有没有更好的AVX指令来从3个ymm寄存器中移动数据？
AVX（Advanced Vector Extensions）是一种指令集扩展，用于提高处理器的向量计算能力。AVX指令集引入了ymm寄存器，可以同时处理更多的数据。在AVX指令集中，有一些指令可以用来从3个ymm寄存器中移动数据。
其中，vperm2f128指令可以从两个ymm寄存器中选择性地移动数据到一个目标ymm寄存器中。这个指令可以通过设置控制字节来选择要移动的数据和目标位置。具体来说，vperm2f128指令可以将ymm0和ymm1中的数据按照指定的控制字节移动到ymm2中。
vperm2f128指令的优势在于可以高效地进行数据移动操作，提高了向量计算的效率。它适用于需要在向量计算中进行数据重排或者数据合并的场景。
腾讯云提供了一系列适用于云计算的产品，其中包括云服务器、云数据库、云存储等。这些产品可以帮助用户快速搭建和管理云计算环境，提供稳定可靠的计算和存储能力。
更多关于AVX指令和腾讯云产品的详细信息，请参考以下链接：
- AVX指令集介绍：AVX指令集 - 维基百科
- 腾讯云产品介绍：腾讯云产品
相关·内容
2回答
我正在开发一个AVX2指令的代码生成器，并试图在AMD A10 8700处理器上测试它，根据规范，应该运行AVX2。
但是，由于vgatherdps指令中存在非法指令，它会崩溃：
vmovdqu yMM0, [ r9+ PmainBase + -256]; LDdqyy;0
lea r9, [ PmainBase + -192];0
vpcmpeqw ymm8, ymm8, ymm8;0
vgatherdps YMM0, [ r9+ yMM0*4 ] ,ymm8;0
cpuid信息显示包含avx2，因此VGATHERDPS应该是合法的。
浏览 6提问于2016-09-19得票数 4
1回答
我正在用VC++编写一个前馈网络，使用AVX。我正在通过PInvoke在C#中调用这段代码。当调用一个计算大型循环(包括exp()函数)的函数时，对于环大小为160 m的函数，我的性能大约是1000 is。一旦我调用任何使用AVX的函数，然后使用exp()，我的性能就会下降到8000 As左右。注意，计算exp()的函数是标准C，使用AVX本质的调用可以在处理数据方面完全无关。某种标志在运行时的某个地方被绊倒了。
换句话说，
A(); // 1000ms calculates 160M exp()
B(); // completely unrelated but contains AVX
A
浏览 2提问于2011-05-01得票数 7
回答已采纳
vextracti128和vextractf128具有相同的功能、参数和返回值。另外一种是AVX指令集，另一种是AVX2。有什么关系？
浏览 10提问于2013-09-25得票数 12
2回答
当指令开始处理后，avx指令中用作源的寄存器何时才能被重用？
例如:我想使用vgatherdps指令，它消耗两个ymm寄存器，其中一个是位移索引。我意识到vgatherdps需要很多时间来收集数据，因为数据的局部性很差。
在执行指令的过程中，是否会保存位移索引寄存器，或者我可以在不挂管道的情况下将其重新使用在折叠指令中？
浏览 3提问于2021-10-08得票数 3
回答已采纳
2回答
我感兴趣的是将__m256i数据类型( Intrinsics中用于AVX指令)的数据复制到新的__m256i中。
我知道我可以将数据从AVX寄存器存储到内存中，然后从内存中加载数据到新的寄存器中。但是，是否有更简单的方法(即专用指令)，可以直接“克隆”寄存器，而无需首先使用将其存储到内存中的操作，然后再加载它？
我想，我可以添加一个空寄存器到我的寄存器，然后得到一个新的__m256i类型，可以加载到一个寄存器.然而，这似乎有点麻烦，需要我在某个时候使用一些操作来创建一个新的空__m256i虚拟。
对不起，如果这是一个简单的问题(这是一个简单的问题)。我只是没能找到一个能帮我做到这一点的内在功能
浏览 5提问于2016-04-23得票数 1
回答已采纳
1回答
如何将1的值设置为__m256值中的所有位？使用AVX或AVX2的本质？
要获得所有的零，可以使用_mm256_setzero_si256()。
为了获得所有的结果，我目前正在使用_mm256_set1_epi64x(-1)，但我怀疑这比零的情况要慢。这里是否涉及内存访问或Scalar/SSE/AVX交换？
我似乎在AVX中找不到一个简单的按位不操作的方法？如果这是可用的，我可以简单地使用setzero，后面跟着向量NOT。
浏览 3提问于2016-05-26得票数 6
回答已采纳
xmm和ymm寄存器有什么区别？我认为xmm用于SSE，ymm用于AVX，但我编写了一些代码：
vmovups ymm1, [r9]
vcvtss2si rcx, ymm1
它给了我：
error: invalid combination of opcode and operands
是关于台词的：
vcvtss2si rcx, ymm1
所以我写到：
vcvtss2si rcx, xmm1
它的工作方式和预期一样。转换为整数的ymm1向量的第一个值现在在rcx中。
ymm1和xmm1是相同的寄存器吗？
浏览 6提问于2018-01-07得票数 13
回答已采纳
我的C++代码使用SSE，现在我想改进它，以便在可用时支持AVX。因此，我检测到AVX何时可用，并调用使用AVX命令的函数。我使用Win7 SP1 + VS2010 SP1和带有AVX的CPU。
要使用AVX，必须包括以下内容：
#include "immintrin.h"
然后，您可以使用诸如_mm256_mul_ps、_mm256_add_ps等内置的AVX函数。问题是，默认情况下，VS2010生成的代码工作非常慢，并显示了警告：
警告C4752:找到英特尔(R)高级矢量扩展；考虑使用/arch:AVX
看起来VS2010实际上并不使用AVX指令，而是模仿它们。我将
浏览 6提问于2011-10-20得票数 58
回答已采纳
在从std::array<uint64_t、...>读取数据时，我很难理解是什么阻止编译器使用初始向量加载。
我知道gcc可以使用-fopt-info-vec-*生成调试信息。我从冗长的日志中找不到任何东西来说明为什么两个编译器在使用初始标量负载时做出相同的次优决策。
另一方面，我不知道如何使clang提供有关矢量化问题的详细信息。-Rpass-analysis=循环-矢量化只在init中循环不值得交织的报告。当然，我的内在版本是循环可以向量化的证明，但是所需的转换可能太复杂了，除非来自编译器。
当然，我可以使用本质实现热路径，但这需要对每个cpu架构重复相同的逻辑。我更喜欢编写标
浏览 2提问于2016-12-24得票数 2
如何将单个32位浮点加载/转换为AVX 256 ymm寄存器，以便所有8个浮点都来自单个浮点源？
以前，我使用AVX128XMM寄存器将单个浮点数加载到4个压缩浮点数中。
movss xmm7,[eax];
shufps xmm7,xmm7,0;
add eax, 0x4;
浏览 2提问于2012-05-19得票数 3
我的笔记本电脑CPU只支持AVX (高级矢量扩展)，但不支持AVX2。对于AVX，128位xmm*寄存器已经扩展到用于浮点算法的256位ymm*寄存器。但是，我已经测试过所有版本的Visual (从2010年到2015年)都不使用/arch:AVX优化下的ymm*寄存器，尽管它们是在/arch:AVX2优化下使用的。
下面显示了简单for循环的反汇编。该程序是用/arch:AVX在版本中编译的，所有的优化选项都打开了。
float a[10000], b[10000], c[10000];
for (int x = 0; x < 10000; x++)
1000988F
浏览 5提问于2016-01-14得票数 2
回答已采纳
我正在用AVX(非AVX2)创建strlen函数.使用AVX，可以访问(YMM)寄存器，但是有一个问题.我所知道的对strlen函数的说明是：
vmovdqu
vpcmpeqb
vpmovmskb
但这些指令只适用于AVX中的“XMM”。如果我想和(YMM)一起使用，我需要一个AVX2-CPU .但我说的是AVX ..。现在要用'AVX‘和'YMM’寄存器创建一个strlen函数，我需要使用什么指令？
浏览 1提问于2019-10-30得票数 0
回答已采纳
1回答
如果我有一个包含指针、浮点数、双精度数、int32s和int16s的混合的类(或结构)，我是否可以将该类与AVX寄存器合并，然后通过联合访问数据，以强制编译器一起加载数据？
我正在尝试减少内存负载。
浏览 3提问于2015-09-09得票数 1
1回答
有没有办法重新对齐加载到SSE/AVX向量寄存器中的数据(比如实现滑动窗口)？或者我需要自己移位字节并再次从内存重新加载到向量寄存器？
浏览 19提问于2020-11-07得票数 1
回答已采纳
例如，我想创建一个Vector256变量，假设我的系统支持Avx2，所有元素都被初始化为一个指定的有符号整数。.NET的文件说，用Avx2播放一个scarlar使用了_mm256_broadcastd_epi32和_mm_broadcastd_epi32指令。
Vector256.Create会生成什么指令？和上面的是一样的吗？
int value = -1;
Vector256<int> v1 = Avx2.BroadcastScalarToVector256(&value);
Vector256<int> v2 = Vector256.Create(-1);
浏览 39提问于2021-03-11得票数 3
回答已采纳
这似乎是一个，许多英特尔处理器(直到Skylake，除非我错了)表现出糟糕的性能时，混合AVX-256指令和SSE指令。
根据，这是由于定义了SSE指令以保留YMM寄存器的上128位，因此为了能够通过不使用AVX数据路径的上128位来节省功耗，CPU在执行SSE代码时将这些比特存储起来，并在输入AVX代码时重新加载它们，存储和加载都是昂贵的。
但是，我找不到任何明显的理由或解释为什么SSE指令需要保留这些上128位。相应的128位VEX指令(其使用避免了性能损失)总是通过清除YMM寄存器的上128位来工作，而不是保存它们。在我看来，当Intel定义AVX架构，包括将XMM寄存器扩展到YMM寄存
浏览 3提问于2017-01-24得票数 16
回答已采纳
3回答
AVX中的水平异或
、、、、
有没有一种方法可以水平地异或一个AVX寄存器--具体来说，是用来对256位寄存器的四个64位组件进行异或？
目标是获得AVX寄存器的所有4位64位组件的异或值.本质上，它将执行与水平添加(_mm256_hadd_epi32())相同的操作，但我想要的是异或而不是添加。
标量码是：
inline uint64_t HorizontalXor(__m256i t) {
return t.m256i_u64[0] ^ t.m256i_u64[1] ^ t.m256i_u64[2] ^ t.m256i_u64[3];
}
浏览 9提问于2017-07-05得票数 9
回答已采纳
2回答
对于64位寄存器，有指令，它只在满足条件cc的情况下将B写入A：
; Do rax <- rdx iff rcx == 0
test rcx, rcx
cmove rax, rdx
然而，我没有找到任何类似的AVX。我仍然希望根据RFLAGS的值移动，只是使用更大的操作数：
; Do ymm1 <- ymm2 iff rcx == 0
test rcx, rcx
cmove ymm1, ymm2 (invalid)
对于cmov是否有AVX的等价物？如果没有，如何才能以无分支的方式完成此操作？
浏览 1提问于2021-02-02得票数 6
回答已采纳
我写了一个AVX内核来做复数共轭乘法：
__attribute__((noinline))
static __attribute__((target("avx"))) void asm_vcmulcc(
cfloat* __restrict__ cc, const cfloat* __restrict__ aa, const cfloat* __restrict__ bb, ssize_t size) {
ssize_t iters = size/4;
ssize_t rem = size-iters*4;
__asm__(
浏览 5提问于2017-07-28得票数 2
回答已采纳
2回答
有人能告诉我如何计算出32位无符号整数乘法的最大数目吗?我可以通过SSE/AVX在常春藤桥CPU上并发执行32位无符号整数乘法吗？
我知道AVX确实有256位的乘法寄存器，但是这是用于浮点的(AVX2引入了256位整数寄存器)。因此，我不太确定使用浮点寄存器进行整数乘法是否更好(如果可能的话)？
此外，我不确定仅仅是寄存器的数量是否重要，或者是否需要查看CPU的端口。看起来端口0和端口5可以处理SSE整数ALU吗？
浏览 4提问于2014-04-20得票数 1
随着AVX的引入，英特尔在Intel 64和IA-32体系结构中引入了VEX编码方案。此编码方案主要与AVX指令一起使用。我想知道是否可以混合VEX编码的指令和现在称为“遗留SSE”的指令。
我问这个问题的主要原因是代码大小。请考虑以下两条指令：
shufps xmm0, xmm0, 0
vshufps xmm0, xmm0, xmm0, 0
我通常使用第一个函数将标量值“广播”到XMM寄存器中的所有位置。现在，指令集说明这两个指令之间的唯一区别(在本例中)是VEX编码的指令清除YMM寄存器的较高位(>=128)。假设我不需要它，那么在这种情况下使用VEX编码的版本有什么好处呢？第一条指
浏览 2提问于2012-06-03得票数 11
回答已采纳
1回答
我正在尝试将一些标量代码(下面的calc_offsets)转换为AVX2等效项。它接受一系列的“计数”，并从一些提供的基值开始，生成一个偏移位置表。
我尝试将它转换为AVX2 (avx2_calc_offsets)，我认为这是正确的，似乎速度大约是简单数组方法的一半。这是将更大的(瓶颈)代码段转换为AVX2指令的努力的一部分，我希望进一步将偏移量作为向量进行处理。对于这样的操作，我想避免在AVX2和标量代码之间跳跃。
这里提供了一些示例和简单的基准测试代码。在Ryzen Zen v1上，数组版本的运行时间约为2.15秒，AVX2版本的运行时间约为4.41秒。
有没有更好的方法来使用AVX2来使
浏览 16提问于2021-10-24得票数 2
1回答
我有一个关于AVX _mm256_blend_pd功能的问题。
我想在我大量使用_mm256_blendv_pd函数的地方优化我的代码。不幸的是，这具有相当高的延迟和较低的吞吐量。该函数以三个__m256d变量作为输入，其中最后一个变量表示用于从前2个变量中进行选择的掩码。
我找到了另一个函数(_mm256_blend_pd)，它使用一个位掩码而不是一个__m256d变量作为掩码。当掩码是静态的时，我可以简单地传递类似于0b0111的东西，从第一个变量中获取第一个元素，从第二个变量的最后3个元素。但是，在我的示例中，掩码是使用_mm_cmp_pd函数计算的，该函数返回一个__m256d变量。我
浏览 1提问于2020-05-21得票数 3
回答已采纳
第一次使用avx2本质(在支持avx2 (而不是avx512)的系统上)。
无论是从原型还是从英特尔本质引用中获得的信息，我都不认为_mm256_loadu_epi64和_mm256_storeu_epi64是avx512函数。
但是，如果我只用-mavx2编译代码，就会得到编译器错误。另一方面，如果我使用-mavx512vl进行编译(正如编译器错误所建议的那样)，那么它会编译，而似乎可以工作。但是，如果我选择avx512，我当然会对编译器在程序的其余部分可能做什么感到紧张。
我认为我应该为我的avx2机器编译：
clang++ -std=c++17 -O2 -mavx2 -o storel
浏览 2提问于2021-03-18得票数 1
回答已采纳
我编写了将arr3 1*arr3 2相乘并将结果保存到arr3的程序。
Pseudocode:
arr3[i]=arr1[i]*arr2[i]
我想用AVX指令。我有用于m128和m256指令的汇编程序代码(展开)。结果表明，ymm的使用速度比xmm慢4倍。但是为什么呢？如果懒惰是一样的..。
Mul_ASM_AVX proc ; (float* RCX=arr1, float* RDX=arr2, float* R8=arr3, int R9 = arraySize)
push rbx
vpxor xmm0, xmm0, xmm0 ; Zero the counters
浏览 1提问于2020-02-11得票数 5
回答已采纳
2回答
我有以下AVX和Native代码：
__forceinline double dotProduct_2(const double* u, const double* v)
{
_mm256_zeroupper();
__m256d xy = _mm256_mul_pd(_mm256_load_pd(u), _mm256_load_pd(v));
__m256d temp = _mm256_hadd_pd(xy, xy);
__m128d dotproduct = _mm_add_pd(_mm256_extract
浏览 2提问于2017-09-30得票数 1
我希望对zmm 0-31寄存器集的四字元素执行整数算术运算，并保留这些操作产生的进位。这似乎只有在通用寄存器集中处理数据时才有可能。
因此，我想将一个zmm 0-31寄存器中的信息复制到一个通用寄存器中。在处理了通用寄存器中的64位数据之后，我想将数据返回到原始的zmm 0-31寄存器，它来自同一个QuadWord位置。我知道我可以使用命令将数据从通用寄存器rax移动到AVX512寄存器zmm26 QuadWord位置5。
vpbroadcastq zmm26{k5}{z},rax
其中8位掩码k5 =十进制32，允许将数据广播到第5 QuadWord of zmm26和z=1，表明
浏览 7提问于2015-08-08得票数 8
1回答
我在内核中找不到很多SIMD指令(比如SSE/AVX)的使用(除了一个地方用来加速RAID6的奇偶计算)。
( Q1)这种情况的具体原因，或者仅仅是用例的缺乏？
( Q2)如果我想使用SIMD指令，比如设备驱动程序，今天需要做什么？
( Q3)将像ISPC这样的框架整合到内核中有多难(仅仅是为了实验)？
浏览 9提问于2017-10-10得票数 7
到目前为止，我发现：
SSE和SSE2对于Windows 8及更高版本是必需的(当然，对于任何64位操作系统也是如此)。
AVX仅受Windows7 SP1或更高版本的支持
在Windows上使用SSE3、SSSE3、SSE4.1、SSE4.2、AVX2和AVX-512是否有任何警告？
一些澄清:我需要这个来确定如果我使用SSE/AVX集合中的指令，我的程序将运行什么操作系统。
浏览 3提问于2015-12-03得票数 12
回答已采纳
1回答
桑迪桥上32字节存储转发
、、、、
在Agner出色的中，我读到了这样的信息：
在下列情况下，存储转发工作：当128或256位的写入后跟着相同大小和相同地址的读，以16对齐。
另一方面，英特尔的架构优化参考手册(2.2.5.2英特尔桑迪桥，L1 DCache)我读到了
在下列情况下，存储无法转发到加载：任何跨越32字节存储区16字节边界的负载。
任何负载听起来都像是32字节的负载。我编写了下面的简单代码来测试这一点，看起来32字节存储区是而不是，在Sandy体系结构上转发到随后的32字节负载。以下是代码：
#include <stdlib.h>
#include <malloc.h>
i
浏览 1提问于2014-03-03得票数 8
回答已采纳
1回答
可以将xmm寄存器参数与AVX内部函数(_mm256_**_**)一起使用吗？
我的代码需要使用向量整数运算(用于加载和存储数据)以及向量浮点运算。整数代码是用SSE2内部函数编写的，以便与旧的CPU兼容，而浮点数是用AVX编写的，以提高速度(也有SSE代码分支，所以不建议这样做)。
目前，除了使用编译器标志自动将所有SSE指令转换为VEX编码的版本之外，是否有任何方法可以使用内部函数(即没有内联/外部汇编)在XMM寄存器上强制使用VEX编码的指令？
注意:我尝试了_mm256_castsi128_si256()，这会生成带有ymm操作数的指令。
浏览 1提问于2013-12-08得票数 2
3回答
_mm256_blendv_pd()查看位置63、127、191和255中的位。有没有一种有效的方法来将uint8_t的4个低位分散到AVX寄存器的这些位置？
或者，有没有一种有效的方法来广播这些位，以便像_mm256_cmp_pd()的结果一样，在AVX寄存器的相应64位组件中重复每一位？
指令集是AVX2 (如果需要其他功能，则为Ryzen CPU )。
浏览 7提问于2017-08-31得票数 4
来自
在一些Intel处理器上混合使用AVX支持和不支持AVX编译的代码时会出现问题。当从AVX代码转到非AVX代码时，由于YMM寄存器状态的改变，会造成性能损失。在从AVX代码转换到_mm256_zeroupper代码之前，应该通过调用内部函数_mm256_zeroupper()来避免这种损失。在下列情况下，这是必要的：
·如果程序的一部分是用AVX支持编译的，而程序的另一部分是在没有AVX支持的情况下编译的，那么在离开AVX部分之前调用_mm256_zeroupper()。
·如果一个函数在多个版本中使用CPU调度编译，那么在离开AVX部件之前调用_mm256_zeroupper()。
浏览 8提问于2021-08-11得票数 3
回答已采纳
1回答
为测试目的在CPU中禁用AVX2
、、、、
我有一个要求AVX2正确工作的应用程序。实现了一个检查，以检查应用程序启动期间是否有AVX2指令。我想检查它是否正确工作，但我只有有AVX2的CPU。为了测试目的，有没有办法暂时关闭它？或者以某种方式模仿其他CPU？
浏览 0提问于2019-04-19得票数 13
回答已采纳
我正在使用icpc编译器来查看我的代码(通常是用g++编译)的速度。
我所编译的处理器属于Intel的Sandy架构，所以我想使用AVX矢量化。
有人告诉我，icpc的"-xhost“标志可以让我自动受益于AVX矢量化:是这样吗？
如果没有，你能告诉旗子与icpc放在一起激活AVX吗？
最后一个问题:我也能从AVX2中受益吗？如果是，怎么做？
谢谢
浏览 6提问于2014-10-21得票数 1
回答已采纳
1回答
我错过了avx2中生成向量而不是掩码的比较指令。在avx512中完成相同事情的最有效方法是什么？它是_mm512_cmp_ps_mask后面的一个扩展吗？
浏览 4提问于2021-07-09得票数 3
回答已采纳
1回答
我有这样的代码：
void add_v3_v3(float r[3], const float a[3])
{
r[0] += a[0];
r[1] += a[1];
r[2] += a[2];
}
我想把它转换成AVX代码，但据我所知，只有当向量有四个元素(x，y，z，w)时，AVX才能工作，而这里只有三个元素(x，y，z)。有什么想法吗？
浏览 4提问于2021-06-05得票数 0
回答已采纳
2回答
确定两台机器在ddot中的差异
、、、、
我目前有两台机器，它们为两个向量上的np.dot实例产生不同的输出。在不深入研究从NumPy到BLAS的许多抽象层的情况下，我能够再现scipy.linalg.blas.ddot中的差异，所以我假设解释BLAS中的差异也解释了NumPy中的差异。具体而言，请考虑以下示例：
import numpy as np
from scipy.linalg.blas import ddot
u = np.array([0.13463703107579461093, -0.07773272613450200874, -0.98784132994666418170])
v = np.array([-0.86
浏览 5提问于2019-12-20得票数 4
最初，我试图再现Agner Fog的微结构指南“YMM和ZMM矢量指令的预热期”一节中描述的效果，其中说：
处理器在不使用矢量执行单元时关闭其上半部分，以节省电源。具有256位矢量的指令在大约56,000个时钟周期或14μs的初始升温周期中，其吞吐量大约比正常慢4.5倍。
我得到了放缓，虽然它似乎更接近于~2倍，而不是4.5倍。但我发现，在我的CPU (Intel i7-9750H咖啡湖)上，减速不仅影响256位操作，还影响128位矢量操作和标量浮点操作(甚至有N个GPR指令遵循XMM触摸指令)。
基准程序代码：
# Compile and run:
# clang++ ymm-thr
浏览 2提问于2021-03-30得票数 3
回答已采纳
gcc 5.3使用-O3 -mavx -mtune=haswell for x86-64，使能够处理可能对齐的代码输入，如：
// convenient simple example of compiler input
// I'm not actually interested in this for any real program
void floatmul(float *a) {
for (int i=0; i<1024 ; i++)
a[i] *= 2;
}
clang使用未对齐的加载/存储指令，但是gcc做了一个标量介绍/outro和对齐向量循环:它剥离了
浏览 2提问于2015-12-16得票数 15
回答已采纳
3回答
我正在编写以Haswell为目标生成高度优化的机器代码的代码(因此它有AVX2指令)，并且我正在试图找到最有效的方法，将预先确定的四字和双字数相加在一起。例如，我可能有这样一个结构：
0-8: QWORD a
8-16: QWORD b
16-20: DWORD c
20-28: QWORD d
28-36: QWORD e
36-40: DWORD f
40-48: QWORD g
48-56: QWORD h
56-64: QWORD i
我想将它添加到具有相同布局的另一个结构中，使a(final) =a(第一)+a(第二)，b(final) =b(第一)+b(第二)等等。我一直在查
浏览 2提问于2017-02-10得票数 3
回答已采纳
2回答
GCC与GFORTRAN的矢量化
、、、、
我有一个琐碎的循环，我希望在程序集中看到YMM寄存器，但只看到XMM。
program loopunroll
integer i
double precision x(8)
do i=1,8
x(i) = dble(i) + 5.0d0
enddo
end program loopunroll
然后我编写它(gcc或gfortran不重要。我使用gcc 8.1.0)
[user@machine avx]$ gfortran -S -mavx loopunroll.f90
[user@machine avx]$ cat loopunroll.f90|grep mm
[user@machin
浏览 0提问于2018-07-02得票数 1
回答已采纳
和的英特尔文档读起来非常相似。我只能找出两个不同之处：
_mm256_extractf128_ps以一个const int作为参数，_mm256_extractf32x4_ps接受一个int。这不应该有任何区别。
_mm256_extractf128_ps需要AVX标志，而_mm256_extractf32x4_ps需要AVX512F + AVX512VL，这使得前者在CPU上似乎更易于移植。
_mm256_extractf32x4_ps存在的理由是什么？
浏览 11提问于2022-01-27得票数 3
回答已采纳
2回答
当为支持AVX扩展的处理器编译时(比如-m64 -march=corei7-avx -mtune=corei7-avx适用)，同时使用-mfpmath=both -mavx键有意义吗？它不会导致编译器同时使用三组指令(i87、SSE、AVX)吗？或者只是标量的i87 (在某种意义上)和矢量的AVX？
浏览 0提问于2012-12-05得票数 3
回答已采纳
如果我有一些类，其中有一个像__m256i* loaded_v这样的字段，还有一个像这样的方法： void load() {
loaded_v = &_mm256_load_si256(reinterpret_cast<const __m256i*>(vector));
} loaded_v将在多长时间内成为有效指针？由于寄存器的数量有限，我认为loaded_v最终会引用一个不同的值，或者会发生一些其他奇怪的行为。然而，我想减少我所做的负载的数量。 我正在编写一个压缩位数组类，我想使用AVX内部函数来提高性能。但是，每次执行某些操作(and、or、xor等)时加载
浏览 163提问于2021-11-07得票数 0
2回答
如果我将一些指针或类似指针的值打包到SSE或AVX寄存器中，是否有任何特别有效的方法来解除它们的引用，进入另一个这样的寄存器？(“特别有效”的意思是“比仅仅为值使用内存更有效”)。有没有办法不将寄存器的中间副本写到内存中而取消对它们的引用呢？
编辑以澄清:这意味着，假设32位指针和SSE，使用XMM寄存器的四个部分同时索引到四个任意内存区域，并同时将四个结果返回到另一个寄存器。或尽可能接近“立即”。(/edit)
Edit2:多亏了PaulR的回答，我想我要找的术语是“best”，因此问题是“为AVX2 2之前的系统实现集合的最佳方法是什么？”
我猜想这方面没有指示，因为...well，据我所
浏览 7提问于2014-03-11得票数 1
回答已采纳
我想将值从YMM复制到RAX寄存器，但我没有找到正确的指令来执行此操作。我想做一些类似的事情：
mov rax, ymm0
例如，对于XMM，我可以这样做：movq rax, xmm0。我想要类似这样的东西。
浏览 8提问于2017-01-15得票数 2
是否有一种将64位AVX寄存器的高/低32位组件重新打包为SSE寄存器的内在或另一种有效方法？使用AVX2的解决方案是可以的。
到目前为止，我使用的代码如下，但分析器表示，它在Ryzen 1800 X上运行缓慢
// Global constant
const __m256i gHigh32Permute = _mm256_set_epi32(0, 0, 0, 0, 7, 5, 3, 1);
// ...
// function code
__m256i x = /* computed here */;
const __m128i high32 = _mm256_castsi256_si1
浏览 4提问于2017-08-24得票数 6
回答已采纳
我想我应该熟悉x86 SIMD扩展。但在我开始之前我就遇到了麻烦。我找不到一个很好的概览，其中哪些仍然相关。
几十年来，x86体系结构积累了大量的数学/多媒体扩展：
MMX
3快！
SSE
SSE2
SSE3
SSSE3
SSE4
AVX
AVX2
AVX512
我是不是忘了什么？
新的是旧的超集，反之亦然？或者它们是互补的？
他们中的一些人反对吗？其中哪一项仍然相关？我听说有人提到“遗留SSE”。
其中有些是相互排斥的吗？也就是说，它们是否共享相同的硬件部件？
我应该一起使用哪一个来最大限度地利用现代英特尔/ AMD CPU上的硬件？为了便
浏览 2提问于2015-07-18得票数 37
回答已采纳
2回答
在MSVC中自动生成FMA指令
、、、、
MSVC多年来一直支持AVX/AVX 2指令，根据，它可以自动生成指令。
然而，以下两种功能都不符合FMA指令：
float func1(float x, float y, float z)
{
return x * y + z;
}
float func2(float x, float y, float z)
{
return std::fma(x,y,z);
}
更糟糕的是，FMA不是作为一个FMA指令实现的，它的执行速度比普通的x * y + z慢得多(如果实现不依赖FMA指令，那么std::fma的性能会很差)。
我使用/arch:AVX2 /O2 /Qvec标志进
浏览 0提问于2015-12-14得票数 10
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
