C++ 中两个 16 位整数向量与 AVX2 的内积

Question

我正在寻找最有效的方法来乘以两个对齐的 int16_t 数组，其长度可以用 AVX2 除以 16。

乘成向量后 x 我从 _mm256_extracti128_si256 和 _mm256_castsi256_si128 开始得到 x 的低和高部分，然后用 [=14= 添加它们].

我复制了结果寄存器并将 _mm_move_epi64 应用到原始寄存器并用 _mm_add_epi16 再次添加。现在，我想我有：
-, -, -, -, x15+x7+x11+x3, x14+x6+x10+x2, x13+x5+x9+x1, x12+x4+x8+x0 在 128 位寄存器内。但是现在我卡住了，不知道如何有效地总结剩余的四个条目以及如何提取16位结果。

Answer 1

根据 google 我的工作解决方案的评论和时间：

// AVX multiply
hash = 1;
start1 = std::chrono::high_resolution_clock::now();
for(int i=0; i<2000000; i++) {
    ZTYPE*  xv = al_entr1.c.data();
    ZTYPE*  yv = al_entr2.c.data();

    __m256i tres = _mm256_setzero_si256();
    for(int ii=0; ii < MAX_SIEVING_DIM; ii = ii+16/*8*/)
    {
        // editor's note: alignment required.  Use loadu for unaligned
        __m256i  xr = _mm256_load_si256((__m256i*)(xv+ii));
        __m256i  yr = _mm256_load_si256((__m256i*)(yv+ii));
        const __m256i tmp = _mm256_madd_epi16 (xr, yr);
        tres =  _mm256_add_epi32(tmp, tres);
    }

    // Reduction
    const __m128i x128 = _mm_add_epi32  ( _mm256_extracti128_si256(tres, 1), _mm256_castsi256_si128(tres));
    const __m128i x128_up = _mm_shuffle_epi32(x128, 78);
    const __m128i x64  = _mm_add_epi32  (x128, x128_up);
    const __m128i _x32 =  _mm_hadd_epi32(x64, x64);

    const int res = _mm_extract_epi32(_x32, 0);
    hash |= res;
}

finish1 = std::chrono::high_resolution_clock::now();
elapsed1 = finish1 - start1;
std::cout << "AVX multiply: " <<elapsed1.count() << " sec. (" << hash << ")" << std::endl;

这至少是迄今为止最快的解决方案：

std::inner_product：0.819781 秒。 (-14335)
std::inner_product（对齐）：0.964058 秒。 (-14335)
天真的乘法：0.588623 秒。 (-14335)
展开乘法：0.505639 秒。 (-14335)
AVX 相乘：0.0488352 秒。 (-14335)

C++ 中两个 16 位整数向量与 AVX2 的内积

Inner product of two 16bit integer vectors with AVX2 in C++

vectorization

sse

simd

avx2

inner-product