메모리에서 8개의 문자를 압축된 단일 정밀도 부동 소수점으로 __m256 변수에 로드

가우시안 블러에 대한 알고리즘을 최적화하려는 노력의 일환으로 부동 버퍼의 사용을 __m256 내장 변수로 대체하려고 합니다. 이 질문은 이 작업에 대한 최적의 지침을 결정하는 것을 목표로 합니다.

AVX2 아키텍처에 대한 지침:

• PMOVZX를 활용하여 문자를 32비트로 0 확장 256b 레지스터의 정수.
• 다음을 사용하여 부동 소수점으로 변환합니다. VCVTDQ2PS.

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

추가 전략:

• 128비트 브로드캐스트 로드를 사용하여 vpmovzxbd ymm,xmm 및 vpshufb ymm(_mm256_shuffle_epi8)을 피드하는 것을 고려하십시오. 높은 64비트. 이 접근 방식은 uop 수를 줄이고 Ryzen CPU에 도움이 될 수 있습니다.
• 셔플링이 이미 제한 사항일 때 병목 현상이 발생할 수 있으므로 추가 셔플 명령을 사용하지 마십시오.

AVX1 아키텍처에 대한 지침:

• 다음을 수행합니다. 단계:

  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

내장 고려 사항:

• GCC 및 MSVC에서는 내장 함수를 사용할 때 최적의 코드 생성을 보장하기 위해 특별한 처리가 필요할 수 있습니다. VPMOVZXBD ymm,[mem].
• _mm_loadl_epi64 내장 함수 사용을 고려하세요. 대신 GCC 버전 9 이상에서 GCC를 사용하여 -O3에서 최적의 asm을 위해 메모리 피연산자로 접을 수 있습니다.
• AVX1 전용 최적화의 경우 내장 버전을 작성하는 것은 재미없는 연습입니다.