x86 - 用AVX指令进行水平向量求和的最快方法

Question

This question already has answers here:

Get sum of values stored in __m256d with SSE/AVX

（2个答案）


去年关闭。





我有四个64位浮点值的压缩向量。
我想得到向量元素的总和。

使用SSE（并使用32位浮点数），我可以执行以下操作：

v_sum = _mm_hadd_ps(v_sum, v_sum);
v_sum = _mm_hadd_ps(v_sum, v_sum);

不幸的是，即使AVX具有_mm256_hadd_pd指令，其结果也与SSE版本不同。我认为，这是由于大多数AVX指令分别针对每个低128位和高128位充当SSE指令，而没有越过128位边界的事实。

理想情况下，我正在寻找的解决方案应遵循以下准则：
1）仅使用AVX / AVX2指令。 （无上证所）
2）按照不超过2-3条说明进行操作。

但是，任何有效/优雅的方法（即使不遵循上述准则）也总是被人们接受。

非常感谢您的帮助。

-路易吉·卡斯特利（Luigi Castelli）

最佳答案

如果有两个__m256d向量x1和x2，每个向量都包含要水平求和的四个double，则可以执行以下操作：

__m256d x1, x2;
// calculate 4 two-element horizontal sums:
// lower 64 bits contain x1[0] + x1[1]
// next 64 bits contain x2[0] + x2[1]
// next 64 bits contain x1[2] + x1[3]
// next 64 bits contain x2[2] + x2[3]
__m256d sum = _mm256_hadd_pd(x1, x2);
// extract upper 128 bits of result
__m128d sum_high = _mm256_extractf128_pd(sum1, 1);
// add upper 128 bits of sum to its lower 128 bits
__m128d result = _mm_add_pd(sum_high, _mm256_castpd256_pd128(sum));
// lower 64 bits of result contain the sum of x1[0], x1[1], x1[2], x1[3]
// upper 64 bits of result contain the sum of x2[0], x2[1], x2[2], x2[3]

因此，看起来3条指令可以完成您所需的2个水平和。上面未经测试，但您应该了解这一概念。

关于x86 - 用AVX指令进行水平向量求和的最快方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9775538/

上一篇：r - purrr::map中的第一个波浪号是什么意思

下一篇：sql - 在 where 子句 SQL 中引用计算列

Answer 1

如果有两个__m256d向量x1和x2，每个向量都包含要水平求和的四个double，则可以执行以下操作：

__m256d x1, x2;
// calculate 4 two-element horizontal sums:
// lower 64 bits contain x1[0] + x1[1]
// next 64 bits contain x2[0] + x2[1]
// next 64 bits contain x1[2] + x1[3]
// next 64 bits contain x2[2] + x2[3]
__m256d sum = _mm256_hadd_pd(x1, x2);
// extract upper 128 bits of result
__m128d sum_high = _mm256_extractf128_pd(sum1, 1);
// add upper 128 bits of sum to its lower 128 bits
__m128d result = _mm_add_pd(sum_high, _mm256_castpd256_pd128(sum));
// lower 64 bits of result contain the sum of x1[0], x1[1], x1[2], x1[3]
// upper 64 bits of result contain the sum of x2[0], x2[1], x2[2], x2[3]

因此，看起来3条指令可以完成您所需的2个水平和。上面未经测试，但您应该了解这一概念。