当编译器在Sandy上重新排序AVX指令时，是否会影响性能？
请不要说这是过早的微观优化。我想尽可能地了解所描述的Sandy Bridge功能和汇编语言工作原理，并确保我的代码利用了这个架构特性。谢谢您的理解。 几天前我开始学习Intrinsics，所以答案对于一些人来说可能很明显，但我没有可靠的信息来源来解决这个问题。 我需要为Sandy Brid...
如何从AVX寄存器中获取数据？
我使用MSVC 2013和AVX 1，在一个寄存器中有8个浮点数：__m256 foo = mm256_fmadd_ps(a,b,c); 现在我想对8个浮点数调用 inline void print(float) {...}。看起来使用 Intel AVX指令集会使这变得非常复杂:print(...
未对齐加载与未对齐存储
简短的问题是，如果我有一个函数需要接收两个向量作为参数。其中一个是输入向量，另一个是输出向量（没有别名）。我只能对其中一个进行内存对齐，应该选择哪一个？ 更详细的版本是，考虑一个函数，void func(size_t n, void *in, void *out) { __m256i...
_mm256_lddqu_si256和_mm256_loadu_si256有什么区别？
我之前使用_mm256_lddqu_si256，是在网上找到的一个例子。后来，我发现了_mm256_loadu_si256。英特尔指令集手册中只说明了当跨越缓存行边界时，lddqu版本可能会表现得更好。那么loadu有什么优势呢？一般来说，这些函数有何不同之处？
为什么SSE指令保留YMM寄存器的上128位？
这似乎是一个经常出现的问题，许多Intel处理器（直到Skylake为止，除非我错了）在混合AVX-256指令和SSE指令时表现不佳。 根据Intel的文档，这是由于SSE指令被定义为保留YMM寄存器的上128位，因此为了能够通过不使用AVX数据路径的上128位来节省功率，CPU在执行SSE...
根据精度，使用SSE/AVX快速矢量化的rsqrt和倒数。
假设需要计算打包的浮点数据的倒数或倒数平方根。两者都可以通过以下方式轻松完成： __m128 recip_float4_ieee(__m128 x) { return _mm_div_ps(_mm_set1_ps(1.0f), x); } __m128 rsqrt_float4_ieee(_...
使用AVX/AVX2指令集的对齐和非对齐内存访问
根据英特尔的软件开发手册（第14.9节），AVX放宽了内存访问的对齐要求。如果数据直接在处理指令中加载，例如：vaddps ymm0,ymm0,YMMWORD PTR [rax] 负载地址不必对齐。但是，如果使用专用的对齐负载指令，例如vmovaps ymm0,YMMWORD PTR [rax...
高效地在大型数组中查找最低有效位（least significant set bit）？
我有一个巨大的内存块（位向量），大小为N比特，位于一页内存中，平均而言N大约是5000，即5k比特来存储一些标志信息。 在某个时间点（超频繁 - 关键时刻），我需要在整个大位向量中找到第一个设置的位。现在我是按64字处理的，即利用__builtin_ctzll的帮助来完成这项工作。但是当N变大...