SSE乘法16 x uint8_t

Question

我想乘以SSE4一個__m128i對象與16位無符號8位整數，但我只能找到一個內在乘法16位整數。有沒有什麼比如_mm_mult_epi8？

Answer 1

MMX/SSE/AVX中沒有8位乘法。但是，您可以模擬使用16位乘法8位乘法內在如下：

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

唯一的8位SSE乘法指令是PMADDUBSW（SSSE3及更高版本，C/C++內部函數：_mm_maddubs_epi16）。這將16 x 8位無符號值乘以16 x 8位帶符號的值，然後求和相鄰對以給出8 x 16位帶符號結果。如果你不能使用這個相當專業的指令，那麼你需要解壓縮成16位向量對，並使用常規的16位乘法指令。顯然這意味着至少有2倍的吞吐量，所以如果可能的話使用8位乘法。

Answer 3

一個基於Agner Fog's solution不是薩芬的解決方案（可能）更快捷的方式：

而不是分裂高/低，分裂奇偶。這有一個額外的好處，它可以在純SSE2中工作，而不需要SSE4.1（對於OP來說沒有用處，但是對於一些用戶來說是一個不錯的附加獎勵）。如果您有AVX2，我還添加了一項優化。從技術上講，AVX2優化僅適用於SSE2內在函數，但比左右移位要慢。

__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使用blendv_epi8固有的SSE4.1支持。

編輯：

有趣的是，做更多的工作分解（具有優化的版本）後，至少我的兩個實現被編譯到完全一樣的東西。以「ivy-bridge」（AVX）爲目標的示例反彙編。

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 

它使用預編譯的128位xmm常數的「AVX2優化」版本。僅編譯SSE2支持會產生類似的結果（儘管使用SSE2指令）。我懷疑Agner Fog的原始解決方案可能會得到相同的優化（如果沒有的話，會很瘋狂）。不知道Marat的原始解決方案是如何在優化構建中進行比較的，儘管對於所有x86 simd擴展包含比SSE2更新並且包含SSE2的方法，這是相當不錯的。