我将四个 32 位浮点数相乘并舍入，然后使用 SSE 内在函数将其转换为四个 16 位整数。我想将四个整数结果存储到一个数组中。使用花车很容易：_mm_store_ps(float_ptr, m128value)。但是我还没有找到任何使用 16 位 (__m64) 整数的指令。
void process(float *fptr, int16_t *sptr, __m128 factor)
{
__m128 a = _mm_load_ps(fptr);
__m128 b = _mm_mul_ps(a, factor);
__m128 c = _mm_round_ps(b, _MM_FROUND_TO_NEAREST_INT);
__m64 s =_mm_cvtps_pi16(c);
// now store the values to sptr
}
任何帮助将不胜感激。
【问题讨论】：
标签： c++ sse intrinsics sse2
我个人会避免使用 MMX。此外，我会使用显式存储而不是隐式存储，后者通常仅适用于某些编译器。以下代码适用于 MSVC2012 和 SSE 4.1。
请注意，fptr 需要 16 字节对齐。如果你在 64 位模式下编译这不是问题，但在 32 位模式下你应该确保它是对齐的。
#include <stdio.h>
#include <stdint.h>
#include <smmintrin.h>
void process(float *fptr, int16_t *sptr, __m128 factor)
{
__m128 a = _mm_load_ps(fptr);
__m128 b = _mm_mul_ps(a, factor);
__m128i c = _mm_cvttps_epi32(b);
__m128i d = _mm_packs_epi32(c,c);
_mm_storel_epi64((__m128i*)sptr, d);
}
int main() {
float x[] = {1.0, 2.0, 3.0, 4.0};
int16_t y[4];
__m128 factor = _mm_set1_ps(3.14159f);
process(x, y, factor);
printf("%d %d %d %d\n", y[0], y[1], y[2], y[3]);
}
请注意，_mm_cvtps_pi16 不是一个简单的内在函数，英特尔内在指南说“这个内在函数会创建两个或更多指令的序列，并且可能比本机指令执行得更差。考虑这个内在函数的性能影响。”
这是使用 MMX 版本的汇编输出
mulps (%rdi), %xmm0
roundps $0, %xmm0, %xmm0
movaps %xmm0, %xmm1
cvtps2pi %xmm0, %mm0
movhlps %xmm0, %xmm1
cvtps2pi %xmm1, %mm1
packssdw %mm1, %mm0
movq %mm0, (%rsi)
ret
这是使用 SSE 唯一版本的程序集输出
mulps (%rdi), %xmm0
cvttps2dq %xmm0, %xmm0
packssdw %xmm0, %xmm0
movq %xmm0, (%rsi)
ret
【讨论】：
使用__m64 类型，您可以适当地转换目标指针：
void process(float *fptr, int16_t *sptr, __m128 factor)
{
__m128 a = _mm_load_ps(fptr);
__m128 b = _mm_mul_ps(a, factor);
__m128 c = _mm_round_ps(b, _MM_FROUND_TO_NEAREST_INT);
__m64 s =_mm_cvtps_pi16(c);
*((__m64 *) sptr) = s;
}
与 SSE/AVX 一样，使用 MMX 指令的对齐和未对齐存储之间没有区别；因此，您不需要内在函数来执行存储。
【讨论】：
__m64，您可以简单地坚持使用__m128 并使用_mm_storel_epi64 (MOVQ) 来存储低64 位。今天没有任何充分的理由使用 MMX。
_mm_cvtps_epi32 + _mm_packs_epi32 而不是 _mm_cvtps_pi16，如 Z Boson 的回答所示；尽管需要两个内在函数而不是一个，但这是实际上更有效）。
我认为您可以安全地将其移至通用 64 位寄存器（long long 适用于 Linux LLP64 和 Windows LP64）并自行复制。
根据我在xmmintrin.h 中读到的内容，gcc 将完美地处理从__m64 到long long 的演员表。
可以肯定的是，您可以使用_mm_cvtsi64_si64x。
short* f;
long long b = _mm_cvtsi64_si64x(s);
f[0] = b >> 48;
f[1] = b >> 32 & 0x0000FFFFLL;
f[2] = b >> 16 & 0x000000000FFFFLL;
f[3] = b & 0x000000000000FFFFLL;
你可以用 union 输入 pune 让它看起来更好，但我想这会属于未定义的行为。
【讨论】：