Laden von 8 Zeichen aus dem Speicher in eine __m256-Variable als gepackte Gleitkommazahlen mit einfacher Präzision

In dem Bemühen, einen Algorithmus für die Gaußsche Unschärfe zu optimieren, haben Sie Versuchen Sie, die Verwendung eines Float-Puffers durch eine intrinsische Variable __m256 zu ersetzen. Ziel dieser Frage ist es, die optimalen Anweisungen für diese Aufgabe zu ermitteln.

Anleitung für die AVX2-Architektur:

• Verwenden Sie PMOVZX, um Ihre Zeichen auf 32-Bit zu erweitern Ganzzahlen in einem 256b-Register.
• In-Place mit VCVTDQ2PS in Float konvertieren.

; rsi = new_image
VPMOVZXBD   ymm0,  [rsi]   ; or SX to sign-extend  (Byte to DWord)
VCVTDQ2PS   ymm0, ymm0     ; convert to packed foat

Zusätzliche Strategien:

• Erwägen Sie die Verwendung einer 128-Bit-Broadcast-Last, um vpmovzxbd ymm, xmm und vpshufb ymm (_mm256_shuffle_epi8) für die zu füttern hohe 64 Bit. Dieser Ansatz reduziert die UOP-Anzahl und kann auf Ryzen-CPUs von Vorteil sein.
• Vermeiden Sie die Verwendung zusätzlicher Shuffle-Anweisungen, da diese zu einem Engpass werden können, wenn das Shuffling bereits eine Einschränkung darstellt.

Anweisungen für die AVX1-Architektur:

• Führen Sie die folgenden Schritte aus:

  VPMOVZXBD   xmm0,  [rsi]
  VPMOVZXBD   xmm1,  [rsi 4]
  VINSERTF128 ymm0, ymm0, xmm1, 1   ; put the 2nd load of data into the high128 of ymm0
  VCVTDQ2PS   ymm0, ymm0     ; convert to packed float

Intrinsics-Überlegungen:

• GCC und MSVC erfordern möglicherweise eine spezielle Handhabung, um eine optimale Codegenerierung sicherzustellen, wenn Intrinsics verwendet werden VPMOVZXBD ymm,[mem].
• Erwägen Sie stattdessen die Verwendung des _mm_loadl_epi64-Intrinsic, das in den Speicheroperanden für optimales ASM bei -O3 mit GCC auf GCC-Versionen 9 und höher gefaltet werden kann.
• Für Bei der reinen AVX1-Optimierung ist das Schreiben der intrinsischen Version eine wenig unterhaltsame Übung.