如何从浮点数加载到__m256 *但是在内存中反向读取，而不是向前读取？

Question

我有一组浮点数，我想以相反的顺序访问。在我的非矢量化代码中，这很容易。

以下是我所拥有的数据的简化版本。

float A[8] = {a, b, c, d, e, f, g, h};
float B[8] = {s, t, u, v, w, x, y, z};

这是我想做的手术。

float C[8] = {a*z, b*y, c*x, d*w, e*v, f*u, g*t, h*s};

我希望能够执行某种load_ps操作，这样的操作可以给我这样的结果：

__m256 A_Loaded         = _mm256_load_ps(&A[0]);
                        = {a, b, c, d, e, f, g, h};

__m256 B_LoadedReversed = _mm256_loadr_ps(&B[7]);
                        = {z, y, x, w, v, u, t, s};

__m256 Output = _mm256_mul_ps(A_Loaded, B_LoadedReversed);
              = {a*z, b*y, c*x, d*w, e*v, f*u, g*t, h*s};

我所拥有的数据源之一是一个查找表，因此，如果推到紧要关头，它可能会被逆转，但更倾向于避免这种情况，因为那样会编译程序的其他区域。

目前，我已经找到了一个使用_mm256_set_ps()并手动指向所需数据的拙劣解决方案，但这并不像我所希望的那样具有良好的性能。

我知道有一个“反向”的_mm256_set_ps() (_mm256_setr_ps())，但似乎没有我需要的_mm256_loadr_ps()。

任何关于这个问题的想法和想法都将不胜感激！提前谢谢。

Answer 1

您可以使用__m256和_mm_256_permute2f128_ps，分两步逆转_mm256_permute_ps内部的顺序。

• _mm256_permute_ps允许你在每条“车道”内保持不变，即高和低128位块。
• _mm_256_permute2f128_ps允许你在车道上设置128位块.

就像这样：

__m256 b = _mm256_loadr_ps(&B[0]);
b = _mm256_permute_ps(b, _MM_SHUFFLE(3, 2, 1, 0));
b = _mm256_permute2f128_ps(b, b, 1);

这些说明记录在英特尔的本质指南：https://www.intel.com/content/www/us/en/docs/intrinsics-guide/index.html中。

setr_ps是如何工作的？

setr_ps()是如何逆转的呢？它只是颠倒了论点。这是我从GCC安装中提取的版本：

extern __inline __m256 __attribute__((__gnu_inline__, __always_inline__, __artificial__))
_mm256_setr_ps (float __A, float __B, float __C, float __D,
                float __E, float __F, float __G, float __H)
{
  return _mm256_set_ps (__H, __G, __F, __E, __D, __C, __B, __A);
}

您可以看到，setr_ps()并不对应于任何底层处理器功能，它只是重新排序参数。

Answer 2

你不能用一个负载来表达它--所有的负载都是“向前”的。

你得用洗牌手术。名字中有“永久”或"shuf“的东西。如果_mm256_permutevar8x32_ps是可用的，那么AVX2可能对您的情况是一个很好的选择。它可以在一次洗牌指令中完成所有的工作，尽管它确实需要加载一个洗牌控制向量。如果只有AVX1可用，Dietrich的回答提出了一种使用两种AVX1洗牌的方法。

类似这样的内容(如果我没有反转索引)：

// AVX2
__m256 B_LoadedReversed = _mm256_permutevar8x32_ps(
                              _mm256_load_ps(&B[0]),  // load B[0..7]
                              _mm256_set_epi32(0, 1, 2, 3, 4, 5, 6, 7));

这些函数的参数之一是指数向量，或者对于其他洗牌，如在车道的_mm256_permute_ps，它是一个8位的即时值(imm8)。

参数的每个元素都是源向量元素在目标向量中的位置。对于imm8，有2位位置。

有些洗牌函数对给定向量的子向量执行多次洗牌，但对这一次不执行。

许多AVX+洗牌不跨车道( 128位组)，但这次确实如此。