go 从 avx/sse 掩码到 avx512 掩码的“正确”方法是什么？

Question

我有一些现有的 avx/sse 掩码，这些掩码采用旧方法：

auto mask_sse = _mm_cmplt_ps(a, b);
auto mask_avx = _mm_cmp_ps(a, b, 17);

在某些情况下，将旧 avx 代码与新 avx512 代码混合时，我想将这些旧样式掩码转换为新的 avx512 __mmask4或__mmask8类型。

我试过这个：

auto mask_avx512 = _mm_cmp_ps_mask(sse_mask, _mm_setzero_ps(), 25/*nge unordered quiet*/);

它似乎适用于比较的普通旧输出，但我认为它不会正确捕获可以与 sse4.1 _mm_blendv_ps一起使用的正 NAN。

还有一个很好的旧_mm_movemask_ps但看起来它将掩码一直放在通用寄存器中，我需要用_cvtu32_mask8将它链接到一个专用掩码寄存器中。

有没有一种更简洁的方法可以直接将符号位从旧式掩码中拉出到 k 寄存器之一中？

示例代码：

这是一个示例程序，按照我上面提到的第一种方式进行掩码转换

#include "x86intrin.h"
#include <cassert>
#include <cstdio>

int main()
{
    auto a = _mm_set_ps(-1, 0, 1, 2);
    auto c = _mm_set_ps(3, 4, 5, 6);

    auto sse_mask    = _mm_cmplt_ps(a, _mm_setzero_ps());
    auto avx512_mask = _mm_cmp_ps_mask(sse_mask, _mm_setzero_ps(), 25);

    alignas(16) float v1[4];
    alignas(16) float v2[4];
    _mm_store_ps(v1, _mm_blendv_ps(a, c, sse_mask));
    _mm_store_ps(v2, _mm_mask_blend_ps(avx512_mask, a, c));

    assert(v1[0] == v2[0]);
    assert(v1[1] == v2[1]);
    assert(v1[2] == v2[2]);
    assert(v1[3] == v2[3]);
    return 0;
}

Answer 1

首先使用 AVX-512 比较内在函数来获得 AVX-512 掩码（如_mm_cmp_ps_mask ）； 这将比比较成向量然后转换它要有效得多，除非编译器为您优化了这种低效率。 （考虑使用像Agner Fog 的 VCL这样的包装库来尝试抽象出差异。VCL 许可证最近从 GPL 更改为 Apache。）

---

但是如果你真的需要这个（例如作为你完成优化之前的权宜之计），你就不需要 FP compare 。 _mm_cmp_ps中的 _mm_cmp_ps 产生__m128结果，但它并不是真正的浮点向量¹ 。 它是全一位/全零位。 您只需要这些位，因此您正在寻找与vmovmskps等效的 AVX-512，但在k寄存器中而不是 GP integer 中。 即VPMOVD2M k, x/y/zmm用于 32 位源元素。

   __m128 cmpvec = _mm_cmplt_ps(v, _mm_setzero_ps() );
   __mmask8 cmpmask = _mm_movepi32_mask( _mm_castps_si128(cmpvec) );   // <----

// equivalent to comparing into a mask in the first place:
   __mmask8 cmpmask = _mm_cmplt_ps_mask(v, _mm_setzero_ps(), _CMP_LT_OQ);

// equivalent to (if I got this right)
   __mmask8 cmpmask = _mm_fpclass_ps_mask(v, 0x40 | 0x10);  // negative | negative_inf

https://uops.info/现在已关闭，否则我会将 VPMOVD2M 与 VCMPPS 的延迟和执行端口检查为掩码（对于 UNORD 谓词）与 VFPCLASSPS。

---

脚注 1：您可以将 AVX-512 vfpclassps用于掩码，甚至可以使用诸如 UNORD 之类的vcmpps谓词与自身进行比较，以检测 NAN 与否。 但我认为这些比较慢。

---

我需要用_cvtu32_mask8将其链接到一个专用掩码寄存器中。

编译器目前做事的方式， __mmask8只是unsigned char的 typedef，而__mmask16是unsigned short 。 它们可以在没有内在函数的情况下自由转换，无论好坏。 但是在 asm 中，需要一个kmovb k1, eax指令才能将数据从 GP reg 获取到 ak mask reg，并且该指令只能在当前 CPU 的端口 5 上运行。