Перестановка каналов / полос для SSE и AVX?
Какие инструкции SSE / AVX перетасовывают линии a выглядеть как b а также c?
float4 a = {data[0], data[1], data[2], data[3]};
float4 b = {data[1], data[2], data[3], data[0]}; // lanes shifted left
float4 c = {data[3], data[0], data[1], data[2]}; // lanes shifted right
float8 a = {data[0], data[1], data[2], data[3],
data[4], data[5], data[6], data[7]};
float8 b = {data[1], data[2], data[3], data[4],
data[5], data[6], data[7], data[0]}; // lanes shifted left
float8 c = {data[7], data[0], data[1], data[2],
data[3], data[4], data[5], data[6]}; // lanes shifted right
Фон:
У меня есть алгоритм, который требует значения от соседних точек; это означает, что в настоящее время я смешиваю выровненные и не выровненные нагрузки
(
plate[row + 1][column] // aligned
+ plate[row - 1][column] // aligned
+ plate[row][column + 1] // unaligned
+ plate[row][column - 1] // unaligned
+ (4 * plate[row][column]) // aligned
) / 8;
Вот это в SSE:
__m128 bottom = _mm_load_ps(&from[row-1][column]);
__m128 left = _mm_loadu_ps(&from[row][column-1]);
__m128 middle = _mm_load_ps(&from[row][column]);
__m128 right = _mm_loadu_ps(&from[row][column+1]);
__m128 top = _mm_load_ps&from[row+1][column]);
(top + bottom + left + right + _mm_set1_ps(4.0f) * middle) * _mm_set1_ps(0.125f);
Я понял, что значения в токе и влево или вправо отличаются только на одно значение. Таким образом, у меня возникла идея, что вместо выполнения двух невыровненных нагрузок я мог бы, возможно, перетасовать дорожки и затем вставить одно значение, которое отличается. Мне нужно проверить задержки / пропускную способность в инструкциях, чтобы увидеть, будет ли еще быстрее, но я не знаком ни с одним из этих видов инструкций SSE / AVX.
Решение
На последних процессорах Intel (Core i7 и др.) Рассогласованная нагрузка является разумным подходом, но на старых процессорах это относительно дорого. Альтернативный подход заключается в использовании _mm_alignr_epi8 (PALIGNR) — как правило, вы выполняете итерацию по строке и сохраняете 3 последовательных вектора — после каждой итерации вы перемешиваете эти векторы по одному, а затем загружаете новый вектор, поэтому на каждую итерацию приходится только одна загрузка.
__m128 va = _mm_setzero_ps();
__m128 vb = _mm_load_ps(&from[row][0]);
for (col = 0; col < N; col += 4)
{
__m128 vc = _mm_load_ps(&from[row][col + 4]);
__m128 centre = vb;
__m128 left = (__m128)_mm_alignr_epi8((__m128i)va, (__m128i)vb, sizeof(float));
__m128 right = (__m128)_mm_alignr_epi8((__m128i)vb, (__m128i)vc, 3 * sizeof(float));
// do stuff ...
va = vb; // shuffle vectors along
vb = vc;
}
AVX немного сложнее из-за ограничений 128-битных полос — вам может быть лучше придерживаться невыровненных нагрузок.
Другие решения
Других решений пока нет …
detector