如何使用 SSE 内在函数将值存储在不连续的内存位置？

Question

我对 SSE 非常陌生，并且使用内部函数优化了一段代码。我对操作本身很满意，但我正在寻找一种更好的方法来编写结果。结果以三个_m128i 变量结束。

我想要做的是将结果值中的特定字节存储到非连续的内存位置。我目前正在这样做：

__m128i values0,values1,values2;

/*Do stuff and store the results in values0, values1, and values2*/

y[0]        = (BYTE)_mm_extract_epi16(values0,0);
cb[2]=cb[3] = (BYTE)_mm_extract_epi16(values0,2);
y[3]        = (BYTE)_mm_extract_epi16(values0,4);
cr[4]=cr[5] = (BYTE)_mm_extract_epi16(values0,6);

cb[0]=cb[1] = (BYTE)_mm_extract_epi16(values1,0);
y[1]        = (BYTE)_mm_extract_epi16(values1,2);
cr[2]=cr[3] = (BYTE)_mm_extract_epi16(values1,4);
y[4]        = (BYTE)_mm_extract_epi16(values1,6);

cr[0]=cr[1] = (BYTE)_mm_extract_epi16(values2,0);
y[2]        = (BYTE)_mm_extract_epi16(values2,2);
cb[4]=cb[5] = (BYTE)_mm_extract_epi16(values2,4);
y[5]        = (BYTE)_mm_extract_epi16(values2,6);

其中y、cb 和cr 是字节(unsigned char) 数组。由于我无法定义的原因，这对我来说似乎是错误的。有人对更好的方法有什么建议吗？

谢谢！

Answer 1

我不具体了解 SSE，但通常矢量化单元的全部意义在于，只要数据遵循特定的对齐和格式，它们可以非常快速地运行。因此，您需要以正确的格式和对齐方式提供和提取数据。

Answer 2

您可以尝试使用联合来提取字节。

union
{
    float value;
    unsigned char ch[8];
};

然后根据需要分配字节
玩转 union-idea，也许用匿名结构替换 unsigned char ch[8]？
或许你可以从here获得更多想法

Answer 3

SSE 没有您需要的分散/收集功能，尽管这可能会出现在未来的 SIMD 架构中。

正如已经建议的那样，您可以使用联合，例如：

typedef union
{
    __m128i v;
    uint8_t a8[16];
    uint16_t a16[8];
    uint32_t a32[4];
} U128;

理想情况下，这种操作只发生在任何关键循环之外，因为与对连续数据元素的直接 SIMD 操作相比，它的效率非常低。

Answer 4

你基本上不能——SSE 没有分散存储，它的设计都是围绕在连续数据流上进行矢量化工作的想法而设计的。实际上，制作 SIMD 所涉及的大部分工作是重新排列您的数据，使其连续且可矢量化。所以最好的办法是重新排列你的数据结构，这样你就可以一次写入 16 个字节。不要忘记，您可以在将 SIMD 向量中的组件提交到内存之前对其进行重新排序。

如果做不到这一点，PEXTRW op（_mm_extract_epi16 内在函数）几乎是从 SSE 寄存器中拉出短路并将其存储到整数寄存器中的唯一方法。您可用的另一种方法是使用解包和随机播放操作（_mm_shuffle_ps 等）将数据旋转到寄存器的低位字，然后 MOVSS/_mm_store_ss() 一次将低位字存储到内存中.

您可能会发现使用联合，或在 SSE 和通用寄存器之间移动数据，将提供非常差的性能，因为一个微妙的 CPU 实现细节称为 load-hit-store 停顿。基本上，没有直接的方法在寄存器类型之间移动数据。处理器必须先将 SSE 数据写入内存，然后再将其读回 GPR。在许多情况下，这意味着它必须暂停加载操作并等待存储清除，然后才能运行任何进一步的指令。