ped*_*zer 3 x86 assembly sse x86-64 simd
我想将4个32位浮点数存储到xmm0中，其中每个浮点数都存储在一个128位寄存器中。例如，我有4个浮点数：xmm1：10.2 xmm2：5.8 xmm3：9.3 xmm4：12.7（每个仅使用128位寄存器中的32位），并希望将它们像这样存储到xmm0中：10.2、5.8、9.3、12.7这样它们存储在xmm0内部。
然后，在对xmm0做一些数学运算（例如，mulps ..）后，我还想分别提取它们中的每一个。
我尝试使用movlps和movhps，但它们仅使用内存进行加载，而不使用128位寄存器作为源。由于性能，我不想使用任何其他内存。
PSLLDQ可能会有所帮助，但是对于我的问题有更好的解决方案吗？
_mm_set_ps(f3,f2,f1,f0)_mm_setr_ps(f0,f1,f2,f3)选择或不选择调整和-march选项，查看编译器输出。
或看看Agner Fog的优化指南：他有一章关于SSE / AVX，其中有按类型列出的方便的数据移动指令表。非常适合学习如何在高度非正交的SSE / AVX扩展中使用随机播放。
正如人们所指出的那样，标准方法是2x将对unpcklps合并成向量，[00ba] [00dc]其中向量0是“无关”值，或者实际上0.0标量浮点数的高位元素恰好为零。（我的符号法遵循Intel约定，图中的元素左侧为高，因此左移将数据以符号的形式向左移动，而查看具有不同元素宽度的数据不会改变其编写方式。）
然后movlhps将一个xmm寄存器的低位qword复制到另一个xmm寄存器的高位qword（合并到现有值中）。
如果这不是很明显并且不为您所熟知，则应该使用具有内在函数的C语言编写代码，并查看经过优化的编译器输出以了解基本方法。clang有一个非常好的shuffle优化器，可以找到更好的方法来将内部函数的逻辑实现为asm。
这3条指令都是随机的，在Intel Sandybridge系列CPU上，每个时钟吞吐量限制为1个（与端口5竞争）。
如果我们有可用的SSE4.1 blendps（具有即时混合控件），则可以将其用作最后一步而不是随机播放。它可以在任何端口上运行。
我认为我们可以shufps用来创建[0c0a]和的向量[d0b0]。shufps输出的低2个元素来自第一个source = dst操作数，另一半来自另一个源。
如果您的输入向量实际上是零扩展且绝对没有高垃圾，则可以使用SSE1 orps而不是blend来获得[dcba]