एसएसई गुणा 16 x uint8_t

Question

मैं एसएसई 4 के साथ __m128i ऑब्जेक्ट के साथ 16 हस्ताक्षरित 8 बिट पूर्णांक के साथ गुणा करना चाहता हूं, लेकिन मुझे केवल 16 बिट पूर्णांक गुणा करने के लिए एक आंतरिक मिल सकता है। क्या _mm_mult_epi8 जैसे कुछ भी नहीं है?

Answer 1

एमएमएक्स/एसएसई/एवीएक्स में कोई 8-बिट गुणा नहीं है।

inline __m128i _mm_mullo_epi8(__m128i a, __m128i b) 
{ 
    __m128i zero = _mm_setzero_si128(); 
    __m128i Alo = _mm_cvtepu8_epi16(a); 
    __m128i Ahi = _mm_unpackhi_epi8(a, zero); 
    __m128i Blo = _mm_cvtepu8_epi16(b); 
    __m128i Bhi = _mm_unpackhi_epi8(b, zero); 
    __m128i Clo = _mm_mullo_epi16(Alo, Blo); 
    __m128i Chi = _mm_mullo_epi16(Ahi, Bhi); 
    __m128i maskLo = _mm_set_epi8(0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 14, 12, 10, 8, 6, 4, 2, 0); 
    __m128i maskHi = _mm_set_epi8(14, 12, 10, 8, 6, 4, 2, 0, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80, 0x80); 
    __m128i C = _mm_or_si128(_mm_shuffle_epi8(Clo, maskLo), _mm_shuffle_epi8(Chi, maskHi)); 

    return C; 
} 

Answer 2

केवल 8 बिट एसएसई गुणा निर्देश PMADDUBSW (एसएसएसई 3 और बाद में, सी/सी ++ आंतरिक: _mm_maddubs_epi16) है। यह 16 x 8 बिट अनुक्रमित मान 16 x 8 बिट द्वारा मानों पर हस्ताक्षर किए और फिर 8 x 16 बिट हस्ताक्षरित परिणाम देने के लिए आसन्न जोड़े को रकम करता है। यदि आप इस विशेष निर्देश का उपयोग नहीं कर सकते हैं तो आपको 16 बिट वैक्टर के जोड़े को अनपैक करना होगा और नियमित 16 बिट गुणा निर्देशों का उपयोग करना होगा। जाहिर है, यह कम से कम 2x थ्रूपुट हिट का तात्पर्य है, इसलिए यदि संभवतः आप कर सकते हैं तो 8 बिट गुणा करें।

Answer 3

एक मरात के समाधान की तुलना में (संभावित) तेजी से रास्ते पर Agner Fog's solution आधारित:

के बजाय बंटवारे हाय/कम, विभाजन हालांकि, अगर आप 8 बिट गुणा आंतरिक 16-बिट गुणन का उपयोग इस प्रकार का अनुकरण कर सकते हैं विषम सम। इसमें अतिरिक्त लाभ है कि यह एसएसई 4.1 की आवश्यकता के बजाय शुद्ध एसएसई 2 के साथ काम करता है (ओपी के लिए कोई उपयोग नहीं है, लेकिन कुछ के लिए एक अच्छा जोड़ा बोनस)। यदि आपके पास AVX2 है तो मैंने एक अनुकूलन भी जोड़ा। तकनीकी रूप से AVX2 ऑप्टिमाइज़ेशन केवल एसएसई 2 इंट्रिनिक्स के साथ काम करता है, लेकिन यह सही समाधान के बाद शिफ्ट की तुलना में धीमा है।

__m128i mullo_epi8(__m128i a, __m128i b) 
{ 
    // unpack and multiply 
    __m128i dst_even = _mm_mullo_epi16(a, b); 
    __m128i dst_odd = _mm_mullo_epi16(_mm_srli_epi16(a, 8),_mm_srli_epi16(b, 8)); 
    // repack 
#ifdef __AVX2__ 
    // only faster if have access to VPBROADCASTW 
    return _mm_or_si128(_mm_slli_epi16(dst_odd, 8), _mm_and_si128(dst_even, _mm_set1_epi16(0xFF))); 
#else 
    return _mm_or_si128(_mm_slli_epi16(dst_odd, 8), _mm_srli_epi16(_mm_slli_epi16(dst_even,8), 8)); 
#endif 
} 

Agner blendv_epi8 SSE4.1 समर्थन के साथ आंतरिक उपयोग करता है।

संपादित करें:

दिलचस्प है, (के साथ अनुकूलित बनाता है), और अधिक disassembly के काम करने के बाद कम से कम मेरे दो कार्यान्वयन बिल्कुल वही बात करने के लिए संकलित मिलता है। "Ivy-bridge" (AVX) को लक्षित करने वाले उदाहरण disassembly।

vpmullw xmm2,xmm0,xmm1 
vpsrlw xmm0,xmm0,0x8 
vpsrlw xmm1,xmm1,0x8 
vpmullw xmm0,xmm0,xmm1 
vpsllw xmm0,xmm0,0x8 
vpand xmm1,xmm2,XMMWORD PTR [rip+0x281] 
vpor xmm0,xmm0,xmm1 

यह पूर्व-संकलित 128-बिट xmm स्थिरता के साथ "AVX2- अनुकूलित" संस्करण का उपयोग करता है। केवल एसएसई 2 समर्थन के साथ संकलन एक समान परिणाम उत्पन्न करता है (हालांकि एसएसई 2 निर्देशों का उपयोग)। मुझे संदेह है कि एग्नेर फोग का मूल समाधान एक ही चीज़ के लिए अनुकूलित हो सकता है (अगर यह नहीं होता तो पागल हो जाएगा)। कोई विचार नहीं कि मारत का मूल समाधान एक अनुकूलित निर्माण में कैसे तुलना करता है, हालांकि मेरे पास एसएसई 2 के मुकाबले नए और सभी x86 सिम एक्सटेंशन के लिए एक ही विधि है, यह काफी अच्छा है।