- 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?
我需要从每 24 位输入中解压缩两个 16 位值。 (3 字节 -> 4 字节)。我已经用天真的方法做到了,但我对性能不满意。
例如InBuffer是__m128i
:
value1 = (uint16_t)InBuffer[0:11] // bit-ranges
value2 = (uint16_t)InBuffer[12:24]
value3 = (uint16_t)InBuffer[25:36]
value4 = (uint16_t)InBuffer[37:48]
... for all the 128 bits.
解包后,值应该存储在__m256i变量中。
如何使用 AVX2 解决这个问题?可能使用 unpack/shuffle/permute 内在函数?
最佳答案
我假设您在一个大数组的循环中执行此操作。如果您只使用 __m128i
加载,您将有 15 个有用的字节,这只会在您的 __m256i
输出中产生 20 个输出字节。 (好吧,我猜输出的第 21 个字节会出现,作为输入 vector 的第 16 个字节,新位域的前 8 个字节。但是你的下一个 vector 需要以不同的方式洗牌。)
最好使用 24 字节的输入,产生 32 字节的输出。理想情况下,负载会在中间拆分,因此低 12 字节位于低 128 位“ channel ”中,避免需要像 _mm256_permutexvar_epi32
这样的 channel 交叉洗牌。相反,您可以只_mm256_shuffle_epi8
将字节放在您想要的位置,设置一些移位/和。
// uses 24 bytes starting at p by doing a 32-byte load from p-4.
// Don't use this for the first vector of a page-aligned array, or the last
inline
__m256i unpack12to16(const char *p)
{
__m256i v = _mm256_loadu_si256( (const __m256i*)(p-4) );
// v= [ x H G F E | D C B A x ] where each letter is a 3-byte pair of two 12-bit fields, and x is 4 bytes of garbage we load but ignore
const __m256i bytegrouping =
_mm256_setr_epi8(4,5, 5,6, 7,8, 8,9, 10,11, 11,12, 13,14, 14,15, // low half uses last 12B
0,1, 1,2, 3,4, 4,5, 6, 7, 7, 8, 9,10, 10,11); // high half uses first 12B
v = _mm256_shuffle_epi8(v, bytegrouping);
// each 16-bit chunk has the bits it needs, but not in the right position
// in each chunk of 8 nibbles (4 bytes): [ f e d c | d c b a ]
__m256i hi = _mm256_srli_epi16(v, 4); // [ 0 f e d | xxxx ]
__m256i lo = _mm256_and_si256(v, _mm256_set1_epi32(0x00000FFF)); // [ 0000 | 0 c b a ]
return _mm256_blend_epi16(lo, hi, 0b10101010);
// nibbles in each pair of epi16: [ 0 f e d | 0 c b a ]
}
// Untested: I *think* I got my shuffle and blend controls right, but didn't check.
它使用 clang -O3 -march=znver2
像这样编译 (Godbolt)。当然,内联版本会在循环外加载 vector 常量一次。
unpack12to16(char const*): # @unpack12to16(char const*)
vmovdqu ymm0, ymmword ptr [rdi - 4]
vpshufb ymm0, ymm0, ymmword ptr [rip + .LCPI0_0] # ymm0 = ymm0[4,5,5,6,7,8,8,9,10,11,11,12,13,14,14,15,16,17,17,18,19,20,20,21,22,23,23,24,25,26,26,27]
vpsrlw ymm1, ymm0, 4
vpand ymm0, ymm0, ymmword ptr [rip + .LCPI0_1]
vpblendw ymm0, ymm0, ymm1, 170 # ymm0 = ymm0[0],ymm1[1],ymm0[2],ymm1[3],ymm0[4],ymm1[5],ymm0[6],ymm1[7],ymm0[8],ymm1[9],ymm0[10],ymm1[11],ymm0[12],ymm1[13],ymm0[14],ymm1[15]
ret
在英特尔 CPU 上(在 Ice Lake 之前)vpblendw
仅在端口 5 (https://uops.info/) 上运行,与 vpshufb
竞争(...shuffle_epi8
)。但它是具有直接控制的单个 uop(与 vpblendvb
可变混合不同)。尽管如此,这仍然意味着在英特尔上每 2 个周期最多一个 vector 的后端 ALU 瓶颈。如果你的 src 和 dst 在 L2 缓存中很热(或者可能只有 L1d),那可能是 瓶颈,但这对于前端来说已经是 5 微指令了,所以有了循环开销和存储你我们已经接近前端瓶颈。
与另一个 vpand
/vpor
混合会花费更多的前端 uops,但会减轻 Intel 的后端瓶颈(在 Ice Lake 之前)。在 AMD 上会更糟,其中 vpblendw
可以在 4 个 FP 执行端口中的任何一个上运行,而在 Ice Lake 上更糟,其中 vpblendw
可以在 p1 或 p5 上运行。就像我说的,缓存加载/存储吞吐量可能是比端口 5 更大的瓶颈,因此更少的前端微指令肯定更好地让无序执行看得更远。
这可能不是最优的;也许有一些方法可以通过将偶数(低)和奇数(高)位字段更便宜地放入两个单独输入 vector 的底部 8 字节来设置 vpunpcklwd
?或者进行设置以便我们可以与 OR 混合,而不是需要使用仅在 Skylake 上的端口 5 上运行的 vpblendw
清除一个输入中的垃圾?
或者我们可以用 vpsrlvd
做什么? (但不是 vpsrlvw
- 这需要 AVX-512)。
如果您有 AVX512VBMI,vpmultishiftqb
is a parallel bitfield-extract .您只需要将正确的 3 字节对洗牌到正确的 64 位 SIMD 元素中,然后一个 _mm256_multishift_epi64_epi8
将好的位放在您想要的位置,以及一个 _mm256_and_si256
将每个 16 位字段的高 4 位归零即可。 (不能用 0 掩码处理所有事情,或者将一些零混入多级输入的输入中,因为低 12 位字段不会有任何连续。)或者你可以只设置一个 srli_epi16
同时适用于低和高,而不是需要一个 AND 常量,方法是让 multishift 位域提取将两个输出字段与 16 位元素顶部所需的位对齐。
虽然 vpermb
在 AVX512VBMI 的 CPU 上实际上很快,但不幸的是 Ice Lake 的 vpermw
比 慢vpermb
.
使用 AVX-512 而不是 AVX512VBMI,在 256 位 block 中工作可以让我们做与 AVX2 相同的事情,但避免了混合。相反,使用合并掩码进行右移,或使用带有控制 vector 的 vpsrlvw
仅移动奇数元素。对于 256 位 vector ,这可能与 vpmultishiftqb
一样好。
关于c - SIMD 将 12 位字段解包为 16 位,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66347928/
#include using namespace std; class C{ private: int value; public: C(){ value = 0;
这个问题已经有答案了: What is the difference between char a[] = ?string?; and char *p = ?string?;? (8 个回答) 已关闭
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 7 年前。 此帖子已于 8 个月
除了调试之外,是否有任何针对 c、c++ 或 c# 的测试工具,其工作原理类似于将独立函数复制粘贴到某个文本框,然后在其他文本框中输入参数? 最佳答案 也许您会考虑单元测试。我推荐你谷歌测试和谷歌模拟
我想在第二台显示器中移动一个窗口 (HWND)。问题是我尝试了很多方法,例如将分辨率加倍或输入负值,但它永远无法将窗口放在我的第二台显示器上。 关于如何在 C/C++/c# 中执行此操作的任何线索 最
我正在寻找 C/C++/C## 中不同类型 DES 的现有实现。我的运行平台是Windows XP/Vista/7。 我正在尝试编写一个 C# 程序,它将使用 DES 算法进行加密和解密。我需要一些实
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
有没有办法强制将另一个 窗口置于顶部? 不是应用程序的窗口,而是另一个已经在系统上运行的窗口。 (Windows, C/C++/C#) 最佳答案 SetWindowPos(that_window_ha
假设您可以在 C/C++ 或 Csharp 之间做出选择,并且您打算在 Windows 和 Linux 服务器上运行同一服务器的多个实例,那么构建套接字服务器应用程序的最明智选择是什么? 最佳答案 如
你们能告诉我它们之间的区别吗? 顺便问一下,有什么叫C++库或C库的吗? 最佳答案 C++ 标准库 和 C 标准库 是 C++ 和 C 标准定义的库,提供给 C++ 和 C 程序使用。那是那些词的共同
下面的测试代码,我将输出信息放在注释中。我使用的是 gcc 4.8.5 和 Centos 7.2。 #include #include class C { public:
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我的客户将使用名为 annoucement 的结构/类与客户通信。我想我会用 C++ 编写服务器。会有很多不同的类继承annoucement。我的问题是通过网络将这些类发送给客户端 我想也许我应该使用
我在 C# 中有以下函数: public Matrix ConcatDescriptors(IList> descriptors) { int cols = descriptors[0].Co
我有一个项目要编写一个函数来对某些数据执行某些操作。我可以用 C/C++ 编写代码,但我不想与雇主共享该函数的代码。相反,我只想让他有权在他自己的代码中调用该函数。是否可以?我想到了这两种方法 - 在
我使用的是编写糟糕的第 3 方 (C/C++) Api。我从托管代码(C++/CLI)中使用它。有时会出现“访问冲突错误”。这使整个应用程序崩溃。我知道我无法处理这些错误[如果指针访问非法内存位置等,
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的,因为
我有一些 C 代码,将使用 P/Invoke 从 C# 调用。我正在尝试为这个 C 函数定义一个 C# 等效项。 SomeData* DoSomething(); struct SomeData {
这个问题已经有答案了: Why are these constructs using pre and post-increment undefined behavior? (14 个回答) 已关闭 6
我是一名优秀的程序员,十分优秀!