零值）。

为什么不pcmpeqb反对_mm_set1_epi8(1)呢？Skylake 在端口 0/1 上运行pcmpeqb，但paddb在所有 3 个矢量 ALU 端口 (0/1/5) 上运行。pmovmskb不过，它在 的结果上使用很常见pcmpeqb/w/d/q。

#include <immintrin.h>
#include <stdint.h>

// n is the number of uint16_t dst elements
// We access n*16 bool elements from src.
void pack_bools(uint16_t *dst, const bool *src, size_t n)
{
     // you can later access dst with __m128i loads/stores

    __m128i carry_to_highbit = _mm_set1_epi8(0x7F);
    for (size_t i = 0 ; i < n ; i+=1) {
        __m128i boolvec = _mm_loadu_si128( (__m128i*)&src[i*16] );
        __m128i highbits = _mm_add_epi8(boolvec, carry_to_highbit);
        dst[i] = _mm_movemask_epi8(highbits);
    }
}

因为我们希望在写入此位图时使用标量存储，所以出于严格别名的原因，我们希望dst使用标量存储。uint16_t使用 AVX2，您会想要uint32_t. （或者如果你确实combine = tmp1 << 16 | tmp将两个pmovmskb结果。但可能不会这样做。）

为了处理严格锯齿问题，如果您想稍后使用不同的 C 类型访问掩码位图，您可以使用memcpy这些存储，如另一个 Q&A中所示。

这会编译成这样的 asm 循环（使用 gcc7.3 -O3，在 Godbolt 编译器资源管理器上）

.L3:
    movdqu  xmm0, XMMWORD PTR [rsi]
    add     rsi, 16
    add     rdi, 2
    paddb   xmm0, xmm1
    pmovmskb        eax, xmm0
    mov     WORD PTR [rdi-2], ax
    cmp     rdx, rsi
    jne     .L3

所以这并不美妙（7 个熔断域 uops -> 每约 1.75 个时钟周期 16 个 bool 的前端瓶颈）。Clang 按 2 展开，每 1.5 个周期应管理 16 个 bool。

在 Haswell 上使用 shift ( pslld xmm0, 7) 只会每 2 个周期运行一次迭代，在端口 0 上出现瓶颈。这在 Skylake 及更高版本上不是问题；移位可以在更多端口上运行，因此这_mm_slli_epi32(v, 7)很好，并且避免需要向量常数。另请参阅 提取 __m128i 中每个布尔字节的低位？布尔数组到打包位图