AVX512中是否有_mm512_sign_epi16（__m512i a，__m512i b）这样的函数

Question

以下功能似乎在AVX512上不可用：

__m512i _mm512_sign_epi16 (__m512i a, __m512i b)

它会很快面世还是有其他选择？

Answer 1

如果不需要调零部分，则只需要2条指令（和调零的寄存器）：

您可以_mm512_movepi16_mask()将符号位放入掩码（的AVX512版本pmovmskb）中，并从零进行合并掩码减法，以基于另一个符号取向量。

#ifdef __AVX512BW__
// does *not* do anything special for signs[i] == 0, just negative / non-negative
__m512i  conditional_negate(__m512i target, __m512i signs) {
    __mmask32 negmask = _mm512_movepi16_mask(signs);
      // vpsubw target{k1}, 0, target
    __m512i neg = _mm512_mask_sub_epi16(target, negmask, _mm512_setzero_si512(), target);
    return neg;
}
#endif

矢量- >掩模具有对SKYLAKE微架构-X 3周期的延迟（与vpmovw2m，vptestmw或vpcmpw），但使用掩模只具有另一个1个周期的延迟。因此，从输入到输出的延迟为：

• 从signs-> SKX上的结果开始4个周期
• 从target-> SKX上的结果开始1个周期（只是vpsubw从零开始屏蔽）。

同样要应用is-zero条件：您可以对向量执行的下一个操作零屏蔽或合并屏蔽，因此未使用的元素应该为零。

您需要比较创建另一个面具一个额外的，但你可能并不需要浪费第2个额外的指令，立刻应用。

如果您真的想构建一个自包含的vpsignw方法，我们可以做最后的零掩码，但这是4个内在函数，可编译为4条指令，并且吞吐量可能比@wim的min / max / multiply差。但这具有良好的关键路径延迟，在SKX上总共大约有5个周期（如果可以将最终的遮罩折叠成其他东西，则为4个周期）。关键路径是迹象->遮罩，然后是遮罩子。signs-> nonzeromask可以与任何一个并行运行。

__m512i  mm512_psignw(__m512i target, __m512i signs) {
    __mmask32 negmask = _mm512_movepi16_mask(signs);
      // vpsubw target{negmask}, 0, target  merge masking to only modify elements that need negating
    __m512i neg = _mm512_mask_sub_epi16(target, negmask, _mm512_setzero_si512(), target);

    __mmask32 nonzeromask = _mm512_test_epi16_mask(signs,signs);  // per-element non-zero?
    return  _mm512_maskz_mov_epi16(nonzeromask, neg);        // zero elements where signs was zero
}

可能地，编译器可以这种零掩蔽折叠vmovdqu16禀成合并掩蔽为add/ or/ xor或零掩码乘/ and。但是，自己动手做可能是个好主意。