为什么avx512中的shuffle bytes vpshufb需要计算index index[5:0]:= b[i+3:i] + (j & 0x30), j & 0x30的function我不明白

Question

为什么 avx512 中的vpshufb字节洗牌需要将索引计算为index[5:0]:= b[i+3:i] + (j & 0x30) ？

_mm512_shuffle_epi8(a,b) （无掩码）的内在函数指南伪代码是：

FOR j := 0 to 63
    i := j*8
    IF b[i+7] == 1
        dst[i+7:i] := 0
    ELSE
        index[5:0] := b[i+3:i] + (j & 0x30)
        dst[i+7:i] := a[index*8+7:index*8]
    FI
ENDFOR
dst[MAX:512] := 0

我不明白j & 0x30的function是什么意思。

因为 avx2 中的 vpshufb 没有(j & 0x30) ，它通过index[3:0]:= b[i+3:i]和index[3:0]:= b[128+i+3:128+i]计算索引index[3:0]:= b[128+i+3:128+i] 。 _mm256_shuffle_epi8(a,b)文档：

FOR j := 0 to 15
    i := j*8
    IF b[i+7] == 1
        dst[i+7:i] := 0
    ELSE
        index[3:0] := b[i+3:i]
        dst[i+7:i] := a[index*8+7:index*8]
    FI
    IF b[128+i+7] == 1
        dst[128+i+7:128+i] := 0
    ELSE
        index[3:0] := b[128+i+3:128+i]
        dst[128+i+7:128+i] := a[128+index*8+7:128+index*8]
    FI
ENDFOR
dst[MAX:256] := 0

Answer 1

它是 4 个独立的 16 元素混洗，使用 4 位索引，不像vpermb 。 它添加j&0x30以在源向量的右 128 位通道中创建 6 位索引，因为j遍历所有 64 个目标字节。 j & 0xf0清除低半字节，车道内偏移位，为您提供车道起点的字节偏移量。 由于j实际上只上升到 64，因此他们选择执行j & 0x30 。

256 位伪代码展开循环，执行先低后高通道的低字节，等等。

Intel 的 asm 手册 ( https://felixcloutier.com/x86/pshufb ) 是类似的，也使用0x10或0x30掩码作为j循环超过 output 字节。 奇怪的是，内在函数指南在不需要的时候使用了这种位分片符号； 索引只是一个内部临时索引，而不是较大值的一部分； asm 手册只使用index:= src.byte[ j ]; .

(KL, VL) = (16, 128), (32, 256), (64, 512)
jmask := (KL-1) & ~0xF
                // 0x00, 0x10, 0x30 depending on the VL
FOR j = 0 TO KL-1
                // dest
    IF kl[ i ] or no_masking
        index := src.byte[ j ];
        IF index & 0x80
            Dest.byte[ j ] := 0;
        ELSE
            index := (index & 0xF) + (j & jmask);
                // 16-element in-lane lookup
            Dest.byte[ j ] := src.byte[ index ];
    ELSE if zeroing
        Dest.byte[ j ] := 0;
DEST[MAXVL-1:VL] := 0;

这很奇怪，似乎两个输入都被称为src ！ vpshufb dst, src1, src2使用第二个输入向量作为索引，第一个作为表格。 不会是第一次或最后一次英特尔手册中出现错误：/

无论如何，asm 手册的优点是描述部分用简单的英语解释了它的作用，这有助于通过伪代码思考很多。