使用AVX2将32位值(__m256i)中的8位解压到__m256的最快方法
使用AVX2将32位值(__m256i)中的8位解压到__m256的最快方法是使用_mm256_cvtepi8_epi32函数。该函数可以将__m256i类型的向量中的8位整数值转换为32位整数值，并存储在__m256类型的向量中。
具体步骤如下：
- 首先，将__m256i类型的向量中的8位整数值转换为16位整数值，可以使用_mm256_cvtepi8_epi16函数。
- 然后，将16位整数值转换为32位整数值，可以使用_mm256_cvtepi16_epi32函数。
以下是示例代码：
#include <immintrin.h>
__m256i unpack_8bit_to_32bit(__m256i input) {
__m256i temp1 = _mm256_cvtepi8_epi16(input);
__m256i output = _mm256_cvtepi16_epi32(temp1);
return output;
}这种方法可以快速将32位值(__m256i)中的8位解压到__m256，并且利用了AVX2指令集的优势，提高了处理速度。
推荐的腾讯云相关产品：腾讯云计算服务（https://cloud.tencent.com/product/cvm）
相关·内容
2回答
我有一个布尔表达式，我已经设法在SSE2中实现了它。现在，我想尝试在AVX中实现它，利用并行性增加的另一个因素2(从128位SIMD类型增加到256位)。但是，AVX不支持整数操作( AVX2是这样做的，但我正在使用Sandy处理器，所以它目前不是一个选项)。但是，因为有。我想我可以尝试一下，只需将我的整数类型转换为浮动类型，并查看它是否有效。
第一次测试取得了成功：
__m256 ones = _mm256_set_ps(1,1,1,1,1,1,1,1);
__m256 twos = _mm256_set_ps(2,2,2,2,2,2,2,2);
__m256 result = _mm25
浏览 2提问于2013-12-11得票数 5
回答已采纳
如何通过unsigned char变量中的位来屏蔽__m256变量中的8个浮点数？(它们的值在编译过程中是未知的)
__m256 flts = _mm256_set1_ps(5.0f);
unsigned char = 0b10010111;//just for example, but can be any value during runtime
所需的输出将使flts包含5，0，0，5，0，5，5，5
在上有没有有效的指令
处理器仅支持高达AVX的指令(但不支持AVX2或更高)
浏览 0提问于2019-10-10得票数 0
我使用gdb来调试一个通过immintrin.h头使用AVX2本质的程序。
使用gdb，我可以打印出__m256值，没有任何问题，如下所示：
>>> print scl8
$4 = {[0] = 0.0078125, [1] = 0.0078125, [2] = 0.0078125, [3] = 0.0078125, [4] = 0.0078125, [5] = 0.0078125, [6] = 0.0078125, [7] = 0.0078125}
在这个特殊的例子中，所有8条车道都包含1/128的值。请注意，gdb 打印出了所有的8车道！
如果我想打印出一个epi32值的
浏览 10提问于2020-06-16得票数 3
我想做的是：
将输入的浮点数乘以一个固定的因子。
将它们转换为8位签名字符。
请注意，大多数输入的绝对值范围很小，比如-6、6，因此固定因子可以将它们映射为- 127,127。
我只在avx2指令集上工作，所以不能使用像_mm256_cvtepi32_epi8这样的本质函数。我想使用_mm256_packs_epi16，但它将两个输入混合在一起。:(
我还编写了一些代码，将32位浮点数转换为16位int，它的工作方式完全符合我的要求。
void Quantize(const float* input, __m256i* output, float quant_mult, int
浏览 0提问于2018-08-10得票数 8
回答已采纳
1回答
加速聚集
、、、
我有一个计算，产生一个系数向量，并返回这个向量的点积从一个大数组的数据向量。为了加快速度，我一次用AVX2 SIMD对8个向量进行处理。问题是，大部分时间都被收集操作所消耗，以获取点产品的数据。
我尝试了不同的方法来实现这个集合，而它的内在效果似乎是最好的。我非常希望能就加快这一进程提出一些建议。
下面是一幅素描：
__m256 Compute(__m256 input)
{
__m256 coefficients[56] = ComputeCoefficients(input);
__m256i indices = ComputeIndices(input);
_
浏览 0提问于2017-01-06得票数 2
回答已采纳
使用SIMD / assembler将绝对值(最大差)减去2 uint16s并将结果添加(+=)到浮点的最佳方法是什么？
类似于这个C‘’ish示例
c0 += fabs((float)a0 - (float)b0); // C is Float accumulator, a+b pixels
其中a和b是无符号的16位字，c是浮点数。只有一个字->浮点转换，而不是3个。
你的应用程序正在处理原始的，16位无符号的int图像数据，在尽可能多的完整，RGB像素是可能的一次。
可能在Skylake Xeon E3-1275 v5上使用AVX2 2/SSE4.2 4.2？
5分钟的评论限制
浏览 3提问于2015-12-23得票数 2
我有AVX (没有AVX2或AVX-512).我有一个32位值的向量(只使用了4个最低位，rest总是为零)：
[ 1010, 0000, 0000, 0000, 0000, 1010, 1010, 0000]
在内部，我将向量保持为__m256，因为按位操作，位表示“浮点数”。我需要从向量导出单个8位数字，它将包含1对于非零a 0对于零位。
所以对于上面的例子，我需要8位数字：10000110。
我有主意使用_mm256_cmp_ps，然后使用_mm256_movemask_ps。然而，对于cmp，我不知道它是否正确工作，如果数字不是完全浮动，可以是任何“垃圾”。在这种情况下，cmp要使用哪
浏览 1提问于2019-08-22得票数 5
回答已采纳
我有一个包含随机位的__m256值。
我想要“解释”它，以获得另一个在__m256统一 [0.0f, 1.0f]范围内保存float值的。
计划使用以下方法进行：
__m256 randomBits = /* generated random bits, uniformly distribution */;
__m256 invFloatRange = _mm256_set1_ps( numeric_limits<float>::min() ); //min is a smallest increment of float precision
__m256 float01 =
浏览 3提问于2020-12-31得票数 5
回答已采纳
我知道如何使用_mm_test_all_zeros内部函数测试_m128i寄存器是否全为零。 这个固有的AVX2 / __m256i版本是什么？如果没有一个，那么测试SIMD寄存器中所有256位是否都为零的最快方法是什么？
浏览 46提问于2019-05-29得票数 4
回答已采纳
1回答
我对AVX编程很陌生。我想加载一个包含16个短int或16位值的__m256向量，但我无法这样做。
这是我的尝试。它给出了以下错误：
当使用‘int’__m256结果=_mm256_load_epi16((__m256*)&int_array)初始化类型‘int’时，不兼容类型；
#include <stdio.h>
#include <stdint.h>
#include <immintrin.h>
int main() {
int i;
short int int_array[16] = {1, 2, 3, 4, 5, 6,
浏览 4提问于2016-09-09得票数 2
回答已采纳
5回答
转换一个8x8矩阵可以通过建立四个4x4矩阵来实现，并且每个矩阵都可以转置。这不是我想要的。
在另一个问题中，一个答案是，它只需要对一个8x8矩阵执行24条指令。然而，这并不适用于浮标。
由于AVX2包含256位寄存器，每个寄存器将容纳8个32位整数(浮点数)。但问题是：
如何使用AVX/AVX 2转置8x8浮点矩阵，并有尽可能小的指令？
浏览 37提问于2014-09-02得票数 20
回答已采纳
1回答
我是AVX2和SSE2指令集的新手，我想了解更多关于如何使用这些指令集来加速位向量操作的知识。
到目前为止，我已经成功地使用它们来用双/浮动操作将代码矢量化。
在本例中，我有一个C++代码，在此之前检查一个条件，以便在位向量(使用无符号int)中将其设置为特定值：
int process_bit_vetcor(unsigned int *bitVector, float *value, const float threshold, const unsigned int dim)
{
int sum = 0, cond = 0;
for (unsigned int
浏览 4提问于2019-11-04得票数 3
1回答
为什么我要通过使用x16数据类型获得如此巨大的加速( __m256时间)？一次处理8个浮点，所以我只希望看到x8加速比？
我的CPU是4核心魔鬼峡谷i7 (有超线程)编译与VisualStudio2017发布模式，-O2优化打开。
快速版本在400x400矩阵上消耗0.000151秒：
//make this matrix only keep the signs of its entries
inline void to_signs() {
__m256 *i = reinterpret_cast<__m256*>(_arrays);
__m256 *end =
浏览 2提问于2019-01-28得票数 3
回答已采纳
在下面的代码中，我可以使用avx2一次分别计算每个位置上的1位数，16位，但是在标记为loadLow16的行中缺少4条指令。我需要一个指令，它加载一个16位值，并将其放入avx2寄存器的每16位(16次)。是否有这样做的指示，还是有更好的方法来做到这一点？
void countHistBits4(const uint64_t p[], uint32_t n, uint32_t hist[64]) {
uint16_t masks[16] = {1, 1<<1, 1<<2, 1<<3, 1<<4, 1<<5, 1<<6,
浏览 1提问于2021-06-19得票数 0
回答已采纳
1回答
考虑一个随机生成的__m256i向量。有没有一种更快更精确的方法在0 (包括)和1 (独占)之间将它们转换为浮点数的__m256向量而不是用float(1ull<<32)除法
下面是我到目前为止已经尝试过的方法，其中iRand是输入，ans是输出：
const __m256 fRand = _mm256_cvtepi32_ps(iRand);
const __m256 normalized = _mm256_div_ps(fRand, _mm256_set1_ps(float(1ull<<32)));
const __m256 ans = _mm256_add_ps(n
浏览 0提问于2019-02-25得票数 9
4回答
用AVX实现指数函数的最快实现
、、、、
我正在寻找一个有效的(快速)逼近指数函数对AVX元素(单精度浮点)。即-没有SVML的__m256 _mm256_exp_ps( __m256 x )。
相对精度应该类似于~1e-6或~20个尾数位(2^20中的1部分)。
我很高兴它是用C风格写的英特尔的本质。
代码应该是可移植的(Windows、macOS、Linux、MSVC、ICC、GCC等)。
这类似于，但这个问题是寻找非常快和低精度(目前的答案给出大约1e-3的精度)。
此外，这个问题是寻找AVX / AVX2 (和FMA)。但是请注意，关于这两个问题的答案都很容易在SSE4 __m128或AVX2 __m256之间移植，因此未来
浏览 3提问于2018-02-19得票数 14
回答已采纳
1回答
我想把一个AVX2向量除以一个常量。我访问了和许多其他页面。看到了一些可能对有帮助的东西，而我却不明白。所以问题是这种划分是瓶颈。我尝试了两种方法：
首先，强制转换为float，并使用AVX指令执行操作：
//outside the bottleneck:
__m256i veci16; // containing some integer numbers (16x16-bit numbers)
__m256 div_v = _mm256_set1_ps(div);
//inside the bottlneck
//some calculations which make veci16
ve
浏览 0提问于2017-02-24得票数 5
回答已采纳
AVX2内禀_mm256_permutevar8x32_ps可以在车道上执行洗牌，这对于排序长度为8的数组非常有用。
现在我只有AVX (常春藤桥)，并且希望在最小周期内做同样的事情。请注意，数据和索引在编译时都是输入和未知的。
例如，数组是[1,2,3,4,5,6,7,8]，索引是[3,0,1,7,6,5,2,4]，输出应该是[4,1,2,8,7,6,3,5]。
大多数方便的内部控件掩码必须是常量(没有"var“后缀)，因此在这种情况下不合适。
提前谢谢。
浏览 0提问于2014-06-20得票数 5
回答已采纳
1回答
最快跨距2道道
、、、
我知道有一个问题步调很快- AVX2。我想知道什么是最快的跨步2收集序列，比如说我想将长度为16向量的所有奇数元素加载到ymm0中。
特别是，我想知道的相对利益和成本
使用带步长2的AVX2集合和发出两个向量负载，然后使用混合和混合指令序列。
如果2)总是好于1)，那么使用的最佳指令顺序是什么？
浏览 11提问于2020-07-11得票数 1
回答已采纳
1回答
用Intel AVX进行掩码洗牌
、、、、
我对AVX程序很陌生。我有一个登记簿，需要重新整理一下。我想要把几个字节从一个256位寄存器，R1，到一个空寄存器R2。我想要定义一个掩码，它告诉洗牌操作从旧寄存器(R1)中的哪个字节应该在新寄存器的哪个位置复制。
掩码应该如下所示( R1中的Src:字节Pos，R2中的目标:字节Pos )：
{(0,0),(1,1),(1,4),(2,5),...}
这意味着几个字节被复制了两次。
我不能百分之百确定我应该为此使用哪种功能。我尝试了一下这两个AVX功能，第二个只是使用2车道。
__m256 _mm256_permute_ps (__m256 a, int imm8)
__m256 _mm25
浏览 2提问于2018-04-30得票数 7
回答已采纳
我不能像我以前在AVX中所做的那样，用AVX2本质指令来加载或存储。没有错误，只是警告，并且它在运行时不执行load/store指令。其他AVX2指令正常工作，但我无法从内存中加载。
详情如下。
AVX：
float t[MAX][MAX];
row0 = _mm256_load_ps(&t[i][j]);
_mm256_store_ps(&t[j][i], row0);
AVX2：
const int32_t a[MAX][MAX]; // I tried int, long, global and local and many other things...
a0_i =
浏览 6提问于2016-03-03得票数 0
回答已采纳
1回答
使用AVX2快速查找表
、、、、
我试图加速执行一系列查找表的算法。我想用SSE2或AVX2。我试过使用_mm256_i32gather_epi32命令，但速度慢了31%。有没有人对任何改进或不同的方法有任何建议？
计时:C代码= 234集= 340
static const int32_t g_tables[2][64]; // values between 0 and 63
template <int8_t which, class T>
static void lookup_data(int16_t * dst, T * src)
{
const int32_t * lut = g_tables[
浏览 3提问于2016-03-04得票数 7
回答已采纳
我将8个32位整数打包到__m256i寄存器中。现在，我需要比较两个寄存器中相应的32位值。已尝试 __mmask8 m = _mm256_cmp_epi32_mask(r1, r2, _MM_CMPINT_EQ); 这标记了相等的对。这很好，但是我得到了一个“非法指令”异常，可能是因为我的处理器不支持AVX512。 寻找一个类似的内部函数来快速获得相等对的索引。 找到了一个变通方法(没有_mm256_movemask_epi32)；这里的强制转换合法吗？ __m256i diff = _mm256_cmpeq_epi32(m1, m2);
__m256 m256 = _mm256_cast
浏览 90提问于2021-01-06得票数 2
回答已采纳
1回答
avx2寄存器位反转
、、、
有没有一种(快速)方法在avx2寄存器中执行32位整数值的位反转？例如。
_mm256_set1_epi32(2732370386);
<do something here>
//binary: 10100010110111001010100111010010 => 1001011100101010011101101000101
//register contains 1268071237 which is decimal representation of 1001011100101010011101101000101
浏览 2提问于2017-09-20得票数 5
1回答
对于图像的每个像素，我必须调用acos方法。
我正在使用avx2。
除了英特尔_mm256编译器提供的库之外，还有acos的_mm256代码吗？
浏览 0提问于2017-10-27得票数 1
回答已采纳
1回答
根据，GCC有矢量实现数学函数。它们可以被编译器用于优化，在本例中可以看到：，编译器使用一些损坏的正弦函数，并且一次操作4倍。
我知道，如果我需要数学函数，可以使用SIMD数学库，但我仍然感兴趣的是，是否有一种方法可以手动调用GCC在__m256d变量上已经存在的具有某种内在或其他方式的向量化数学函数？
浏览 0提问于2016-11-07得票数 5
1回答
我需要使用LZCNT进行位扫描反转一个字数组: 16位。 在英特尔最新一代处理器上，LZCNT的吞吐量是每个时钟执行1次。AMD Ryzen上的吞吐量似乎是4。 我正在尝试寻找一种使用AVX2指令集来提高速度的算法。 我知道AVX-512有32位元素的VPLZCNTD，所以如果我有AVX512CD，我就可以解包并使用它。 使用AVX2指令集，可以比使用x86 asm LZCNT指令更快地编写算法代码？
浏览 12提问于2019-05-15得票数 7
回答已采纳
1回答
用SIMD提取位
、、、、
我想从一个寄存器变量__mm256i src中提取8位，其位置由另一个由8个整数组成的__mm256i offset指定。例如:如果offset是[1,3,5,21,100,200,201,202]，我想从src获得第1、第3、第5、第100、第200、第201、第202位，并将它们打包到int8中。
这个问题类似于，但我想用SIMD指令来解决，因为它要快得多。
浏览 2提问于2017-10-19得票数 5
回答已采纳
1回答
我正在使用AVX2/SSE指令并行化某个动态编程问题。
在计算的主要迭代中，我计算矩阵中的列，其中每个单元都是AVX2寄存器(_m256i)的结构。我使用上一矩阵列中的值作为输入值来计算当前列。列可以很大，所以我要做的是有一个结构数组(在堆栈上)，其中每个结构都有两个_m256i元素。
结构：
struct Cell {
_m256i first;
_m256i second;
};
然后我就有了这样的数组：Cell prevColumn [N]。N最多只有几百个。
我知道_m256i基本上代表一个avx2寄存器，所以我想知道我应该如何看待这个数组，它是如何表现的，因为N远远大于16
浏览 1提问于2015-05-10得票数 2
1回答
我正在尝试可视化将AVX2和AVX512合并的加速过程。
#include <stdio.h>
#include <stdlib.h>
#include <immintrin.h>
#include <omp.h>
#include <time.h>
int main()
{
long i, N = 160000000;
int * A = (int *)aligned_alloc(sizeof(__m256), sizeof(int) * N);
int * B = (int *)aligned_alloc(sizeof
浏览 2提问于2020-02-04得票数 0
回答已采纳
1回答
我有两张位图。我想将它们混合成80:20的部分，所以我简单地将像素值与0,8和0,2相加。代码在C中写得很好(作为一个for循环)，但使用AVX2指令会导致糟糕的输出图像。
#include <stdio.h>
#include <stdlib.h>
#include <immintrin.h>
#define ARRSIZE 5992826
void main(void){
FILE *bmp = fopen("filepath1", "rb"),
*bmpp = fopen("file
浏览 0提问于2018-11-06得票数 0
1回答
如何将1的值设置为__m256值中的所有位？使用AVX或AVX2的本质？
要获得所有的零，可以使用_mm256_setzero_si256()。
为了获得所有的结果，我目前正在使用_mm256_set1_epi64x(-1)，但我怀疑这比零的情况要慢。这里是否涉及内存访问或Scalar/SSE/AVX交换？
我似乎在AVX中找不到一个简单的按位不操作的方法？如果这是可用的，我可以简单地使用setzero，后面跟着向量NOT。
浏览 3提问于2016-05-26得票数 6
回答已采纳
如果我有一些类，其中有一个像__m256i* loaded_v这样的字段，还有一个像这样的方法： void load() {
loaded_v = &_mm256_load_si256(reinterpret_cast<const __m256i*>(vector));
} loaded_v将在多长时间内成为有效指针？由于寄存器的数量有限，我认为loaded_v最终会引用一个不同的值，或者会发生一些其他奇怪的行为。然而，我想减少我所做的负载的数量。 我正在编写一个压缩位数组类，我想使用AVX内部函数来提高性能。但是，每次执行某些操作(and、or、xor等)时加载
浏览 163提问于2021-11-07得票数 0
1回答
我正在寻找最有效的方法来乘两个对齐的int16_t数组，它们的长度可以用AVX2除以16。
在转化成一个载体x后，我从_mm256_extracti128_si256和_mm256_castsi256_si128开始，得到了x的低和高部分，并加入了_mm_add_epi16。
我复制了结果寄存器，并将_mm_move_epi64应用到原始寄存器中，并再次用_mm_add_epi16添加了这两个寄存器。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。但是现在我被困住了，不
浏览 2提问于2020-05-27得票数 0
回答已采纳
3回答
例如，对于输入ymm向量x和位索引i，我想要一个输出向量，它只保留i第四位，其他所有都归零。
使用AVX512 k寄存器，我可以编写以下内容，但是AVX2及其下面没有k寄存器，所以您认为最好的方法是什么？
__m512i m512i_maskBit(__m512i x, unsigned i) {
__mmask8 m = _cvtu32_mask8(1u << i / 64);
__m512i vm = _mm512_maskz_set1_epi64(m, 1ull << i % 64);
return _mm512_and_si512(x,
浏览 19提问于2022-05-29得票数 3
回答已采纳
1回答
我们有一个要用AVX2编译的翻译单元(只有那个)：它预先告诉GCC，文件中的第一行：
#pragma GCC target "arch=core-avx2,tune=core-avx2"
这曾经适用于GCC 4.8和4.9，但从6开始(也尝试了7和8)，我们得到了这样的警告(我们将其视为错误)：
error: SSE instruction set disabled, using 387 arithmetics
返回浮点数的第一个函数。我尝试过像这样启用SSE4.2(以及avx和avx2)
#pragma GCC target "sse4.2,arch=core-avx
浏览 1提问于2018-06-23得票数 4
回答已采纳
我想通过AVX2指令向量化a[i] = a[i-1] +c。由于依赖关系，它似乎是不可向量化的。我已经向量化了，我想在这里分享答案，看看这个问题有没有更好的答案，或者我的解决方案是好的。
浏览 0提问于2017-04-05得票数 1
1回答
假设精度p介于1和16之间，我想在-p/2和p/2之间钳位一个AVX2整数寄存器。我目前在非AVX2整数上使用std::clamp做这件事。 有没有办法用AVX2做到这一点？
浏览 14提问于2020-09-02得票数 2
回答已采纳
2回答
我想要移动SSE/AVX寄存器的32位的倍数左或右，同时以零移动。
让我更精确地说明我感兴趣的轮班。对于SSE，我想做以下四个32位浮点数的转换：
shift1_SSE: [1, 2, 3, 4] -> [0, 1, 2, 3]
shift2_SSE: [1, 2, 3, 4] -> [0, 0, 1, 2]
对于AVX，我想做以下移位：
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,
浏览 24提问于2013-10-22得票数 9
回答已采纳
1回答
在问题中，最上面的答案是：
SSE/AVX寄存器与最新的指令集允许一个更好的方法。我们可以直接使用PMOVMSKB的结果，将其转换为类似PSHUFB的控件寄存器。
这与哈斯韦尔(AVX2)有可能吗？还是需要一种AVX512的口味？
我得到了一个包含AVX2向量的int32s，以及一个对应的比较结果向量。我想以某种方式对其进行洗牌，以便在掩码中设置相应msb的元素(比较为真)在向量的低端是连续的。
我能看到的最好是使用_ps 256_movemask_ps/vmovmskps获得一个位掩码(没有*d变体？)然后在一个256个AVX2向量查找表中使用它来获得交叉车道_ to 256 _pe
浏览 1提问于2014-08-01得票数 4
回答已采纳
1回答
AVX2移位(16位)整数
、、、、
在AVX2中是否有对(16位)整数元素执行右移和左移操作的内置指令？
如下例所示：
[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16] --> [16,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
和
[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16] --> [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
其中_mm_srli_si128(H,14)和_mm_slli_si128(H,2)在SSE3 16位元素上工作得很好。我之所以这样问，是因为性能(运行时间)对我来说至关
浏览 0提问于2015-02-23得票数 1
我希望有一个像_mm256_lzcnt_epi8(__m256i a)这样的函数的实现，其中对每8位元素计数和提取尾随零的数量。
在前面要实现计数前导零的问题中，有一个使用查找表的解决方案。我想知道是否可以用同样的方法来解决这个问题。
只有AVX和AVX2请和作为输入的0的行为不能定义。
谢谢你的帮忙!
浏览 29提问于2021-12-23得票数 0
回答已采纳
对于一些实时DSP应用程序，我需要计算复值向量的绝对值。
简单的实现应该是这样的
computeAbsolute (std::complex<float>* complexSourceVec,
float* realValuedDestinationVec,
int vecLength)
{
for (int i = 0; i < vecLength; ++i)
realValuedDestinationVec[i] = std::abs (complexSourceVec[i]);
浏览 1提问于2018-12-03得票数 1
回答已采纳
我正在尝试使用内部函数来编写AVX2代码。想知道如何使用Intel内部函数将YMM中最低的单词广播给整个YMM。我知道有了汇编代码，我就可以写出 vpbroadcastw ymm1, xmm0 因为ymm0的最低字也是xmm0的最低字。我有一个变量x，它是一个YMM中的值。但 _mm256_broadcastw_epi16((__m128i) x) 其中x是一个__m256i，返回一个错误--不能转换两个不同大小的东西。 rq_recip3_new.c:381:5: error: can’t convert a value of type ‘__m256i {aka __vector(4)
浏览 21提问于2018-12-29得票数 5
回答已采纳
1回答
我正在尝试在C++中使用AVX2内部函数。我正在使用floats (__m256)。现在一个寄存器可以容纳8个浮点数。但是如果我的浮点数少于8个会发生什么，比如我有5个浮点数，在这种情况下，下面3个浮点数的值是无用的。
float a[5] = {1.0f, 2.0f, 3.0f, 4.0f, 5.0f};
float b[5] = {2.0f, 3.0f, 4.0f, 5.0f, 6.0f};
__m256 _a = _mm256_loadu_ps(a);
__m256 _b = _mm256_loadu_ps(b);
__m256 _c = _mm256_div_ps(_a, _b);
浏览 2提问于2019-11-18得票数 3
1回答
在AVX中只有128位PSHUFB
VPSHUFB xmm1, xmm2, xmm3/m128
而且只有AVX2拥有整个256位AVX寄存器的完整PSHUFB。
VPSHUFB ymm1, ymm2, ymm3/m256
如何使用AVX高效地模拟这个指令？
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整个32个字节内移动。所以只运行2x PSHUFB就没问题了。
我在VPSHUFB中发现的一个问题是，它将16 (0x10)视为0，只有128个或更高的值被填充为零！(最高位集)是否可以不添加、比较和屏蔽而完成？
浏览 5提问于2015-09-11得票数 7
回答已采纳
假设我有一个256位宽的矢量，像这样：
00000000 00000000 11100110 00000000
00000000 00000000 00000000 00000000
00000000 00000000 10000101 00000000
00000000 00000000 01111110 00000000
00000000 00000000 00000000 00000000
00000000 00000000 00000000 00000000
00000000 00000000 00001100 00000000
00000000 00000000 00000000 0
浏览 3提问于2021-12-06得票数 0
回答已采纳
1回答
我正在尝试将一些标量代码(下面的calc_offsets)转换为AVX2等效项。它接受一系列的“计数”，并从一些提供的基值开始，生成一个偏移位置表。
我尝试将它转换为AVX2 (avx2_calc_offsets)，我认为这是正确的，似乎速度大约是简单数组方法的一半。这是将更大的(瓶颈)代码段转换为AVX2指令的努力的一部分，我希望进一步将偏移量作为向量进行处理。对于这样的操作，我想避免在AVX2和标量代码之间跳跃。
这里提供了一些示例和简单的基准测试代码。在Ryzen Zen v1上，数组版本的运行时间约为2.15秒，AVX2版本的运行时间约为4.41秒。
有没有更好的方法来使用AVX2来使
浏览 16提问于2021-10-24得票数 2
1回答
零移位在AVX2中的8位移位操作
、、、、
是否有任何方法重建_mm_slli_si128指令在AVX2中，以移动一个__mm256i寄存器x字节？
_mm256_slli_si256似乎只是在A 127:0和255:128上执行两个_mm_slli_si128。
左移应该在这样的__m256i上工作：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, ..., 32] -> [2, 3, 4, 5, 6, 7, 8, 9, ..., 0]
我在中看到，用_mm256_permutevar8x32_ps创建32位的移位是可能的。但是我需要一个更通用的解决方案来移动x字节。有人已经解决这个问题了吗？
浏览 12提问于2013-12-25得票数 12
回答已采纳
2回答
我有一个avx2(256位) SIMD字节向量，它在前面和后面填充零，看起来如下：[0, 2, 3, ..., 4, 5, 0, 0, 0]。前面的零的数量不知道编译时。
我如何有效地移动/旋转零点，使其看起来像这样：[2, 3, 4, 5, ..., 0, 0, 0, 0]
浏览 11提问于2022-08-25得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
