将 SSE/AVX 寄存器左移和右移 32 位，同时移入零

Question

我想将 SSE/AVX 寄存器左移或右移 32 位的倍数，同时移入零。

让我更准确地说明我感兴趣的移位。对于 SSE，我想对四个 32 位浮点数进行以下移位：

shift1_SSE: [1, 2, 3, 4] -> [0, 1, 2, 3]
shift2_SSE: [1, 2, 3, 4] -> [0, 0, 1, 2]

对于 AVX，我想进行以下轮班：

shift1_AVX: [1, 2, 3, 4, 5, 6, 7, 8] -> [0, 1, 2, 3, 4, 5, 6, 7]
shift2_AVX: [1, 2, 3, 4, 5, 6, 7, 8] -> [0, 0, 1, 2, 3, 4, 5, 6]
shift3_AVX: [1, 2, 3, 4 ,5 ,6, 7, 8] -> [0, 0, 0, 0, 1, 2, 3, 4]

对于SSE，我想出了以下代码

shift1_SSE = _mm_castsi128_ps(_mm_slli_si128(_mm_castps_si128(x), 4)); 
shift2_SSE = _mm_shuffle_ps(_mm_setzero_ps(), x, 0x40);
//shift2_SSE = _mm_castsi128_ps(_mm_slli_si128(_mm_castps_si128(x), 8));

SSE 有更好的方法吗？

对于 AVX，我提出了以下需要 AVX2 的代码（并且未经测试）。 编辑（正如 Paul R 所解释的，此代码不起作用）。

shift1_AVX2 =_mm256_castsi256_ps(_mm256_slli_si256(_mm256_castps_si256(x), 4)));
shift2_AVX2 =_mm256_castsi256_ps(_mm256_slli_si256(_mm256_castps_si256(x), 8)));
shift3_AVX2 =_mm256_castsi256_ps(_mm256_slli_si256(_mm256_castps_si256(x), 12))); 

如何使用 AVX 而不是 AVX2 做到最好（例如使用

_mm256_permute

或 _mm256_shuffle`）？ 使用 AVX2 有更好的方法吗？

编辑：

Paul R 告诉我，我的 AVX2 代码将无法工作，并且 AVX 代码可能不值得。 对于 AVX2，我应该使用

_mm256_permutevar8x32_ps

和

_mm256_and_ps

。我没有带有 AVX2 (Haswell) 的系统，所以很难测试。

编辑： 根据 Felix Wyss 的回答，我提出了一些 AVX 解决方案，其中 shift1_AVX 和 shift2_AVX 只需要 3 个内在函数，shift3_AVX 只需要一个内在函数。 这是因为

_mm256_permutef128Ps

具有 归零功能。

shift1_AVX

__m256 t0 = _mm256_permute_ps(x, _MM_SHUFFLE(2, 1, 0, 3));       
__m256 t1 = _mm256_permute2f128_ps(t0, t0, 41);          
__m256 y = _mm256_blend_ps(t0, t1, 0x11);

shift2_AVX

__m256 t0 = _mm256_permute_ps(x, _MM_SHUFFLE(1, 0, 3, 2));
__m256 t1 = _mm256_permute2f128_ps(t0, t0, 41);
__m256 y = _mm256_blend_ps(t0, t1, 0x33);

shift3_AVX

x = _mm256_permute2f128_ps(x, x, 41);

Answer 1

您可以使用

_mm256_permute_ps

、

_mm256_permute2f128_ps

和

_mm256_blend_ps

进行右移，如下所示：

__m256 t0 = _mm256_permute_ps(x, 0x39);            // [x4  x7  x6  x5  x0  x3  x2  x1]
__m256 t1 = _mm256_permute2f128_ps(t0, t0, 0x81);  // [ 0   0   0   0  x4  x7  x6  x5] 
__m256 y  = _mm256_blend_ps(t0, t1, 0x88);         // [ 0  x7  x6  x5  x4  x3  x2  x1]

结果在

y

。 为了向右旋转，请将排列掩码设置为

0x01

而不是

0x81

。 通过更改排列和混合控制字节，可以类似地完成向左移位/旋转和更大的移位/旋转。

Answer 2

您的 SSE 实现很好，但我建议您对两个班次都使用

_mm_slli_si128

实现 - 强制转换使其看起来很复杂，但实际上可以归结为每个班次只有一条指令。

不幸的是，您的 AVX2 实现无法工作。几乎所有 AVX 指令实际上只是在两个相邻 128 位通道上并行运行的两个 SSE 指令。因此，对于您的第一个 shift_AVX2 示例，您将得到：

0, 0, 1, 2, 0, 4, 5, 6
----------- ----------
 LS lane     MS lane

然而，一切并没有丢失：在 AVX 上

确实

跨通道工作的少数指令之一是

_mm256_permutevar8x32_ps。请注意，您需要结合使用 _mm256_and_ps 来将移位的元素归零。另请注意，这是一个 AVX2 解决方案 - AVX 本身对于基本算术/逻辑运算以外的任何操作都非常有限，因此我认为如果没有 AVX2，您将很难有效地完成此操作。

对于 SSE 实现，可以简单地使用

Answer 3

，AVX2 会出现问题，因为它需要三个指令：

_mm256_permutevar8x32_epi32

 移动所需索引，

_mm256_set_epi32

 创建掩码，

_mm256_and_si256

 按位使用并将该掩码应用于前导零的向量。

示例：

x = _mm256_set_epi32(8,7,6,5,4,3,2,1); // x = [1,2,3,4,5,6,7,8]
tmp = _mm256_permutevar8x32_epi32(tmp1, _mm256_set_epi32(5,4,3,2,1,0,0,0)); 
// shifting indexes 2 position right
// tmp = [1,1,1,2,3,4,5,6]
__m256i mask = _mm256_set_epi32(0xFFFFFFFF, 0xFFFFFFFF, 0xFFFFFFFF, 0xFFFFFFFF, 0xFFFFFFFF, 0xFFFFFFFF, 0x00000000, 0x00000000); 
// mask to make first 2 indexes zero
result = _mm256_and_si256(tmp2, mask); // result = [0,0,1,2,3,4,5,6]