按字节填充xmm寄存器

Question

我需要计算存储在一个数组中的32个uint8t值的平均值。出于性能原因，我想更改下面的代码以使用pavgb命令和xmm寄存器。问题是我不能使用movdqu一次复制16个字节，因为我在循环中做了一些计算来得到平均值。下面的代码是我正在使用的实际代码的简化版本。

;
; void average(uint8_t *res, uint8_t *input)
;    rdi = res   | res holds 16 values
;    rsi = input | input holds 32 values
;
segment .text
    global average

average:    
    mov rcx, 0
    xor rax, rax
    xor rbx, rbx
.loop
    mov al, [rsi + rcx]
    cmp al, 16
    jge .endif
    add al, 16

    .endif
    mov bl, [rsi + rcx + 16]
    cmp bl, 16
    jge .endif2
    add bl, 16

    .endif2
    add ax, bl
    shr ax, 1

    mov [rdi], al

    inc rdi
    inc rsi
    inc rcx

    cmp rcx, 16
    jl .loop 

因此，要更改代码以使用xmm寄存器，以便我可以在最后执行类似的操作：

pavgb   xmm0, xmm1
movdqu  [rdi], xmm0

我需要按字节填充xmm0和xmm1寄存器。有没有办法做到这一点呢？

Answer 1

使用pavgb指令实际上没有任何意义，因为设置pavgb所需的额外工作远远超过了使用pavgb带来的性能优势。您现有的代码没有问题。

即使使用优化的SSE版本，函数也非常短，因此性能可能会被函数调用开销所淹没。

要获得性能优势，您可能需要使用内部函数，以便编译器能够理解代码，并将其合并到自己的优化中(例如，内联)。

void average(uint8_t *res, uint8_t *input)
{
    auto boundary = __m128i _mm_set1_epi8(0x10);

    // Process the first half
    auto part1 = _mm_loadu_si128((__m128i *)input);
    auto adjust1 = _mm_and_si128(_mm_pcmpgt_epi8(boundary, part1), boundary);
    auto adjusted1 = _mm_add_epi8(part1, adjust1);

   // process the second half
    auto part2 = _mm_loadu_si128((__m128i *)(input + 16);
    auto adjust2 = _mm_and_si128(_mm_pcmpgt_epi8(boundary, part2), boundary);
    auto adjusted2 = _mm_add_epi8(part2, adjust2);

   // average them together
   auto result = _mm_avg_epu8(adjusted1, adjusted2);

   // save the answer
   _mm_storeu_si128((__m128i *)res, result);
}