Intel SIMD: AVX2

AVX2

资料：

• Intel 内部指令 — AVX和AVX2学习笔记
• Intel Intrinsics — AVX & AVX2 Learning Notes
• Module x86

AVX 向量寄存器有三种：

1. 128-bit (XMM forms)，AVX2 支持，符号 __m128, __m128d, __m128i
2. 256-bit (YMM forms)，AVX2 支持，符号 __m256, __m256d, __m256i
3. 512-bit 的向量寄存器，AVX2 不支持，这需要 AVX-512 架构

YMM 实际上是两个 XMM，在运算时会分成 2 个 128 bits 的区域。YMM 支持 16x16, 8x32, 4x64 的 SIMD，实测 add_epi16 比 a+b 快 20 倍（包括了 for 的花销）。

AVX 的数据类型包括：

1. ps – packed single precision
2. pd – packed double precision
3. epi32 – packed 32-bit integers
4. epu32 – packed 32-bit unsigned integers
5. epi64 – packed 64-bit integers

一些常用指令（有些指令 __m256 不支持但 __m128 支持）：

1. 全局：zeroall（所有的 YMM 置零）, zeroupper（所有的 YMM 高位置零）
2. 加载：load, loadu, i32gather（根据索引加载）, i64gather
3. 存储：store（可以直接用 char* 作为 __m256*）
4. 设置：broadcast（广播）, setzero, set1（复制）, set（反序）, setr（正序）
5. 转换：cast（在 __m128, __m256 之间转换）, cvt（在 ps, epi32 之间转换）
6. 加减：add, sub, hadd（水平）, hsub
7. 乘除：mul, mullo（低位结果）, mulhi（高位结果）, div
8. 混合运算（只有 ps, pd，不支持 epi）：fmadd, fmsub, fnmadd, fnmsub
9. 逻辑运算：cmp, cmpeq, cmpneq, cmpge（大于等于）, cmpgt（严格大于）, cmple, cmplt,
10. 位运算：and, andnot, or, xor, sll（左移）, srl（右移）, slli, srli, sllv, srlv, bslli, bsrli
11. 统计学：max, min, avg, ceil, floor, round, lzcnt
12. 数学：abs, getexp, sqrt, rsqrt, sin, cos
13. 置换：shuffle, permute（根据控制位写入）, insert（根据控制位插入）
14. 另外还有 mask 的版本，但是 AVX2 似乎都不支持？

代码样例

#include <stdio.h>
#include <time.h>#include <xmmintrin.h>  // __m128
#include <immintrin.h>  // __m256
#include <zmmintrin.h>  // __m512time_t TM_start, TM_end;#define Timer(code) TM_start = clock(); code; TM_end = clock(); printf("cpu cycles = %lld\n", TM_end - TM_start); //对code部分计时
#define Loop(loop, code) Timer(for(int ind=0; ind<loop; ind++) {code;})#define pn printf("\n\n")/*全局：zeroall, zeroupper加载：load, loadu, i32gather（根据索引加载）, i64gather存储：store设置：broadcast, setzero, set1（复制）, set（反序）, setr（正序）转换：cast, cvt加减：add, sub, hadd（水平）, hsub乘除：mul, mullo（低位结果）, mulhi（高位结果）, div混合运算：fmadd, fmsub, fnmadd, fnmsub逻辑运算：cmp, cmpeq, cmpneq, cmpge（大于等于）, cmpgt（严格大于）, cmple, cmplt,位运算：and, andnot, or, xor, sll（左移）, srl（右移）, slli, srli, sllv, srlv, bslli, bsrli统计学：max, min, avg, ceil, floor, round, lzcnt数学：abs, getexp, sqrt, rsqrt, sin, cos置换：shuffle, permute（根据控制位写入）, insert（根据控制位插入）
*/void print_m256i_i16(__m256i* arr) {printf("[ %d", arr->m256i_i16[0]);for (int i = 1; i < 16; i++)printf(", %d", arr->m256i_i16[i]);printf(" ]\n\n");
}void print_m256i_i32(__m256i* arr) {printf("[ %d", arr->m256i_i32[0]);for (int i = 1; i < 8; i++)printf(", %d", arr->m256i_i32[i]);printf(" ]\n\n");
}int main()
{// AVX2 不支持 m512；这需要 AVX-512 指令集！/*__m512i a3;a3 = _mm512_set1_epi32(123);print_m256i_i32(&a3);*/int arr1[64], arr2[64];for (int i = 0; i < 64; i++)arr1[i] = i+1;__m256i a, b, c;printf("Test set/load/store: \n\n");a = _mm256_setzero_si256();     // 全零print_m256i_i32(&a);b = _mm256_set1_epi32(123);     // Copyprint_m256i_i32(&b);/*在 m256 中，包含两个 m128。每个 m128 里，i8[15] 在最左边，i8[0] 在最右边。*/a = _mm256_set_epi32(1, 2, 3, 4, 5, 6, 7, 8);   // 反序：L0 赋给 i32[7]，L7 赋给 i32[0]print_m256i_i32(&a);b = _mm256_setr_epi32(1, 2, 3, 4, 5, 6, 7, 8);  // 正序（reverse order）print_m256i_i32(&b);c = _mm256_load_si256(arr1);    // 不必强制类型转换，直接写 32 字节数组即可print_m256i_i32(&c);_mm256_store_si256(arr2, c);    // 同理，直接写 32 字节数组print_m256i_i32(arr2);printf("Test broadcast/cvt/cast: \n\n");__m256 d;float e = 123.5;float f[4] = { 1.e1,1.e2,1.e3,1.e4 };d = _mm256_broadcast_ss(&e);    // m32 的广播a = _mm256_cvtps_epi32(d);      // 类型转换，园整print_m256i_i32(&a);d = _mm256_broadcast_ps(&f);    // m128 的广播a = _mm256_cvtps_epi32(d);      // 类型转换，园整print_m256i_i32(&a);__m128i g;a.m256i_i32[0] = 123;a.m256i_i32[7] = 456;g = _mm256_castsi256_si128(a);  // m256 的前一半写到 m128 上print_m256i_i32(&a);print_m256i_i32(&g);g = *(__m128i*)arr1;    // 强行赋值a = _mm256_castsi128_si256(g);  // m128 写到 m256 的前一半，后一半置零print_m256i_i32(&a);printf("Test gather: \n\n");__m256i index = _mm256_setr_epi32(1, 3, 5, 7, 2, 4, 6, 8);a = _mm256_i32gather_epi32(arr1, index, 4); // index 是按字节寻址的，第三个参数是每个数据项的字节长度（epi32 是 4）print_m256i_i32(&index);print_m256i_i32(arr1);print_m256i_i32(&a);printf("Test shuffle: \n\n");/*按 m128 分区，每个区的4个数置换控制位 IMM8，共4*2比特，最低的2比特控制m128[0]0b10110001：reverse(01,00,11,10)*/b = _mm256_shuffle_epi32(*(__m256i*)arr1, 0b10110001);      // m128 视为 4 个 int 进行置换print_m256i_i32(arr1);print_m256i_i32(&b);b = _mm256_shufflehi_epi16(*(__m256i*)arr1, 0b10110001);    // m128 的高64比特，视为 4 个 short 进行置换print_m256i_i32(arr1);print_m256i_i32(&b);b = _mm256_shufflelo_epi16(*(__m256i*)arr1, 0b10110001);    // m128 的低64比特，视为 4 个 short 进行置换print_m256i_i32(arr1);print_m256i_i32(&b);printf("Test permute: \n\n");b = _mm256_permute4x64_epi64(*(__m256i*)arr1,0b00010001);   // 类似 shuffle 的 IMM8 控制符print_m256i_i32(arr1);print_m256i_i32(&b);index = _mm256_setr_epi32(1, 3, 5, 7, 2, 4, 6, 10);b = _mm256_permutevar8x32_epi32(*(__m256i*)arr1, index);    // 越界的 index，会自动模8（截取了低3比特）print_m256i_i32(&index);print_m256i_i32(arr1);print_m256i_i32(&b);printf("Test insert: \n\n");b = _mm256_insert_epi32(*(__m256i*)arr1, 321, 9);   // 插入一个数据，index 越界则自动模8（截取低3比特）print_m256i_i32(arr1);print_m256i_i32(&b);b = _mm256_insert_epi16(*(__m256i*)arr1, 321, 17);   // 插入一个数据，index 越界则自动模16（截取低4比特）print_m256i_i16(arr1);print_m256i_i16(&b);printf("Test add/sub/mul: \n\n");a = _mm256_setr_epi32(1,2,3,4,5,6,7,8);b = _mm256_setr_epi32(7,6,5,4,3,2,1,0);print_m256i_i32(&a);print_m256i_i32(&b);c = _mm256_add_epi16(a, b);     // 普通的加法，会溢出print_m256i_i32(&c);a = _mm256_set1_epi16(32767);b = _mm256_set1_epi16(32767);c = _mm256_adds_epi16(a, b);    // 范围受限，如果越界那么被限制在最大值上print_m256i_i16(&c);a = _mm256_setr_epi32(1, 2, 3, 4, 5, 6, 7, 8);b = _mm256_setr_epi32(7, 6, 5, 4, 3, 2, 1, 0);c = _mm256_hadd_epi32(a, b);    // 水平加法，连续两个 int 相加。按照 m128，前 2 个是 a 的，后 2 个是 b 的print_m256i_i32(&c);c = _mm256_sub_epi32(a, b);print_m256i_i32(&c);c = _mm256_mul_epi32(a, b);     // 连续的 8 字节，只取出第一个 4 字节的 int，将 long 的乘积结果写在对应的 8 字节里print_m256i_i32(&c);c = _mm256_mulhi_epi16(a, b);   // 截取 16*2 比特结果的高 16 位print_m256i_i32(&c);c = _mm256_mullo_epi16(a, b);   // 截取 16*2 比特结果的低 16 位print_m256i_i32(&c);printf("Test div/rem: \n\n");c = _mm256_div_epi32(b, a);     // 整数除法print_m256i_i32(&c);__m256 rem;c = _mm256_divrem_epi32(&rem, b, a);    // 带余除法print_m256i_i32(&rem);print_m256i_i32(&c);c = _mm256_rem_epi32(b, a);     // 余数，b mod aprint_m256i_i32(&c);printf("Test fmadd/fnmadd: \n\n");__m256 a2 = _mm256_set1_ps(1.5);__m256 b2 = _mm256_set1_ps(1.5);__m256 c2 = _mm256_set1_ps(3);c2 = _mm256_fmadd_ps(a2,b2,c2);   // a*b+c, 只有 ps/pd 有混合运算c = _mm256_cvtps_epi32(c2);print_m256i_i32(&c);c2 = _mm256_fnmadd_ps(a2, b2, c2);   // -a*b+c, 只有 ps/pd 有混合运算c = _mm256_cvtps_epi32(c2);print_m256i_i32(&c);printf("Test and/or/xor: \n\n");print_m256i_i32(&a);print_m256i_i32(&b);c = _mm256_and_epi32(a, b);     // bitwise ANDprint_m256i_i32(&c);c = _mm256_or_epi32(a, b);      // bitwise ORprint_m256i_i32(&c);c = _mm256_xor_epi32(a, b);     // bitwise XORprint_m256i_i32(&c);printf("Test sll/srl: \n\n");a = _mm256_setr_epi32(-1, -2, -3, -4, -5, -6, -7, -8);print_m256i_i32(&a);c = _mm256_slli_epi32(a, 1);    // 每个 int 左移，空位补零print_m256i_i32(&c);c = _mm256_srli_epi32(a, 1);    // 每个 int 右移，空位简单补零（负数也不补1）print_m256i_i32(&c);//c = _mm256_rol_epi32(a, 1);     // 循环左移，AVX2 不支持：非法指令//print_m256i_i32(&c);//c = _mm256_ror_epi32(a, 1);     // 循环右移，AVX2 不支持：非法指令//print_m256i_i32(&c);c = _mm256_slli_si256(a, 1);    // 字节水平的左移（m256i_i8[31]在最左边，m256i_i8[0]在最右边）。按m128，空字节全零print_m256i_i32(&c);c = _mm256_srli_si256(a, 4);    // 字节水平的右移。按m128，空字节全零print_m256i_i32(&c);// 这是啥？怎么结果全是 0 啊？/*__m128i offset = _mm_setr_epi32(1,2,3,4);a = _mm256_setr_epi32(1, 2, 3, 4, 5, 6, 7, 8);c = _mm256_srl_epi32(a, offset);print_m256i_i32(&a);print_m256i_i32(&c);*/// AVX2 不支持，需要 AVX-512//printf("Test mask: \n\n");//print_m256i_i16(arr1);//print_m256i_i16(&a);//print_m256i_i16(&b);//c = _mm256_mask_mullo_epi16(*(__m256i*)arr1, 0b0101010101010101, a, b);   // 根据 mask16 各个比特，选择是否在 source 上写入 a*b 结果//print_m256i_i16(&c);//print_m256i_i32(arr1);//print_m256i_i32(&a);//print_m256i_i32(&b);//c = _mm256_mask_mullo_epi32(*(__m256i*)arr1, 0b01010101, a, b);   // 根据 mask6 各个比特，选择是否在 source 上写入 a*b 结果//print_m256i_i32(&c);printf("Test cmp: \n\n");a = _mm256_setr_epi32(1, 2, 3, 4, 5, 6, 7, 8);b = _mm256_setr_epi32(7, 6, 5, 4, 3, 2, 1, 0);print_m256i_i32(&a);print_m256i_i32(&b);c = _mm256_cmpeq_epi32(a, b);   // 满足条件，全1（-1）；不满足条件，全0（0）print_m256i_i32(&c);c = _mm256_cmpgt_epi32(a, b);   // 满足条件，全1（-1）；不满足条件，全0（0）print_m256i_i32(&c);// AVX2 不支持/*__m128i a3 = _mm256_castsi256_si128(a);__m128i b3 = _mm256_castsi256_si128(b);int mask = _mm_cmpge_epi32_mask(a3, b3);*/return 0;
}