将每个AVX 32位元素的低16位存储到存储器中

Question

我在AVX值__m256i中有8个整数值，它们都以0xffff为上限，所以高16位都是零。

现在我想将这8个值存储为8个连续的uint16_t值。

我怎么能用这种方式把它们写到内存中呢？我能以某种方式将8个压缩整数的__m256i值转换为包含8个压缩短线的__m128i值吗？

我的目标是AVX2内部，但如果它可以在AVX内部，更好。

Answer 1

使用AVX2，使用_mm256_packus_epi32 + _mm256_permutex_epi64来修复打包两个__m256i输入的通道内行为，就像@chtz所说的那样。然后，您可以从64字节的输入存储所有32字节的输出。

使用AVX1，将一个向量的高半部分提取出来，并将_mm_packus_epi32包放入__m128i。这仍然会花费2条混洗指令，但产生的数据输出宽度是它们的一半。(尽管它在Zen1上很好，因为YMM寄存器被视为2x128位的二分之一，而且vextractf128在Zen1上比在CPU上更便宜，在CPU上它实际上是一种混洗。)

当然，在只使用AVX1的情况下，__m256i中不太可能有整数数据，除非它是从内存加载的，在这种情况下，您应该首先执行_mm_loadu_si128。但是对于AVX2来说，32字节的加载可能是值得的，即使这意味着你每个存储需要2次打乱而不是1次，特别是如果你的任何输入没有16个字节对齐。