提取 __m128i 中每个 bool 字节的低位？布尔数组到打包位图

Question

（编者注：这个问题最初是：应该如何访问 __m128i 对象的 m128i_i8 成员或一般成员？，试图在 GCC 的定义中使用 MSVC 特定的方法__m128i。但这是一个 XY 问题，接受的答案是关于这里的 XY 问题。另一个答案确实回答了这个问题。）

我知道微软建议不要直接访问这些对象的成员，但我需要设置它们，而 documentation 非常缺乏。

我继续收到错误“request for member 'm128i_i8' in '(my var name)', which is non-class type 'wirelabel {aka __vector(2) long long int}'”我没有理解，因为我已经包含了所有正确的标题，并且它确实识别 __m128i 变量。

注意 1：wirelabel 是 __m128i 的 typedef，即存在于标头中

typedef __m128i wirelabel 

Note2：使用 Note1 的原因在以下其他问题中进行了解释： tbb::cache_aligned_allocator: Getting "request for member...which is of non-class type" with __m128i. User error or bug?

注意3：我使用的是编译器g++

注意4：以下问题没有回答我的问题，但确实讨论了相关信息Why should you not access the __m128i fields directly?

我也知道有一个 _mm_set_epi8 函数，但它要求您一次设置所有 8 位部分，目前这不是我的选择。

---

接受的答案回答的问题：

编辑：有人问我为什么我认为我需要访问 __m128i 对象的 16 个 8 位部分中的每一个，原因如下：我有一个大小为 ' 的 bool 数组n*128'（n 是 size_t），我需要将它们存储在大小为 'n' 的 'wirelabel' 数组中。

现在因为 wirelabel 只是 __m128i 的别名/typedef（如果有差异，请纠正我），128 个布尔值的每个 'n' 索引都可以存储在 'wirelabel' 数组中。

但是，为了做到这一点，我认为需要将每 8 位转换为有符号等效项，并将其存储在数组中每个“wirelabel”指针的正确 8 位索引中。

Answer 1

所以你的源数据是连续的？您应该使用_mm_load_si128，而不是乱用向量类型的标量分量。

---

您真正的问题是将bool 的数组（x86 上的 g++ 使用的 ABI 中的每个元素 1 个字节）打包到位图中。您应该使用 SIMD，而不是使用标量代码一次设置 1 位或字节。

pmovmskb (_mm_movemask_epi8) 非常适合每字节输入提取一位。您只需要安排将您想要的位放入高位即可。

显而易见的选择是移位，但向量移位指令竞争与 Haswell 上的 pmovmskb 相同的执行端口（端口 0）。 (http://agner.org/optimize/)。相反，添加0x7F 将为1 的输入生成0x80（高位设置），但为0 的输入生成0x7F（高位清除）。 （并且 x86-64 System V ABI 中的 bool 必须作为整数 0 或 1 存储在内存中，而不仅仅是 0 与任何非零值）。

为什么不pcmpeqb 对抗_mm_set1_epi8(1)？ Skylake 在端口 0/1 上运行 pcmpeqb，但在所有 3 个向量 ALU 端口 (0/1/5) 上运行 paddb。不过，在 pcmpeqb/w/d/q 的结果上使用 pmovmskb 是很常见的。

#include <immintrin.h>
#include <stdint.h>

// n is the number of uint16_t dst elements
// We access n*16 bool elements from src.
void pack_bools(uint16_t *dst, const bool *src, size_t n)
{
     // you can later access dst with __m128i loads/stores

    __m128i carry_to_highbit = _mm_set1_epi8(0x7F);
    for (size_t i = 0 ; i < n ; i+=1) {
        __m128i boolvec = _mm_loadu_si128( (__m128i*)&src[i*16] );
        __m128i highbits = _mm_add_epi8(boolvec, carry_to_highbit);
        dst[i] = _mm_movemask_epi8(highbits);
    }
}

因为我们想在编写这个位图时使用标量存储，我们希望dst 位于uint16_t 中，因为严格混叠的原因。使用 AVX2，您需要uint32_t。 （或者如果您使用combine = tmp1 << 16 | tmp 合并两个pmovmskb 结果。但可能不要这样做。）

这会编译成这样的 asm 循环 (with gcc7.3 -O3, on the Godbolt compiler explorer)

.L3:
    movdqu  xmm0, XMMWORD PTR [rsi]
    add     rsi, 16
    add     rdi, 2
    paddb   xmm0, xmm1
    pmovmskb        eax, xmm0
    mov     WORD PTR [rdi-2], ax
    cmp     rdx, rsi
    jne     .L3

所以这并不好（7 个保险丝域微指令 -> 前端瓶颈，每 ~1.75 个时钟周期 16 个布尔值）。 Clang 展开 2，每 1.5 个周期应管理 16 个布尔值。

使用移位 (pslld xmm0, 7) 只会在 Haswell 上每 2 个周期运行一次迭代，在端口 0 上出现瓶颈。

Answer 2

创建一个匿名联合，其中包含 _m128i 成员和要设置其成员的其他类型的数组。类型双关在 C 中是合法的，并且在 g++、clang++ 和 MSVC 中作为扩展支持。如果要设置单个位，可以将其他成员声明为位域的struct。位域的顺序是实现定义的，但无论如何您都在使用 Intel 内部函数，所以它将是 little-endian。