SSE2 向量移位

Question

我一直在尝试在 SSE2 内在函数中实现按向量移位，但从实验和the intel intrinsic guide 来看，它似乎只使用了向量中最不重要的部分。

为了改写我的问题，给定一个向量 {v1, v2, ..., vn} 和一组移位 {s1, s2, ..., sn}，我如何计算结果 {r1, r2, ..., rn} 这样：

r1 = v1 << s1
r2 = v2 << s2
...
rn = vn << sn

因为似乎 _mm_sll_epi* 执行此操作：

r1 = v1 << s1
r2 = v2 << s1
...
rn = vn << s1

提前致谢。

编辑：

这是我的代码：

#include <iostream>

#include <cstdint>

#include <mmintrin.h>
#include <emmintrin.h>

namespace SIMD {

    using namespace std;

    class SSE2 {
    public:
        // flipped operands due to function arguments
        SSE2(uint64_t a, uint64_t b, uint64_t c, uint64_t d) { low = _mm_set_epi64x(b, a); high = _mm_set_epi64x(d, c); }

        uint64_t& operator[](int idx)
        {
            switch (idx) {
            case 0:
                _mm_storel_epi64((__m128i*)result, low);
                return result[0];
            case 1:
                _mm_store_si128((__m128i*)result, low);
                return result[1];
            case 2:
                _mm_storel_epi64((__m128i*)result, high);
                return result[0];
            case 3:
                _mm_store_si128((__m128i*)result, high);
                return result[1];
            }

            /* Undefined behaviour */
            return 0;
        }

        SSE2& operator<<=(const SSE2& rhs)
        {
            low  = _mm_sll_epi64(low,  rhs.getlow());
            high = _mm_sll_epi64(high, rhs.gethigh());

            return *this;
        }

        void print()
        {
            uint64_t a[2];
            _mm_store_si128((__m128i*)a, low);

            cout << hex;
            cout << a[0] << ' ' << a[1] << ' ';

            _mm_store_si128((__m128i*)a, high);

            cout << a[0] << ' ' << a[1] << ' ';
            cout << dec;
        }

        __m128i getlow() const
        {
            return low;
        }

        __m128i gethigh() const
        {
            return high;
        }
    private:
        __m128i low, high;
        uint64_t result[2];
    };
}

int main()
{
    cout << "operator<<= test: vector << vector: ";
    {
        auto x = SIMD::SSE2(7, 8, 15, 10);
        auto y = SIMD::SSE2(4, 5,  6,  7);

        x.print();
        y.print();

        x <<= y;

        if (x[0] != 112 || x[1] != 256 || x[2] != 960 || x[3] != 1280) {
            cout << "FAILED: ";
            x.print();
            cout << endl;
        } else {
            cout << "PASSED" << endl;
        }
    }

    return 0;
}

应该发生的结果是 {7

希望这会有所帮助，詹斯。

Answer 1

如果 AVX2 可用，并且您的元素是 32 位或 64 位，则您的操作需要一条可变移位指令：vpsrlvq, (__m128i _mm_srlv_epi64 (__m128i a, __m128i count))

---

对于 SSE4.1 的 32 位元素，请参阅 Shifting 4 integers right by different values SIMD。根据延迟与吞吐量要求，您可以进行单独的移位移位然后混合，或者使用乘法（通过特殊构造的 2 的幂向量）来获得可变计数左移位，然后执行相同计数-所有元素右移。

---

对于您的情况，具有运行时可变移位计数的 64 位元素：

每个 SSE 向量只有两个元素，所以我们只需要两次移位，然后组合结果（我们可以使用 pblendw 或浮点 movsd 来完成（这可能会导致额外的旁路延迟延迟）在某些 CPU 上），或者我们可以使用两个 shuffle，或者我们可以执行两个 AND 和一个 OR。

__m128i SSE2_emulated_srlv_epi64(__m128i a, __m128i count)
{
    __m128i shift_low = _mm_srl_epi64(a, count);          // high 64 is garbage
    __m128i count_high = _mm_unpackhi_epi64(count,count); // broadcast the high element
    __m128i shift_high = _mm_srl_epi64(a, count_high);    // low 64 is garbage
    // SSE4.1:
    // return _mm_blend_epi16(shift_low, shift_high, 0x0F);

#if 1   // use movsd to blend
    __m128d blended = _mm_move_sd( _mm_castsi128_pd(shift_high), _mm_castsi128_pd(shift_low) );  // use movsd as a blend.  Faster than multiple instructions on most CPUs, but probably bad on Nehalem.
    return _mm_castpd_si128(blended);
#else  // SSE2 without using FP instructions:
    // if we're going to do it this way, we could have shuffled the input before shifting.  Probably not helpful though.
    shift_high = _mm_unpackhi_epi64(shift_high, shift_high);       // broadcast the high64
    return       _mm_unpacklo_epi64(shift_high, shift_low);        // combine
#endif
}

像 pshufd 或 psrldq 之类的其他 shuffle 也可以，但 punpckhqdq 无需立即字节即可完成工作，因此它短了一个字节。 SSSE3 palignr 可以将一个寄存器的高元素和另一个寄存器的低元素放入一个向量中，但它们会被反转（所以我们需要一个pshufd 来交换高半和低半部分）。 shufpd 可以混合，但与 movsd 相比没有优势。

请参阅Agner Fog's microarch guide，了解在两条整数指令之间使用 FP 指令可能导致的旁路延迟延迟的详细信息。在 Intel SnB 系列 CPU 上可能没问题，因为其他 FP shuffle 也是。 （是的，movsd xmm1, xmm0 在端口 5 的随机播放单元上运行。如果您不需要合并行为，请使用 movaps 或 movapd 进行 reg-reg 移动，即使是标量）。

---

这编译（在Godbolt 和 gcc5.3 -O3）到

    movdqa  xmm2, xmm0  # tmp97, a
    psrlq   xmm2, xmm1    # tmp97, count
    punpckhqdq      xmm1, xmm1  # tmp99, count
    psrlq   xmm0, xmm1    # tmp100, tmp99
    movsd   xmm0, xmm2    # tmp102, tmp97
    ret