我正在使用 Fasm（汇编），我正在寻找与这些内在指令等效的 SSE2 汇编指令：
_mm_set1_epi8
_mm_cmpeq_epi8
_mm_movemask_epi8
我在哪里可以得到它们（网站、pdf...）？
【问题讨论】：
标签： assembly sse simd intrinsics sse2
使用Intel Intrinsics Guide 但请注意，某些内在函数不会映射到单个指令，例如_mm_set1_epi8。尽管描述列出了相应的机器指令，但对于大多数内在函数。
您还可以使用非常有用的Compiler Explorer 来查看为给定内在函数生成的代码，例如this example for _mm_set1_epi8.
【讨论】：
不要乱用内在函数文档，首先查看 Intel 的 asm 文档，在他们的 x86 Software Developer Manual vol.2 中。或者在https://www.felixcloutier.com/x86/index.html 上仅提取指令条目的 HTML 摘录，没有介绍和附录。例如https://www.felixcloutier.com/x86/PCMPEQB:PCMPEQW:PCMPEQD.html
（英特尔的 asm 手册条目在条目底部列出了该指令的内在函数。由于 AVX512 是主 PDF 的一部分，因此列表变得一团糟，但您仍然可以在另一个方向检查您的猜测/记忆如果您已经猜到内在函数将使用什么指令并进行查找。
或者，如果您在完整的 PDF 版本中进行搜索，您会在内部名称上获得成功，对于直接映射到一条指令（如 _mm_cmpeq_epi8 而不是 set1）的内部函数
它比它们的内在文档更好/更详细（例如，操作部分始终存在，并且通常更具体）。另外，它会向您显示操作数的输入顺序。这通常与内在相匹配，但我似乎记得它没有的情况，可能是随机播放。当然还有vfmadd132ps vs. vfmadd213ps vs. vfmadd231ps，它们的区别在于哪个加数或一个被乘数是目标，哪个可以是内存。
它还显示了哪个操作数可以是内存。它并不总是最后一个，例如VBLENDVPS xmm1, xmm2, xmm3/m128, xmm4（因为最后一个操作数以立即字节编码，而不是像非 VEX 版本那样隐含 xmm0）。此外，pmovzxbd xmm1, dword [rdi] 和其他函数可用作窄负载（不需要对齐，因为它小于 16 个字节），但您永远不会从仅提供 __m128i 源的内在函数中知道这一点。在您使用_mm_cvtsi32_si128 (int a) 后，编译器无法始终优化为内存操作数。
还有pblendvb，其中非VEX 形式为PBLENDVB xmm1, xmm2/m128, <XMM0>，隐式使用XMM0 作为混合控制向量。内在函数也隐藏了这一点，因此如果您尝试编写 pblendvb xmm1, xmm8, xmm7，您会遇到令人困惑的错误。
Agner Fog's asm optimization guide 也有一章介绍 SIMD，其中包含一些非常好的数据移动指令表，可用于不同类型的任务。
有关更多链接，另请参阅SO x86 tag wiki。
我发现 asm 助记符更容易记住；它们更短，并且在命名中像 shuffle 与 permute 之类的奇怪差异略少（大多数情况下，直到 AVX ......）。更重要的是，我倾向于从 asm 的角度思考，然后编写让编译器高效编译的内在函数。
CPU 延迟/吞吐量/执行端口信息全部由助记符而非固有信息（Agner Fog 的表、instlatx64 和 http://uops.info/），因此您必须知道这些名称才能了解真正的低级性能细节，并检查编译器是否对您的代码进行了良好的处理，并查看 perf record / perf report 分析结果以找出为什么某处存在热点。
英特尔在其内在函数指南上有吞吐量/延迟数字，但没有执行端口，因此您无法知道两条 throughtput=1 指令是否可以彼此在同一周期内运行，因此它不是很有用。
【讨论】：