SSE 内在函数：将 32 位浮点数转换为 UNSIGNED 8 位整数

Question

使用 SSE 内在函数，我得到了一个由四个 32 位浮点数组成的向量，范围限制在 0-255 之间并四舍五入到最接近的整数。我现在想把这四个写成字节。

有一个内在的 _mm_cvtps_pi8 可以将 32 位转换为 8 位 signed int，但问题是任何超过 127 的值都会被限制为127. 我找不到任何可以限制为无符号 8 位值的指令。

我有一种直觉，我可能想要做的是 _mm_cvtps_pi16 和 _mm_shuffle_pi8 的某种组合，然后是移动指令以将我关心的四个字节放入内存。这是最好的方法吗？我要看看我是否能弄清楚如何对随机播放控制掩码进行编码。

更新：以下似乎完全符合我的要求。有没有更好的方法？

#include <tmmintrin.h>
#include <stdio.h>

unsigned char out[8];
unsigned char shuf[8] = { 0, 2, 4, 6, 128, 128, 128, 128 };
float ins[4] = {500, 0, 120, 240};

int main()
{
    __m128 x = _mm_load_ps(ins);    // Load the floats
    __m64 y = _mm_cvtps_pi16(x);    // Convert them to 16-bit ints
    __m64 sh = *(__m64*)shuf;       // Get the shuffle mask into a register
    y = _mm_shuffle_pi8(y, sh);     // Shuffle the lower byte of each into the first four bytes
    *(int*)out = _mm_cvtsi64_si32(y); // Store the lower 32 bits

    printf("%d\n", out[0]);
    printf("%d\n", out[1]);
    printf("%d\n", out[2]);
    printf("%d\n", out[3]);
    return 0;
}

更新 2：这是一个基于哈罗德回答的更好的解决方案：

#include <smmintrin.h>
#include <stdio.h>

unsigned char out[8];
float ins[4] = {10.4, 10.6, 120, 100000};

int main()
{   
    __m128 x = _mm_load_ps(ins);       // Load the floats
    __m128i y = _mm_cvtps_epi32(x);    // Convert them to 32-bit ints
    y = _mm_packus_epi32(y, y);        // Pack down to 16 bits
    y = _mm_packus_epi16(y, y);        // Pack down to 8 bits
    *(int*)out = _mm_cvtsi128_si32(y); // Store the lower 32 bits

    printf("%d\n", out[0]);
    printf("%d\n", out[1]);
    printf("%d\n", out[2]);
    printf("%d\n", out[3]);
    return 0;
}

Answer 1

没有直接从float到byte的转换，_mm_cvtps_pi8是复合。 _mm_cvtps_pi16 也是一个组合，在这种情况下，它只是在做一些你用洗牌撤销的无意义的事情。他们也 return 烦人 __m64。

无论如何，我们可以转换成dwords（有符号，但没关系），然后打包（无符号）或打乱成字节。 _mm_shuffle_(e)pi8 生成一个 pshufb，Core2 45nm 和 AMD 处理器不太喜欢它，你必须从某个地方获得掩码。

无论哪种方式，您都不必先四舍五入到最接近的整数，转换程序会这样做。至少，如果你没有弄乱舍入模式。

使用包 1：（未测试）——可能没有用，packusdw 已经输出未签名的字，但 packuswb 再次需要签名的字。保留下来是因为它在别处被引用。

cvtps2dq xmm0, xmm0  
packusdw xmm0, xmm0     ; unsafe: saturates to a different range than packuswb accepts
packuswb xmm0, xmm0
movd somewhere, xmm0

使用不同的随机播放：

cvtps2dq xmm0, xmm0  
packssdw xmm0, xmm0     ; correct: signed saturation on first step to feed packuswb
packuswb xmm0, xmm0
movd somewhere, xmm0

使用随机播放：（未测试）

cvtps2dq xmm0, xmm0
pshufb xmm0, [shufmask]
movd somewhere, xmm0

shufmask: db 0, 4, 8, 12, 80h, 80h, 80h, 80h, 80h, 80h, 80h, 80h, 80h, 80h, 80h, 80h

Answer 2

我们可以通过带符号饱和的第一阶段打包来解决无符号钳制问题。 [0-255] 适合带符号的 16 位 int，因此该范围内的值将保持未限定。该范围之外的值将保持在它的同一侧。因此，signed16 -> unsigned8 步骤将正确地限制它们。

;; SSE2: good for arrays of inputs
cvtps2dq xmm0, [rsi]      ; 4 floats
cvtps2dq xmm1, [rsi+16]   ; 4 more floats
packssdw xmm0, xmm1       ; 8 int16_t

cvtps2dq xmm1, [rsi+32]
cvtps2dq xmm2, [rsi+48]
packssdw xmm1, xmm2       ; 8 more int16_t
                          ; signed because that's how packuswb treats its input
packuswb xmm0, xmm1       ; 16 uint8_t
movdqa   [rdi], xmm0

这只需要 SSE2，packusdw 不需要 SSE4.1。

我认为这就是 SSE2 只包含从双字到字的带符号包，但包括从字到字节的带符号和无符号包的原因。 packuswd 仅在您的最终目标是 uint16_t 时才有用，而不是进一步打包。（从那时起，您需要在将其提供给进一步的包之前屏蔽掉符号位）。

如果您确实使用了 packusdw -> packuswb，当第一步饱和到 uint16_t > 0x7fff 时，您会得到虚假结果。 packuswb 会将其解释为负 int16_t 并将其饱和为 0。packssdw 会将此类输入饱和到 0x7fff，最大值 int16_t.

（如果您的 32 位输入总是 <= 0x7fff，您可以使用其中任何一个，但是 SSE4.1 packusdw takes more instruction bytes than SSE2 packsswd，并且永远不会运行s 更快。）

如果您的源值不能为负，并且您只有一个包含 4 个浮点数的向量，数量不多，您可以使用 harold 的 pshufb 想法。如果不是，您需要将负值限制为零，而不是通过将低字节改组到位来解决运行。

使用

;; SSE4.1, good for a single vector.  Use the PACK version above for arrays
cvtps2dq   xmm0, xmm0
pmaxsd     xmm0, zeroed-register
pshufb     xmm0, [mask]
movd       [somewhere], xmm0

可能比使用两个 pack 指令更有效，因为 pmax 可以运行在端口 1 或 5（Intel Haswell）上。 cvtps2dq 仅是端口 1，pshufb 和 pack* 仅是端口 5。

SSE 内在函数：将 32 位浮点数转换为 UNSIGNED 8 位整数

SSE intrinsics: Convert 32-bit floats to UNSIGNED 8-bit integers

x86

sse

mmx