SSE乘法16 x uint8_t

我想乘以SSE4一个__m128i对象与16位无符号8位整数，但我只能找到一个内在乘法16位整数。有没有什么比如_mm_mult_epi8？SSE乘法16 x uint8_t

2011-11-19 Roby

你能澄清一下你的问题吗？您是否要将每个16位8位整数的128位整数或16位8位整数的16位整数或16位8位整数乘以一个寄存器来相乘。前一种情况会有点奇怪。 –

只是一个想法，但为什么不把8位到16位？如果你想测试溢出，你可以将AH与AH进行比较，看看是否匹配检查溢出。有点凌乱，只是在黑暗中刺伤。如果直接支持8位mul，也会让我感到惊讶，因为SIMD的指令集是为后8位处理器编写的 –

@Paul：8位值仍在图形中使用。 AltiVec具有8位乘法，但每次只有8位乘法结果为16位。 – Potatoswatter

MMX/SSE/AVX中没有8位乘法。但是，您可以模拟使用16位乘法8位乘法内在如下：

inline __m128i _mm_mullo_epi8(__m128i a, __m128i b) 
{ 
    __m128i zero = _mm_setzero_si128(); 
    __m128i Alo = _mm_cvtepu8_epi16(a); 
    __m128i Ahi = _mm_unpackhi_epi8(a, zero); 
    __m128i Blo = _mm_cvtepu8_epi16(b); 
    __m128i Bhi = _mm_unpackhi_epi8(b, zero); 
    __m128i Clo = _mm_mullo_epi16(Alo, Blo); 
    __m128i Chi = _mm_mullo_epi16(Ahi, Bhi); 
    __m128i maskLo = _mm_set_epi8(0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 14, 12, 10, 8, 6, 4, 2, 0); 
    __m128i maskHi = _mm_set_epi8(14, 12, 10, 8, 6, 4, 2, 0, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80); 
    __m128i C = _mm_or_si128(_mm_shuffle_epi8(Clo, maskLo), _mm_shuffle_epi8(Chi, maskHi)); 

    return C; 
}

来源

2011-11-19 19:52:48

唯一的8位SSE乘法指令是PMADDUBSW（SSSE3及更高版本，C/C++内部函数：_mm_maddubs_epi16）。这将16 x 8位无符号值乘以16 x 8位带符号的值，然后求和相邻对以给出8 x 16位带符号结果。如果你不能使用这个相当专业的指令，那么你需要解压缩成16位向量对，并使用常规的16位乘法指令。显然这意味着至少有2倍的吞吐量，所以如果可能的话使用8位乘法。

来源

2011-11-19 11:30:40

一个基于Agner Fog's solution不是萨芬的解决方案（可能）更快捷的方式：

而不是分裂高/低，分裂奇偶。这有一个额外的好处，它可以在纯SSE2中工作，而不需要SSE4.1（对于OP来说没有用处，但是对于一些用户来说是一个不错的附加奖励）。如果您有AVX2，我还添加了一项优化。从技术上讲，AVX2优化仅适用于SSE2内在函数，但比左右移位要慢。

__m128i mullo_epi8(__m128i a, __m128i b) 
{ 
    // unpack and multiply 
    __m128i dst_even = _mm_mullo_epi16(a, b); 
    __m128i dst_odd = _mm_mullo_epi16(_mm_srli_epi16(a, 8),_mm_srli_epi16(b, 8)); 
    // repack 
#ifdef __AVX2__ 
    // only faster if have access to VPBROADCASTW 
    return _mm_or_si128(_mm_slli_epi16(dst_odd, 8), _mm_and_si128(dst_even, _mm_set1_epi16(0xFF))); 
#else 
    return _mm_or_si128(_mm_slli_epi16(dst_odd, 8), _mm_srli_epi16(_mm_slli_epi16(dst_even,8), 8)); 
#endif 
}

Agner使用blendv_epi8固有的SSE4.1支持。

编辑：

有趣的是，做更多的工作分解（具有优化的版本）后，至少我的两个实现被编译到完全一样的东西。以“ivy-bridge”（AVX）为目标的示例反汇编。

vpmullw xmm2,xmm0,xmm1 
vpsrlw xmm0,xmm0,0x8 
vpsrlw xmm1,xmm1,0x8 
vpmullw xmm0,xmm0,xmm1 
vpsllw xmm0,xmm0,0x8 
vpand xmm1,xmm2,XMMWORD PTR [rip+0x281] 
vpor xmm0,xmm0,xmm1

它使用预编译的128位xmm常数的“AVX2优化”版本。仅编译SSE2支持会产生类似的结果（尽管使用SSE2指令）。我怀疑Agner Fog的原始解决方案可能会得到相同的优化（如果没有的话，会很疯狂）。不知道Marat的原始解决方案是如何在优化构建中进行比较的，尽管对于所有x86 simd扩展包含比SSE2更新并且包含SSE2的方法，这是相当不错的。

来源

2015-03-19 21:52:55 helloworld922

这真的很好。它利用了有符号与无符号只影响N×N - > 2N位乘法的高一半的事实，并且[高位中的垃圾不会影响你想要的低位结果]（ http://stackoverflow.com/questions/34377711/which-2s-complement-integer-operations-can-be-used-without-zeroing-high-bits-in）。如果在加载掩码时缓存未命中是一个问题，您可以使用2个insns产生它：'pcmpeqw xmm7，xmm7' /'psrlw xmm7，8'。（有关其他常量生成序列，请参阅http://stackoverflow.com/q/35085059/224132）。 –

这很整洁，我看到[clang优化左移/右移到带有常量掩码的vpand]（http://goo.gl/GmFc9H）！这可能是更好的代码，除非掩码容易在缓存中丢失。 gcc不会做这种优化。 shift和mask之间的选择完全不依赖于AVX2。它取决于内存中的一个大常量是否是你想要的。（我注意到没有avx，clang最后浪费了一个movdqa：它可能在第二个pmul使用了'pmullw xmm0，xmm1'，并在'xmm0'（返回值寄存器）中建立了最终结果。 –

您的评论关于'vpbroadcastw'是完全错误的：大多数编译器不会将'set1'编译成常量的运行时广播，因为它很昂贵。'mov eax，0xff' /'movd xmm0，eax'/vpbroadcastw xmm0，xmm0' is Haswell上的3个uops，'vpbroadcastw xmm0，[mem16]'也是3个uops，动态生成比两者都便宜（但编译器倾向于把它们放在内存中），然而'vpbroadcastd'只有1个uop，即使没有熔断：它只需要一个加载端口，而不是ALU，所以你不需要浪费32B的内存在一个将被加载到循环外部的常量上 –

SSE乘法16 x uint8_t

回答

相关问题