单精度复数的水平和？

Question

我有一个256位AVX寄存器，包含4个单个精确的复数，存储为实的、虚的、实的、虚的，等等。我目前正在将256位寄存器写回内存，并将其加在内存中，但这似乎效率低下。

如何使用AVX (或AVX2)本质来执行复数水平和？我会接受一个使用程序集的答案，如果没有一个效率相当的答案使用本质。

编辑:为了澄清，如果寄存器包含AR，AI，BR，BI，CR，CI，DR，DI，我想计算复数(AR + BR + CR + DR，AI + BI + CI + DI)。如果结果在256位寄存器中，我可以提取2个单精度浮点数。

Edit2:潜在的解决方案，虽然不一定是最优的.

float hsum_ps_sse3(__m128 v) {
    __m128 shuf = _mm_movehdup_ps(v);        // broadcast elements 3,1 to 2,0
    __m128 sums = _mm_add_ps(v, shuf);
    shuf        = _mm_movehl_ps(shuf, sums); // high half -> low half
    sums        = _mm_add_ss(sums, shuf);
    return        _mm_cvtss_f32(sums);
}

float sumReal = 0.0;
float sumImaginary = 0.0;

 __m256i mask = _mm256_set_epi32 (7, 5, 3, 1, 6, 4, 2, 0);

 // Separate real and imaginary.
__m256 permutedSum = _mm256_permutevar8x32_ps(sseSum0, mask);
__m128 realSum = _mm256_extractf128_ps(permutedSum , 0);
__m128 imaginarySum = _mm256_extractf128_ps(permutedSum , 1);

// Horizontally sum real and imaginary.
sumReal = hsum_ps_sse3(realSum);
sumImaginary = hsum_ps_sse3(imaginarySum);

Answer 1

一个非常简单的解决方案只需要AVX (而不是AVX2)：

__m128i v0 = _mm256_castps256_ps128(v);      // get low 2 complex values
__m128i v1 = _mm256_extractf128_ps(v, 1);    // get high 2 complex values
v0 = _mm_add_ps(v0, v1);                     // add high and low
v1 = _mm_shuffle_ps(v0, v0, _MM_SHUFFLE(1, 0, 3, 2));
v0 = _mm_add_ps(v0, v1);                     // combine two halves of result

结果将在v0中作为{ sum.re, sum.im, sum.re, sum.im }。