- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
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。
最佳答案
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。
关于sse - AVX2:U8绝对差,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46968847/
我正在尝试优化一些矩阵计算,我想知道是否可以在编译时检测 SSE/SSE2/AVX/AVX2/AVX-512/AVX-128-FMA/KCVI[ 1] 是否由编译器启用?非常适合 GCC 和 Clan
我想仅使用avx而不是avx2来实现64位转置操作。它应该这样做: // in = Hh Hl Lh Ll // | X | // out = Hh Lh Hl Ll 这就是使
如果我有一个 AVX 寄存器,里面有 4 个 double 值,我想将它的反向存储在另一个寄存器中,是否可以用一个内部命令来实现? 例如:如果我在 SSE 寄存器中有 4 个 float ,我可以使用
最初我试图重现 Agner Fog 的微体系结构指南部分“YMM 和 ZMM 向量指令的预热期”中描述的效果,它说: The processor turns off the upper parts o
我的 C++ 代码使用 SSE,现在我想改进它以支持 AVX(当它可用时)。因此,我检测 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 A
我有一大块内存,比如说 256 KiB 或更长。我想计算整个 block 中 1 位的数量,或者换句话说:将所有字节的“总体计数”值相加。 我知道 AVX-512 有一个 VPOPCNTDQ inst
有多快 tensorflow-gpu与没有 AVX 和 AVX2 相比,有 AVX 和 AVX2 吗? 我试图使用谷歌找到答案,但没有成功。很难重新编译tensorflow-gpu对于 Windows
为什么avx sqrt(非压缩)指令有三个操作数? vsqrtsd xmm1, xmm2, xmm3 这是否意味着类似于 xmm1=xmm2=sqrt(xmm3)? 编辑:下面的详细答案但总之流水线的
我正在研究Intel intrinsics guide的展开和压缩操作。我对这两个概念感到困惑: 对于__m128d _mm_mask_expand_pd (__m128d src, __mmask8
我在 Intel Intrinsic Guide v2.7 中找不到它们。您知道 AVX 或 AVX2 指令集是否支持它们吗? 最佳答案 原始 AVX 指令集中没有分散或收集指令。 AVX2 添加了收
我正在尝试将函数转换为 AVX 版本。函数本身基本上只是比较浮点数并返回真/假取决于计算。 这是原始函数: bool testSingle(float* thisFloat, float* other
我遇到了 AVX 内部指令 _mm256_testc_pd() 的一个非常奇怪的行为。在这里你可以看到这个功能的描述 https://software.intel.com/sites/landingp
我有一个 256 位 AVX 寄存器,其中包含 4 个单精度复数,存储为实数、虚数、实数、虚数等。我目前正在将整个 256 位寄存器写回内存并在那里求和,但这似乎效率低下. 如何使用 AVX(或 AV
#include "stdio.h" #include "math.h" #include "stdlib.h" #include "x86intrin.h" void dd_m(double *cl
有没有办法对 AVX 寄存器进行水平异或——特别是对 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 个 64 位组件的异或。它本质上与水平添加( _mm256_
当我尝试使用 AVX 获取数据时,出现运行时错误 - 段错误: int i = 0; const int sz = 9; size_t *src1 = (size_t *)_mm_malloc(sz*
当我尝试使用 AVX 展开最简单的循环时,出现运行时错误 - 段错误: const int sz = 9; float *src = (float *)_mm_malloc(sz*
我想将两个 256 位 vector (__m256d) 合并为一个 256位 vector ,通过省略每个 64 位 double 的上半部分。 所以,如果在下面,a_i, b_i, ... 是 3
我测试了以下简单的功能 void mul(double *a, double *b) { for (int i = 0; i #include #include #include #defi
_mm_i32gather_epi32() 的当前英特尔内在函数指南将每个子词的计算地址描述为: addr := base_addr + SignExtend64(vindex[m+31:m]) *
我是一名优秀的程序员,十分优秀!