__m128中至少有4个SP值

Question

假设有一个__m128变量，其中包含4个SP值，并且您想要最小值，是否有可用的内部函数，或者除了值之间的天真线性比较之外的任何其他函数？

正确知道我的解决方案如下（假设输入__m128变量为x ）：

x = _mm_min_ps(x, (__m128)_mm_srli_si128((__m128i)x, 4));
min = _mm_min_ss(x, (__m128)_mm_srli_si128((__m128i)x, 8))[0];

这是非常可怕的，但它正在工作（顺便说一句，有什么像_mm_srli_si128但对于__m128类型？）

Answer 1

没有单一指令/内在但你可以用两个shuffle和两个分钟来做：

__m128 _mm_hmin_ps(__m128 v)
{
    v = _mm_min_ps(v, _mm_shuffle_ps(v, v, _MM_SHUFFLE(2, 1, 0, 3)));
    v = _mm_min_ps(v, _mm_shuffle_ps(v, v, _MM_SHUFFLE(1, 0, 3, 2)));
    return v;
}

输出向量将包含输入向量中所有元素的min，在整个输出向量中复制。

Answer 2

Paul R的答案很棒！ （@Paul R - 如果你读过这个谢谢你！）我只想试着解释它对于像我这样的SSE新手的实际效果。 当然我可能在某处错了，所以欢迎任何更正！

_mm_shuffle_ps如何工作？

首先，SSE寄存器的索引与您的预期相反，如下所示：

[6, 9, 8, 5] // values
 3  2  1  0  // indexes

这种索引顺序使向量左移将数据从低索引移动到高索引，就像将整数位左移一样。 最重要的元素在左边。

---

_mm_shuffle_ps可以混合两个寄存器的内容：

// __m128 a : (a3, a2, a1, a0)
// __m128 b : (b3, b2, b1, b0)
__m128 two_from_a_and_two_from_b = _mm_shuffle_ps(b, a, _MM_SHUFFLE(3, 2,   1, 0));
//                                                                  ^  ^    ^  ^ 
//                                            indexes into second operand    indexes into first operand
// two_from_a_and_two_from_b : (a3, a2, b1, b0)

在这里，我们只想改变一个寄存器的值，而不是两个。 我们可以通过将v作为两个参数传递来做到这一点（你可以在Paul R的函数中看到这个）：

// __m128 v : (v3, v2, v1, v0)
__m128 v_rotated_left_by_1 = _mm_shuffle_ps(v, v, _MM_SHUFFLE(2, 1, 0, 3));
// v_rotated_left_by_1 : (v2, v1, v0, v3) // i.e. move all elements left by 1 with wraparound

我打算将它包装在宏中以便于阅读：

#define mm_shuffle_one(v, pattern)  _mm_shuffle_ps(v, v, pattern)

（它不能是函数，因为_mm_shuffle_ps的pattern参数在编译时必须是常量。）

这是实际函数的略微修改版本 - 我为可读性添加了中间名称，因为编译器无论如何都会优化它们：

inline __m128 _mm_hmin_ps(__m128 v){
    __m128  v_rotated_left_by_1 = mm_shuffle_one(v,  _MM_SHUFFLE(2, 1, 0, 3));
    __m128 v2 = _mm_min_ps(v,   v_rotated_left_by_1);

    __m128 v2_rotated_left_by_2 = mm_shuffle_one(v2, _MM_SHUFFLE(1, 0, 3, 2));
    __m128 v3 = _mm_min_ps(v2, v2_rotated_left_by_2);

    return v3;
}

为什么按照我们的方式改变元素？ 我们如何通过仅两min操作找到最小的四个元素？

我只好跟着你如何一些麻烦min 4辆花车只有两个矢量min的操作，但我的理解是，当我手动跟着它的值是min “D一起，一步一步来。 （虽然自己做比阅读它更有趣）

说我们有v ：

[7,6,9,5] v

首先，我们min值v和v_rotated_left_by_1 ：

[7,6,9,5] v
 3 2 1 0  // (just the indices of the elements)
[6,9,5,7] v_rotated_left_by_1
 2 1 0 3  // (the indexes refer to v, and we rotated it left by 1, so the indices are shifted)
--------- min
[6,6,5,5] v2
 3 2 1 0 // (explained
 2 1 0 3 //  below    )

v2元素下的每一列跟踪v哪些索引min以获得该元素 。 因此，从左到右依次列：

v2[3] == 6 == min(v[3], v[2])
v2[2] == 6 == min(v[2], v[1])
v2[1] == 5 == min(v[1], v[0])
v2[0] == 5 == min(v[0], v[3])

现在第二min ：

[6,6,5,5] v2
 3 2 1 0
 2 1 0 3
[5,5,6,6] v2_rotated_left_by_2
 1 0 3 2
 0 3 2 1
--------- min
[5,5,5,5] v3
 3 2 1 0
 2 1 0 3
 1 0 3 2
 0 3 2 1

瞧！ v3下的每一列都包含(3,2,1,0) - v3每个元素都是min ，所有元素都是v - 所以每个元素都包含整个向量v的最小值。

使用该函数后，您可以使用float _mm_cvtss_f32(__m128)提取最小值：

__m128 min_vector = _mm_hmin_ps(my_vector);
float minval = _mm_cvtss_f32(min_vector);

***

这只是一个切向思想，但我发现有趣的是这种方法可以扩展到任意长度的序列，将前一步骤的结果旋转1, 2, 4, 8, ... 2**ceil(log2(len(v))) （我认为）在每一步。 从理论角度来看这很酷 - 如果你可以同时按元素比较两个序列，你可以在对数时间内找到序列的最小值/最大值¹ ！

¹这延伸到所有水平折叠/缩减，如总和。 相同的洗牌，不同的垂直操作。

但是，AVX（256位向量）使128位边界变得特殊，并且更难以随机播放。 如果你只想要一个标量结果，提取高半部分，这样每一步都可以将矢量宽度缩小一半。 （就像以最快的方式在x86上进行水平浮点矢量和 ，对于128位向量，它具有比2x shufps更高效的shuffle，在没有AVX的情况下编译时避免了一些movaps指令。）

但是如果你想把结果广播到像@PaulR的答案这样的每一个元素，你想要进行在线改组（即在每个通道中的4个元素内旋转），然后交换一半，或者旋转128位通道。