将 16 位值的 __m256i 打包（饱和）到 8 位值的 __m128i？

Question

是否有 AVX 或 AVX2 操作可将 16x16 位无符号整数 (uint16_t) 值的 __m256i 转换为 16x8 位无符号整数 (uint8_t) 值的 __m128i（采用饱和的低字节强>)?

有_mm256_packus_epi16()，但它使用第一个输入的前 8 个字节，然后是第二个输入的前 8 个字节，然后是第一个和第二个输入的第二个 8 个字节......导致 8 个字节的组无序。

还有一些 AVX512 操作似乎可以满足需要，但我不能依赖 AVX512，它在许多目标机器上都不存在...

Answer 1

不，您不能在 AVX/AVX2 的单个指令中执行此操作。

有 _mm256_packus_epi16() 但它使用来自第一个输入的前 8 个字节，然后来自第二个输入的前 8 个字节，然后来自第一个和第二个输入的第二个 8 个字节......导致 8 个字节的组无序。

以下是正确排列的方法 (AVX2)：

static inline __m128i convert(__m256i data) {
  __m128i lo_lane = _mm256_castsi256_si128(data);
  __m128i hi_lane = _mm256_extracti128_si256(data, 1);
  return _mm_packus_epi16(lo_lane, hi_lane);
}

根据 Skylake 上的uops.info _mm256_extracti128_si256 在 p5 上是 1 µop，_mm_packus_epi16 在 p5 上是 1 µop。这意味着该代码块的吞吐量应该是 2 个周期（每两个周期进行一次转换）。

您可以使用 _mm256_extractf128_si256 定位 AVX。跨域可能会产生额外的延迟（但吞吐量应该与 AFAIK 相同）。