AVX中的AVX2 VPSHUFB仿真

Question

在AVX中只有128位PSHUFB

VPSHUFB xmm1, xmm2, xmm3/m128

而且只有AVX2拥有整个256位AVX寄存器的完整PSHUFB。

VPSHUFB ymm1, ymm2, ymm3/m256

如何使用AVX高效地模拟这个指令？

在这种特殊情况下，源只有8个元素(字节)，但这些元素可以在目标的整个32个字节内移动。所以只运行2x PSHUFB就没问题了。

我在VPSHUFB中发现的一个问题是，它将16 (0x10)视为0，只有128个或更高的值被填充为零！(最高位集)是否可以不添加、比较和屏蔽而完成？

Answer 1

正如@MaratDukhan所注意到的，_mm256_shuffle_epi8 (即ymm-s的VPSHUFB )没有执行完整的32字节混叠。对我来说，很遗憾.

这就是为什么要在没有AVX2的情况下模仿它，您可以简单地将每个寄存器分割成两半，每一半进行置换，然后组合在一起：

//AVX only
__m256i _emu_mm256_shuffle_epi8(__m256i reg, __m256i shuf) {
    __m128i reg0 = _mm256_castsi256_si128(reg);
    __m128i reg1 = _mm256_extractf128_si256(reg, 1);
    __m128i shuf0 = _mm256_castsi256_si128(shuf);
    __m128i shuf1 = _mm256_extractf128_si256(shuf, 1);
    __m128i res0 = _mm_shuffle_epi8(reg0, shuf0);
    __m128i res1 = _mm_shuffle_epi8(reg1, shuf1);
    __m256i res = _mm256_setr_m128i(res0, res1);
    return res;
}

如果您真的想要对32字节寄存器进行完全洗牌，可以按照本论文的方法进行。把一半和一半混在一起，然后混合在一起。如果没有AVX2，就会出现这样的情况：

//AVX only
__m256i _emu_mm256_shuffle32_epi8(__m256i reg, __m256i shuf) {
    __m128i reg0 = _mm256_castsi256_si128(reg);
    __m128i reg1 = _mm256_extractf128_si256(reg, 1);
    __m128i shuf0 = _mm256_castsi256_si128(shuf);
    __m128i shuf1 = _mm256_extractf128_si256(shuf, 1);
    __m128i res00 = _mm_shuffle_epi8(reg0, shuf0);
    __m128i res01 = _mm_shuffle_epi8(reg0, shuf1);
    __m128i res10 = _mm_shuffle_epi8(reg1, shuf0);
    __m128i res11 = _mm_shuffle_epi8(reg1, shuf1);
    __m128i res0 = _mm_blendv_epi8(res10, res00, _mm_cmplt_epi8(shuf0, _mm_set1_epi8(16)));
    __m128i res1 = _mm_blendv_epi8(res11, res01, _mm_cmplt_epi8(shuf1, _mm_set1_epi8(16)));
    __m256i res = _mm256_setr_m128i(res0, res1);
    return res;
}

如果您确信只使用了reg的下半部分，那么您可以删除reg1、res10、res11的行，并删除比较和混合。实际上，如果没有AVX2，坚持使用SSE并使用128位寄存器可能更有效。

一般的32字节改组可以使用AVX2进行显著优化：

//Uses AVX2
__m256i _ext_mm256_shuffle32_epi8(__m256i reg, __m256i shuf) {
    __m256i regAll0 = _mm256_permute2x128_si256(reg, reg, 0x00);
    __m256i regAll1 = _mm256_permute2x128_si256(reg, reg, 0x11);
    __m256i resR0 = _mm256_shuffle_epi8(regAll0, shuf);
    __m256i resR1 = _mm256_shuffle_epi8(regAll1, shuf);
    __m256i res = _mm256_blendv_epi8(resR1, resR0, _mm256_cmpgt_epi8(_mm256_set1_epi8(16), shuf));
    return res;
}

注意事项：代码没有测试！