SIMD: внедрить _mm256_max_epu64_ и _mm256_min_epu64_ - PullRequest
Новая
       88

SIMD: внедрить _mm256_max_epu64_ и _mm256_min_epu64_

0 голосов
/ 28 января 2019

Я хочу задать вопрос о SIMD.Я не получаю AVX512 в своем процессоре, но хочу иметь _mm256_max_epu64 .

Как мы можем реализовать эту функцию с AVX2?

Здесь япопробуй мой тривиальный.Может быть, мы можем позволить этому быть обсуждением и улучшить его. 

#define SIMD_INLINE inline __attribute__ ((always_inline)) 

SIMD_INLINE __m256i __my_mm256_max_epu64_(__m256i a, __m256i b) {
  uint64_t *val_a = (uint64_t*) &a;
  uint64_t *val_b = (uint64_t*) &b;
  uint64_t e[4];
  for (size_t i = 0; i < 4; ++i) e[i] = (*(val_a + i) > *(val_b + i)) ? *(val_a + i) : *(val_b + i);
  return _mm256_set_epi64x(e[3], e[2], e[1], e[0]);
}

РЕДАКТИРОВАТЬ как резюме:

У нас была дискуссия о __mm256 без знака сравнения .Выше я изложил свою тривиальную реализацию, следуя очень простой концепции: один __m256i эквивалентен 4 uint64_t или 4 float, которые также составляют 256 бит вместе.

Затем мы получилиответ от @chtz, который имеет больше смысла AVX с вызовом большего количества функций программирования битов из AVX.

В конце получается, что эти две реализации приводят к одной и той же сборке благодаря CLang. Пример сборки из проводника компилятора

Добавлен еще один _mm256_min_epu64_.Это просто отражение _mm256_max_epu64_ выше.Облегчите поиск в будущем. 

SIMD_INLINE __m256i __my_mm256_min_epu64_(__m256i a, __m256i b) {
  uint64_t *val_a = (uint64_t*) &a;
  uint64_t *val_b = (uint64_t*) &b;
  uint64_t e[4];
  for (size_t i = 0; i < 4; ++i) e[i] = (*(val_a + i) < *(val_b + i)) ? *(val_a + i) : *(val_b + i);
  return _mm256_set_epi64x(e[3], e[2], e[1], e[0]);
}

1 Ответ

0 голосов
/ 28 января 2019

Самое простое решение - комбинация _mm256_cmpgt_epi64 со смесью.Однако, если вы хотите максимум без знака, вам нужно сначала вычесть 1<<63 из каждого элемента (перед сравнением, а не перед смешиванием).Инструкции _mm256_blendv_epu64 нет, но можно использовать _mm256_blendv_epi8, так как маска будет установлена ​​на каждый бит соответствующих элементов.Также обратите внимание, что вычитание старшего бита может быть выполнено немного быстрее xor: 

__m256i pmax_epu64(__m256i a, __m256i b)
{
    __m256i signbit = _mm256_set1_epi64x(0x8000'0000'0000'0000);
    __m256i mask = _mm256_cmpgt_epi64(_mm256_xor_si256(a,signbit),_mm256_xor_si256(b,signbit));
    return _mm256_blendv_epi8(b,a,mask);
}

На самом деле, clang почти удается получить те же инструкции из вашего кода: https://godbolt.org/z/afhdOa Он использует толькоvblendvpd вместо vpblendvb, что может привести к задержкам (подробности см. В комментарии @PeterCordes).

При некотором сдвиге битов вы можете фактически сохранить настройку регистра для знака.Сравнение без знака дает одинаковый результат, если знаки обоих операндов совпадают, и противоположные результаты, если они не совпадают, т.е. 

unsigned_greater_than(signed a, signed b) == (a<0) ^ (b<0) ^ (a>b)

. Это можно использовать, если вы используете _mm256_blendv_pd с некоторым приведением типаa _mm256_blendv_epi64 (поскольку теперь допустим только самый верхний бит): 

__m256i _mm256_blendv_epi64(__m256i a, __m256i b, __m256i mask)
{
    return _mm256_castpd_si256(_mm256_blendv_pd(
        _mm256_castsi256_pd(a),_mm256_castsi256_pd(b),_mm256_castsi256_pd(mask)));
}

__m256i pmax_epu64_b(__m256i a, __m256i b)
{
    __m256i opposite_sign = _mm256_xor_si256(a,b);
    __m256i mask = _mm256_cmpgt_epi64(a,b);
    return _mm256_blendv_epi64(b,a,_mm256_xor_si256(mask, opposite_sign));
}

Просто для справки, максимум со знаком, конечно, просто: 

__m256i pmax_epi64(__m256i a, __m256i b)
{
    __m256i mask = _mm256_cmpgt_epi64(a,b);
    return _mm256_blendv_epi8(b,a,mask);
}
...