问使用变量索引带有_mm256_extract_epi32()内禀的simd向量

EN

显然，GCC和Clang做出了不同的选择。国际水文学组织GCC做出了正确的选择，没有为可变指数实施这一政策。内部_mm256_extract_epi32不能转换为一条指令。如果在性能关键循环中使用变量索引，则此内在特性可能导致效率低下的代码。

例如，Clang3.8需要4个指令来实现带有变量索引的_mm256_extract_epi32。GCC强迫程序员考虑更有效的代码，以避免使用可变索引的_mm256_extract_epi32。

然而，有时有一个可移植的(gcc，clang，icc)函数是有用的，它通过变量索引来模拟_mm256_extract_epi32：

uint32_t mm256_extract_epi32_var_indx(const __m256i vec, const unsigned int i) {   
    __m128i indx = _mm_cvtsi32_si128(i);
    __m256i val  = _mm256_permutevar8x32_epi32(vec, _mm256_castsi128_si256(indx));
    return         _mm_cvtsi128_si32(_mm256_castsi256_si128(val));
}    

这应该编译成内联后的三个指令:两个vmovds和一个vpermd (gcc 8.2与-m64 -march=skylake -O3)：

mm256_extract_epi32_var_indx:
  vmovd xmm1, edi
  vpermd ymm0, ymm1, ymm0
  vmovd eax, xmm0
  vzeroupper
  ret

注意，本质指南描述索引>=8的结果为0(无论如何这是一个不寻常的情况)。使用Clang3.8和mm256_extract_epi32_var_indx，索引的模块数减少了8。换句话说:只使用索引中最不重要的3位。请注意，Clang5.0的内存往返也不是很有效，请参阅这个该死的链接。Clang7.0无法用变量索引编译_mm256_extract_epi32。

作为@Peter Cordes评论：使用固定的索引0、1、2或3，只需要一个pextrd指令就可以从xmm寄存器中提取整数。对于固定的索引4、5、6或7，需要两个指令。不幸的是，不存在在256位ymm寄存器上工作的vpextrd指令.

下一个例子说明了我的答案：

从SIMD本质开始的天真程序员可能会编写以下代码，将来自j<8的元素0、1、.、j-1和来自vec的元素相加。

#include <stdlib.h>
#include <immintrin.h>
#include <stdint.h>

uint32_t foo( __m256i vec , int j)
{   
    uint32_t sum=0;
    for (int i = 0; i < j; i++){
        sum = sum + (uint32_t)_mm256_extract_epi32( vec, i );
    }
    return sum;
}

使用Clang3.8，这将编译成大约50 使用说明的分支和循环。GCC没有编译这段代码。显然，将这些元素相加的有效代码可能基于：

1. 屏蔽元素j，j+1，.，7，和
2. 计算水平和。

它说必须是1位即时的__N不是_mm256_extract_epi32的第二位arg，它是作为arg到__builtin_ia32_vextractf128_si256 (大概是第3位)的一些功能。然后，它需要一个vpextrd的0..3范围内的整数常量，总共给出3位索引。

_mm256_extract_epi32是一个复合的内在特性，不是直接用单个builtin函数来定义的。

vpextrd r32, ymm, imm8不存在，只有xmm版本存在，因此_mm256_extract_epi32是vextracti/f128 / vpextrd的包装器。Gcc选择只为编译时常量工作，所以它总是编译到最多2条指令。

如果需要运行时变量向量索引，则需要使用不同的语法；例如存储到数组并加载标量，并希望gcc将其优化为洗牌/提取。

或者定义具有正确元素宽度的GNU本机向量类型，并使用foo[i]像数组一样对其进行索引。

typedef int v8si __attribute__ ((vector_size (32)));
v8si tmp = foo;   // may need a cast to convert from __m256i
int element_i = tmp[i];

gcc/clang中的__m256i定义为long long元素的向量，所以如果直接用[]索引它，就会得到qword元素。(而且您的代码不会用MSVC编译，因为MSVC根本就没有那样定义__m256i。)

最近我还没有检查asm中的任何一个:如果您关心效率，您可能需要使用运行时变量索引手动设计洗牌，就像@Wim的回答表明clang是这样的。