c++ - 优化从子位掩码生成父位掩码

Question

给定一个 64 位子掩码输入，例如:

10000000 01000000 00100000 00010000 00001000 00000100 00000010 00000000

8 位父掩码为:

11111110

父掩码中的单个位映射到子掩码字符串中的 8 位，当 8 个子位中的一个设置为 1 时，父掩码中的位设置为 1。计算这个的简单算法是如下所示:

unsigned __int64 childMask = 0x8040201008040200; // The number above in hex
unsigned __int8 parentMask = 0;
for (int i = 0; i < 8; i++)
{
    const unsigned __int8 child = childMask >> (8 * i);
    parentMask |= (child > 0) << i;
}

我想知道上面的代码是否还有任何优化要做。代码将在 CUDA 上运行，我希望尽可能避免分支。对于答案，C++/C 中的代码就可以了。 for 循环可以展开，但我宁愿将其留给编译器进行优化，在必要时使用例如 #pragma unroll 给出提示。

Answer 1

一种可能的方法是使用 __vcmpgtu4 进行每字节比较，它以打包掩码的形式返回结果，可以与 0x08040201(高半部分为 0x80402010)进行 AND 运算以转换将它们放入最终结果的位中，但随后它们需要水平求和，这似乎没有得到很好的支持，但可以用普通的旧 C 风格代码来完成。

例如，

unsigned int low = childMask;
unsigned int high = childMask >> 32;
unsigned int lowmask = __vcmpgtu4(low, 0) & 0x08040201;
unsigned int highmask = __vcmpgtu4(high, 0) & 0x80402010;
unsigned int mask = lowmask | highmask;
mask |= mask >> 16;
mask |= mask >> 8;
parentMask = mask & 0xff;