AVX2和BMI2指令如何有效率地實現基於遮罩的左打包？

基於遮罩打包左的高效 AVX2 實作

與 SSE 不同，AVX 缺乏基於遮罩打包左的專用指令。然而，結合使用 AVX2 和 BMI2 指令可以有效地完成此任務。

使用AVX2 和BMI2

該方法利用vpermps (_mm256_permutevar8x32_ps) 指令，它執行車道交叉變量洗牌，並且pdep來自BMI2 的（_pde提供按位提取。

演算法步驟

1. 使用表示所需排列的壓縮 3 位元索引建立一個常數。
2. 使用 pdep 從mask。
3. 將索引解壓縮為每個位元組一個。
4. 將解壓縮的索引轉換為 vpermps 的控制遮罩。
5. 使用 vpermps 執行變數洗牌。

實作詳細資料

下面的程式碼提供了AVX2 BMI2 中的實作：

#include <immintrin.h>

__m256 compress256(__m256 src, unsigned int mask)
{
  uint64_t expanded_mask = _pdep_u64(mask, 0x0101010101010101);  // unpack each bit to a byte
  expanded_mask *= 0xFF;    // mask |= mask<<1 | mask<<2 | ... | mask<<7;
  // ABC... -> AAAAAAAABBBBBBBBCCCCCCCC...: replicate each bit to fill its byte

  const uint64_t identity_indices = 0x0706050403020100;    // the identity shuffle for vpermps, packed to one index per byte
  uint64_t wanted_indices = _pext_u64(identity_indices, expanded_mask);

  __m128i bytevec = _mm_cvtsi64_si128(wanted_indices);
  __m256i shufmask = _mm256_cvtepu8_epi32(bytevec);

  return _mm256_permutevar8x32_ps(src, shufmask);
}

效能分析效能分析

效能分析

效能分析

效能分析

效能分析效能分析效能分析

效能分析

效能分析

效能分析效能分析🎜>此實作需要 6 uops，16c延遲。它有可能維持每 4 個週期一次迭代的吞吐量，從而保持多個迭代的運行。 替代方法對於 Zen 3 之前的 AMD CPU，pext/pdep速度非常慢，因此替代方法可能更好。對於 16 位元元素，可以採用 128 位元向量方法。對於 8 位元元素，可以使用涉及多個重疊塊的不同技術。

以上是AVX2和BMI2指令如何有效率地實現基於遮罩的左打包？的詳細內容。更多資訊請關注PHP中文網其他相關文章！