排列在英特尔至强融核

Question

假设我在至强融核双打的以下4个向量寄存器：

A-> |a8|a7|a6|a5|a4|a3|a2|a1| 
B-> |b8|b7|b6|b5|b4|b3|b2|b1| 
C-> |c8|c7|c6|c5|c4|c3|c2|c1| 
D-> |d8|d7|d6|d5|d4|d3|d2|d1| 

我想将它们置换成如下：

A_new ->|d2|d1|c2|c1|b2|b1|a2|a1| 
B_new ->|d4|d3|c4|c3|b4|b3|a4|a3| 
C_new ->|d6|d5|c6|c5|b6|b5|a6|a5| 
D_new ->|d8|d7|c8|c7|b8|b7|a8|a7| 

的目标是让：

O = _mm512_add_pd(_mm512_add_pd(A_new,B_new),_mm512_add_pd(C_new,D_new)); 

如何以最少数量的指令/周期完成上述操作？

Answer 1

由叶夫根尼·彼得罗夫在英特尔论坛上回答：

__m512i a1 = (__m512i)_mm512_mask_blend_pd(0x33, B, _mm512_swizzle_pd(A, _MM_SWIZ_REG_BADC)); 
__m512i a0 = (__m512i)_mm512_mask_blend_pd(0xcc, A, _mm512_swizzle_pd(B, _MM_SWIZ_REG_BADC)); 
__m512i a3 = (__m512i)_mm512_mask_blend_pd(0x33, D, _mm512_swizzle_pd(C, _MM_SWIZ_REG_BADC)); 
__m512i a2 = (__m512i)_mm512_mask_blend_pd(0xcc, C, _mm512_swizzle_pd(D, _MM_SWIZ_REG_BADC)); 

__m512d C_new = (__m512d)_mm512_mask_alignr_epi32(a2, 0x00ff, a0, a0, 8); 
__m512d A_new = (__m512d)_mm512_mask_alignr_epi32(a0, 0xff00, a2, a2, 8); 
__m512d D_new = (__m512d)_mm512_mask_alignr_epi32(a3, 0x00ff, a1, a1, 8); 
__m512d B_new = (__m512d)_mm512_mask_alignr_epi32(a1, 0xff00, a3, a3, 8); 

截至发稿时，_mm512_mask_blend_pd（）内部是不是英特尔C++用户指南中提到的，但应该很快就会得到纠正。它存在于“zmmintrin.h”头文件中。