我想获取 256 位向量之间的 8 位垂直 SIMD 比较的结果，并将这些位打包到每个 32 位元素的最低字节中，以便查找vpshufb最低字节。这对于 AVX-512 来说并不是非常困难（&如果使用 512 位向量，则用屏蔽移动替换 ）：
__m256i cmp_8_into_32(__m256i a, __m256i b) {\n return _mm256_popcnt_epi32(_mm256_cmpeq_epi8(a, b)\n & _mm256_set1_epi32(0xff0f0301 /* can be any order */));\n}\n这是 3 个 uops，假设完美调度，根据 uops.info\xe2\x80\x94，吞吐量为 1 还不错。可惜，vpopcntdAVX2 中没有。在那里进行此操作的最佳方法是什么？我能想到的最好的方法是屏蔽索引 7,8 和 15,16 处的位对，然后执行两个常量vpsrld和一个vpor. 所以这是 6 uops，吞吐量为 2.5 左右。不错，但我想知道是否有更好的东西。