AVX中的AVX2 VPSHUFB仿真

Question

AVX中的AVX2 VPSHUFB仿真

7

在AVX中，只有128位的PSHUFB

VPSHUFB xmm1, xmm2, xmm3/m128

只有 AVX2 具有完整的 PSHUFB，适用于整个 256 位 AVX 寄存器

VPSHUFB ymm1, ymm2, ymm3/m256

如何使用AVX指令高效地模拟此指令？

在这个特殊情况下，源只有8个元素（字节），但是可以在目标的整个32字节内移动。所以只需要运行2次PSHUFB就可以了。

我在使用VPSHUFB时遇到的问题是它将16（0x10）视为0，只有128及以上才填充为零！（最高位设置）。是否可能不添加比较和掩码操作来完成它？

- alecco

4

也许你没有注意到，但 AVX2 的 VPSHUFB ymm, ymm, ymm/m256 并不是真正的 256 位洗牌，而是两个 128 位的洗牌。 - Marat Dukhan

有趣。谢谢！ - alecco

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- stgatilov · Accepted Answer

正如@MaratDukhan所指出的那样，_mm256_shuffle_epi8（即ymm-s的VPSHUFB）并不执行完整的32字节洗牌。对我来说，这真是太遗憾了...

这就是为什么为了在没有AVX2的情况下模拟它，您可以简单地将每个寄存器分成两半，对每个半部分进行排列，然后将它们组合在一起的原因：

//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;
}

如果您真的想要完全洗牌32字节寄存器，您可以遵循这篇论文中的方法。将每个半部分与另一个半部分混合，然后将结果混合在一起。没有AVX2的话，大致是这样的：

//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;
}

如果你确定只使用了reg的下半部分，那么可以删除reg1、res10、res11行，并且删除比较和混合。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率。

使用AVX2可以显着优化通用的32字节重排：

//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：代码未经测试！