如何使用 SIMD 比较两个字符向量并将结果存储为浮点数？答案

【问题标题】：How to compare two char vectors using SIMD and store the result as floats?如何使用 SIMD 比较两个字符向量并将结果存储为浮点数？
【发布时间】：2016-05-23 23:30:06
【问题描述】：

目标：使用最少数量的算术运算（即每个{mask1 AND mask2}）识别内在函数以转换 4 个布尔“uint8_t”。

更新：为了优化代码，我在 C++ 中使用 SIMD。与Loading 8 chars from memory into an __m256 variable as packed single precision floats 相比，目标是处理/支持大规模数组的掩码。后者使用“内部”掩码属性（“https://software.intel.com/sites/landingpage/IntrinsicsGuide/#expand=10,13”）进行示例：

  uint8_t mask1[4] = {0, 1, 1, 0};  uint8_t mask2[4] = {1, 1, 0, 0}; float data[4] = {5, 4, 2, 1};
  { //! Naive code which works:                                                                                                                                                                                 
    float sum = 0;
    for(int i = 0; i < 4; i++) {
      if(mask1[i] && mask2[i]) {sum += data[i];}
    }
  }

从上面我们观察到掩码的使用与简单的算术相结合：尽管上述一组操作由优化的算术支持，但“内部”有几个弱点：（a）限制操作的数量和（b）放置对更新编译器的要求（并非总是如此）。

上下文： 挑战涉及从“char”数据类型到“float”数据类型的转换。为了演示我的代码中的错误，这里有一个简短的摘录：

//! Setup, a setup which is wrong as mask1 and mask2 are chars and not floats.
#include <emmintrin.h>
#include <x86intrin.h>                                                               

char mask1[4] = {0, 1, 0, 1};
char mask2[4] = {1, 0, 0, 1};
const int j = 0;

//! The logics, which is expected to work correct for flroats, ie, not chars.
const __m128 vec_empty_empty = _mm_set1_ps(0);              
const __m128 vec_empty_ones = _mm_set1_ps(1);
const __m128 term1  = _mm_load_ps(&rmul1[j2]); 
const __m128 term2  = mm_load_ps(&rmul2[j2]);
__m128 vec_cmp_1 = _mm_cmplt_ps(term1, vec_empty_empty); 
__m128 vec_cmp_2 = _mm_cmplt_ps(term2, vec_empty_empty); 

//! Intersect the values: included to allow other 'empty values' than '1'.
vec_cmp_1 =  _mm_and_ps(vec_cmp_1, vec_empty_ones);
vec_cmp_2 = _mm_and_ps(vec_cmp_2, vec_empty_ones);

//! Seperately for each 'cell' find the '1's which are in both:
__m128 mask = _mm_and_ps(vec_cmp_1, vec_cmp_2);

上面的结果将用于与浮点向量float arr[4] 相交（即相乘）。因此，如果有人对如何将 SIMD 字符向量转换为浮点 SIMD 向量有任何建议，我将不胜感激！ ;)

【问题讨论】：

您能否提供一个非 simd mcve，包括您想要实现的目标和预期输出？
Loading 8 chars from memory into an __m256 variable as packed single precision floats的可能重复
感谢您的回答：wrt。 @Pixelchemist 我现在已经把答案更详细了。
写。 @PeterCordes 的建议提到的建议仅描述标量操作，即不包括使用基于向量的优化：简而言之，该建议导致超过 2 倍的性能问题（与非屏蔽的后继方案相比)。
好吧，这与我的问题不同。更新了我的答案。

标签： c++ c simd

【解决方案1】：

使用 SSE4.1 pmovsxbd 或 pmovzxbd 将 4 字节的块进行符号或零扩展为 32 位整数元素的 16B 向量。

请注意，using pmovzxbd (_mm_cvtepu8_epi32) as a load 似乎不可能既安全又高效地编写，因为没有具有更窄内存操作数的内在函数。（更新：一些现代编译器能够将像_mm_loadu_si32 这样的窄负载折叠到pmovzx 的内存源操作数中，例如clang 但不是GCC：https://godbolt.org/z/KPxboPecr）

要进行比较部分，请使用pcmpeqd 生成元素中全零或全一的掩码（即-1）。用它来屏蔽 FP 数据的向量。（全零是0.0在IEEE浮点数中的位表示，0.0是加法标识。）

如果您的元素始终只有 0 或 1，您可以使用 uint32_t 来保存所有四个字节，并使用标量 AND（C 的 & 运算符）作为所有四个 mask1[i] && mask2[i] 检查的 SWAR 实现。将该整数放入一个向量和pmovsxbd。如果您的元素实际上是 0 和 -1（全一），这会更好，否则您需要一个额外的步骤来获得矢量掩码。（例如，针对全零向量的 pcmpeqb）。

如果您不能使用-1 而不是1，那么您最好的选择可能仍然是将两个掩码解压缩为32 位元素和pcmpeqd。

总体思路是：

          // mask1 = _mm_loadu_si32(something)  // movd load if necessary
__m128i m1vec = _mm_cvtepi8_epi32(mask1);         // where mask1 has to be a __m128i vector already, not a 4byte memory location.
__m128i m2vec = _mm_cvtepi8_epi32(mask2);         // pmovsx

// sign-extension turns each 0 or -1 byte into a 0 or -1 dword (32bit) element

__m128i mask = _mm_and_si128(mask1, mask2);
// convert from 0/1 to 0/-1 if necessary.  I'm assuming the simple case.

__m128 masked_floats = _mm_and_ps(floats, _mm_castsi128_ps(mask));   // 0.0 or original value

sum = _mm_add_ps(sum, masked_floats);

如果掩码元素可以是 0 / -1 以外的值，您可能需要使用 _mm_cmpeq_epi32(m1vec, _mm_setzero_si128()) 或其他东西分别对它们进行布尔化。（这会将非零变为零，反之亦然）

请参阅x86 标签 wiki 获取链接，尤其是。 https://software.intel.com/sites/landingpage/IntrinsicsGuide/

【讨论】：