sse - AVX2:U8绝对差

Question

我是 AVX 的新手(来自 ARM NEON)，并且对 AVX 缺少许多 U8 算法感到不愉快，其中缺少绝对差异。

因此我不得不求助于 max(a,b)-min(a,b) 和内联函数:

static inline __m256i _mm256_abd_epu8(__m256i a, __m256i b)
{
    return _mm256_sub_epi8(_mm256_max_epu8(a, b), _mm256_min_epu8(a, b));
}

我很好奇是否有更有效的方法来处理这个问题。

是的，我知道 _mm256_sad_epu8，但我需要差异本身，而不是总和。

我将不胜感激任何输入，AVX2 没问题，忽略任何向后兼容性。

提前致谢。

Answer 1

我不知道有什么技巧可以只用 2 条或更少的指令来做到这一点。 (而且这个问题的 SSE 版本也没有更好的选择:Compute the absolute difference between unsigned integers using SSE)。它确实提到了我在这个答案中使用的饱和方法。

---

稍微在 Skylake 之前更好:用无符号饱和度减去两种方式，然后对结果进行或运算。 (对于每个元素，a-b 或 b-a 饱和为零。)

_mm256_or_si256(_mm256_subs_epu8(a,b), _mm256_subs_epu8(b,a))

在 Haswell 上，pmin/pmax 和 psub 仅在端口 1 或端口 5 上运行，但 por可以在三个向量执行端口(0、1、5)中的任何一个上运行。

Skylake 添加了第三个向量整数加法器，因此在 uarch 上没有区别。 (参见 http://agner.org/optimize/ 和 x86 标签 wiki 中的其他链接，包括英特尔的优化手册。)

这在Ryzen上也稍微好一点，其中VPOR可以运行在任何P0123上，但是PADD/PMIN只能运行在P013上根据 Agner Fog 的测试。 (Ryzen 将 256b 向量运算拆分为 2 微指令，但它具有有用的吞吐量。它不能仅使用单微指令来填充其 6 微指令宽的管道。)

可以在更多端口上运行的 Uop 不太可能被延迟等待它们分配的端口(资源冲突)，因此您实际上更有可能获得 2 个周期的总延迟(从两个输入都准备好到输出准备就绪)。如果存在对特定端口的竞争(例如端口 5，它在 Intel Haswell 及更高版本上具有唯一的洗牌单元)，它们也不太可能造成吞吐量瓶颈。