AVX 中的 AVX2 VPSHUFB 仿真

AVX2 VPSHUFB emulation in AVX

在 AVX 中只有 128 位 PSHUFB

VPSHUFB xmm1, xmm2, xmm3/m128

并且只有 AVX2 具有整个 256 位 AVX 寄存器的完整 PSHUFB

VPSHUFB ymm1, ymm2, ymm3/m256

如何使用 AVX 内在函数有效地模拟此指令?

同样在这种特殊情况下,源只有 8 个元素(字节),但这些元素可以在目标的完整 32 个字节内移动。所以 运行 没问题,只要 2 x PSHUFB.

我在 VPSHUFB 中发现的一个问题是它将 16 (0x10) 视为 0,只有 128 及以上的数字用零填充! (最高位设置)是否可以在不添加比较和屏蔽的情况下做到这一点?

正如@MaratDukhan 所注意到的,_mm256_shuffle_epi8(即 ymm-s 的 VPSHUFB)不会执行完整的 32 字节随机播放。至于我呢,挺可惜的...

这就是为什么要在没有 AVX2 的情况下模拟它,您可以简单地将每个寄存器分成两半,排列每一半,然后组合在一起:

//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;
}

如果你真的想完全洗牌32字节的寄存器,你可以按照this paper的方法。将每一半与每一半混合,然后将结果混合在一起。如果没有 AVX2,它会是这样的:

//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;
}

如果您确定只使用了 reg 的下半部分,那么您可以删除 reg1res10res11 的行,然后删除比较和融合。实际上,如果您没有 AVX2,坚持使用 SSE 并使用 128 位寄存器可能会更有效。

可以使用 AVX2 显着优化一般的 32 字节改组:

//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!