VPERMILPS指令(_mm_permute_ps)的意义是什么？

Question

AVX指令集引入了VPERMILPS，这似乎是SHUFPS的简化版本(对于两个输入寄存器都相同的情况)。

例如，以下指令：

c5 f0 c6 c1 00          vshufps xmm0,xmm1,xmm1,0x0

可替换为：

c4 e3 79 04 c1 00       vpermilps xmm0,xmm1,0x0

如您所见，VPERMILPS版本需要额外增加一个字节，并执行相同的操作。根据指令表，这两个指令占用一个CPU周期，具有相同的吞吐量。

引进这样的教学有什么意义？我是不是遗漏了什么？

Answer 1

是的，使用vpermilps-immediate通常是一种漏掉的优化与vshufps (奈特的着陆除外)，在相同的操作中浪费1字节的代码大小和相同的性能。

我认为vpermilps的要点是它可以使用矢量控制操作数。在AVX之前，唯一的可变控制洗牌是整数pshufb.

VPERMILPS ymm1, ymm2, ymm3/m256 -使用来自ymm1 3/m 256的控件在ymm2中使用单精度浮点值，并存储结果为ymm1。

当然，直接的形式有一个完全独立的操作码，你会问它为什么会存在。英特尔绝对可以只包括矢量版本，所以问题变成了“为什么他们包括即时版本？”--至少需要一些额外的解码硬件。洗牌单元已经有硬件以这种形式解压缩即时控制操作数，因为它与vshufps完全相同，所以可能实现起来很便宜吗？

对于即时vpermilps，您唯一不能用vshufps做的事情就是在一个指令中使用load+shuffle，就像vpermilps ymm0, [rdi], 0b00011011可以反转源的每个通道中的元素。但是就像大多数直接指令一样，它不能微融合内存操作数，所以它仍然是前端的2个融合域uop。(在AMD CPU上，它实际上节省了前端带宽。)尽管如此，它还是节省了代码大小与vmovups ymm0, [rdi] / vshufps ymm0,ymm0,ymm0, 0b00011011的对比。

除此之外，我看不出有什么意义。他们在两条128位车道上都做了相同的洗牌操作，对两条通道都重复使用了即时的4x2位字段。(而vpermilpd和vshufpd都在各自的即时表中使用1位字段，并且可以在每条车道上进行不同的洗牌；上车道使用第2位和第3位；ZMM版本对上256个使用位4..7。因此，vpermilpd dst, src, imm与vshufpd dst, src,src, imm是相同的，除非您使用内存源，或者使用洗牌控制向量而不是直接。)

这让你怀疑英特尔是否忘记了VEX编码将使非破坏性vshufps为立即洗牌做同样的事情。

或者他们可能想到了他们的低功耗CPU，比如奈特的兰丁(Xeon )，在那里一个来源的洗牌比较便宜：。

vpermilps有一个周期的吞吐量，但是vshufps或vperm2f128有两个周期的吞吐量和一个额外的延迟周期。(据阿格纳福格(氏)指令表.)

因此，使用具有相同输入两次的vshufps是比较慢的。

但是在英特尔的大核心主流CPU上，是的，使用vpermilps-immediate是一种错过的优化，而不是vshufps，除非您可以将它与内存源一起使用。vshufps将需要相同的内存源两次，这显然是不可编码的。

AVX的设计比KNL早了很多年，但也许ISA的设计者们想到，也许未来的CPU可以通过更简单的洗牌来提高效率。

常规Silvermont ( KNL所基于的无序Atom )不支持AVX，但它具有1 uop /1周期吞吐量和shufps延迟。戈德蒙特的shufps吞吐量为0.5c。

AFAIK，英特尔仍然没有制造一个低功耗的核心(除了Xeon )与AVX。我不认为他们打算与特雷蒙特或Gracemont，戈德蒙特+的继任者。