如何将两个__m128值组合到__m256？

Question

我想将两个__m128值组合成一个__m256.

像这样的东西:

__m128 a = _mm_set_ps(1, 2, 3, 4);
__m128 b = _mm_set_ps(5, 6, 7, 8);

类似于:

__m256 c = { 1, 2, 3, 4, 5, 6, 7, 8 };

我可以使用任何内在函数来做到这一点吗？

Answer 1

这应该做你想要的:

__m128 a = _mm_set_ps(1,2,3,4);
__m128 b = _mm_set_ps(5,6,7,8);

__m256 c = _mm256_castps128_ps256(a);
c = _mm256_insertf128_ps(c,b,1);

如果订单与您想要的相反,那么只需切换a和b.

感兴趣的内在功能_mm256_insertf128_ps可让您将128位寄存器插入256位AVX寄存器的低半部分或高半部分:

http://software.intel.com/sites/products/documentation/studio/composer/en-us/2011/compiler_c/intref_cls/common/intref_avx_insertf128_ps.htm

他们的完整家庭在这里:

• _mm256_insertf128_pd()
• _mm256_insertf128_ps()
• _mm256_insertf128_si256()

Answer 2

英特尔文档 __m256 _mm256_set_m128(__m128 hi, __m128 lo)并_mm256_setr_m128(lo, hi)作为vinsertf128指令的内在函数，这就是您想要的¹。（当然也有__m256d和__m256i版本，它们使用相同的指令。vinserti128如果有AVX2，可以使用__m256i版本，否则它也会使用f128。）

现在，所有 4 种主要 x86 编译器（gcc、clang、MSVC 和 ICC）的当前版本都支持这些内在函数。但不是旧版本；就像英特尔记录的其他一些辅助内在函数一样，广泛的实现一直很慢。（通常 GCC 或 clang 是最后一个没有你希望可以便携使用的东西。）

使用它，如果你不需要移植到旧版本的GCC：这是表达你想要什么，下面著名的最可读的方式_mm_set和_mm_setr模式。

在性能方面，它当然与手动vinsertf128强制转换+内在函数（@Mysticial 的答案）一样有效，并且对于 gcc 至少这实际上是内部.h实际实现的方式_mm256_set_m128。

_mm256_set_m128/ 的编译器版本支持_mm256_setr_m128：

• 铿锵：3.6 及更新版本。（主线，关于苹果的IDK）
• GCC：8.x 及更新版本，不像 GCC7 那样最近！
• ICC：至少从ICC13开始，Godbolt上最早的。
• MSVC：至少从 19.14 和 19.10 (WINE) VS2015 开始，最早出现在 Godbolt 上。

https://godbolt.org/z/1na1qr有所有 4 个编译器的测试用例。

__m256 combine_testcase(__m128 hi, __m128 lo) {
    return _mm256_set_m128(hi, lo);
}

他们都将此函数编译为一个vinsertf128，除了 MSVC，即使是最新版本也浪费了vmovups xmm2, xmm1复制寄存器。（我曾经-O2 -Gv -arch:AVX使用 vectorcall 约定，因此 args 将在寄存器中，以便为 MSVC 提供有效的非内联函数定义。）据推测，如果 MSVC 可以将结果写入第三个寄存器，则可以将其内联到更大的函数中，而不是强制它读取 xmm0 和写入 ymm0 的调用约定。

脚注 1：
vinsertf128在 Zen1 上非常高效，并且与vperm2f128其他具有 256 位宽 shuffle 单元的 CPU一样高效。它还可以从内存中取出高半部分，以防编译器溢出或将 a 折叠_mm_loadu_ps到其中，而不需要单独将 128 位加载到寄存器中；vperm2f128的内存操作数将是您不想要的 256 位负载。

https://uops.info/ / https://agner.org/optimize/