![](/img/trans.png)
[英]Extract the low bit of each bool byte in a __m128i? bool array to packed bitmap
[英]SSE2 packed 8-bit integer signed multiply (high-half): Decomposing a m128i (16x8 bit) into two m128i (8x16 each) and repack
我试图将每字节两个m128i
字节乘以(8位有符号整数)。
这里的问题是溢出。 我的解决方案是将这些8位有符号整数存储到16位有符号整数中,然后将整个事物打包成16 x 8位整数的m128i
。
这是我做的__m128i mulhi_epi8(__m128i a, __m128i b)
仿真:
inline __m128i mulhi_epi8(__m128i a, __m128i b)
{
auto a_decomposed = decompose_epi8(a);
auto b_decomposed = decompose_epi8(b);
__m128i r1 = _mm_mullo_epi16(a_decomposed.first, b_decomposed.first);
__m128i r2 = _mm_mullo_epi16(a_decomposed.second, b_decomposed.second);
return _mm_packs_epi16(_mm_srai_epi16(r1, 8), _mm_srai_epi16(r2, 8));
}
decompose_epi8
以非simd方式实现:
inline std::pair<__m128i, __m128i> decompose_epi8(__m128i input)
{
std::pair<__m128i, __m128i> result;
// result.first => should contain 8 shorts in [-128, 127] (8 first bytes of the input)
// result.second => should contain 8 shorts in [-128, 127] (8 last bytes of the input)
for (int i = 0; i < 8; ++i)
{
result.first.m128i_i16[i] = input.m128i_i8[i];
result.second.m128i_i16[i] = input.m128i_i8[i + 8];
}
return result;
}
这段代码效果很好。 我现在的目标是实现这个for循环的simd版本。 我查看了英特尔内部指南,但我找不到办法做到这一点。 我想shuffle可以做到这一点,但我很难理解这一点。
如果你想进行有符号乘法,你需要将每个字节符号扩展为16位字,或者将它们移动到每个16位字的上半部分。 由于之后将结果打包在一起,您可以将输入拆分为奇数和偶数字节,而不是上半部分和下半部分。
然后奇数字节的符号扩展可以通过算术地将所有16位部分向右移位来完成。
您可以通过屏蔽偶数字节来提取奇数字节,并且为了获得偶数字节,您可以将所有16位部分向左移位(两者都需要乘以_mm_mulhi_epi16
)。
以下内容适用于SSE2:
__m128i mulhi_epi8(__m128i a, __m128i b)
{
__m128i mask = _mm_set1_epi16(0xff00);
// mask higher bytes:
__m128i a_hi = _mm_and_si128(a, mask);
__m128i b_hi = _mm_and_si128(b, mask);
__m128i r_hi = _mm_mulhi_epi16(a_hi, b_hi);
// mask out garbage in lower half:
r_hi = _mm_and_si128(r_hi, mask);
// shift lower bytes to upper half
__m128i a_lo = _mm_slli_epi16(a,8);
__m128i b_lo = _mm_slli_epi16(b,8);
__m128i r_lo = _mm_mulhi_epi16(a_lo, b_lo);
// shift result to the lower half:
r_lo = _mm_srli_epi16(r_lo,8);
// join result and return:
return _mm_or_si128(r_hi, r_lo);
}
注意:先前版本使用shift来对奇数字节进行符号扩展。 在大多数英特尔CPU上,这会增加P0的使用(也需要用于乘法)。 位逻辑可以在更多端口上运行,因此该版本应该具有更好的吞吐量。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.