改进 AVX 中的非水平分配

Question

所以我在处理 AVX 代码时遇到了另一个问题。我有一个情况，我有 4 个 ymm 寄存器需要垂直拆分到其他 4 个 ymm 寄存器

（即 ymm0（ABCD）-> ymm4（A...），ymm5（B...），ymm6（C...），ymm7（D...））。

这是一个例子：

// a, b, c, d are __m256 structs with [] operators to access xyzw
__m256d A = _mm256_setr_pd(a[0], b[0], c[0], d[0]);
__m256d B = _mm256_setr_pd(a[1], b[1], c[1], d[1]);
__m256d C = _mm256_setr_pd(a[2], b[2], c[2], d[2]);
__m256d D = _mm256_setr_pd(a[3], b[3], c[3], d[3]);

Answer 1

只是将 Paul 的评论放入答案中：

我的问题是关于如何进行矩阵转置，这在 AVX 中很容易完成，如他提供的 link 所示。

对于遇到这里的人，这是我的实现：

void Transpose(__m256d* A, __m256d* T)
{
    __m256d t0 = _mm256_shuffle_pd(A[0], A[1], 0b0000);
    __m256d t1 = _mm256_shuffle_pd(A[0], A[1], 0b1111);
    __m256d t2 = _mm256_shuffle_pd(A[2], A[3], 0b0000);
    __m256d t3 = _mm256_shuffle_pd(A[2], A[3], 0b1111);
    T[0] = _mm256_permute2f128_pd(t0, t2, 0b0100000);
    T[1] = _mm256_permute2f128_pd(t1, t3, 0b0100000);
    T[2] = _mm256_permute2f128_pd(t0, t2, 0b0110001);
    T[3] = _mm256_permute2f128_pd(t1, t3, 0b0110001);
}

与我之前的尝试相比，此函数在全面优化时将指令数量减少了大约一半

改进 AVX 中的非水平分配

Improve non-horizontal assignment in AVX

c++

x86

simd

avx