x86最大/最小asm指令？

Question

是否有任何可以加速Core i7架構上雙/整數矢量最小/最大值計算的asm指令？

更新：

我沒想到會這麼豐富的解答，謝謝。 所以我看到最大/最小值可能沒有分支。 我有子問題：

有沒有一種有效的方法來獲得最大的雙數的索引？

Answer 1

對於32位有符號/無符號整數，SSE4具有PMAXSD或PMAXUD，這可能很有用。

SSE2具有MAXPD和MAXSD其中比較和跨地區對雙打的，所以你按照N/2-1 MAXPDs一個MAXSD得到n的向量的最大值，與負載和操作的通常交錯。

有以上MIN等值。

對於雙的情況下，你可能不會做的更好彙編比SSE模式半像樣的C++編譯器：

peregrino:$ g++ -O3 src/min_max.cpp -o bin/min_max 
peregrino:$ g++ -O3 -msse4 -mfpmath=sse src/min_max.cpp -o bin/min_max_sse 
peregrino:$ time bin/min_max 
0,40 

real 0m0.874s 
user 0m0.796s 
sys 0m0.004s 
peregrino:$ time bin/min_max_sse 
0,40 

real 0m0.457s 
user 0m0.404s 
sys 0m0.000s 

其中min_max計算的500個雙打陣列的最小值和最大值用天真的循環10萬次：

bool min_max (double array[], size_t len, double& min, double& max) 
{ 
    double min_value = array [ 0 ]; 
    double max_value = array [ 0 ]; 

    for (size_t index = 1; index < len; ++index) { 
     if (array [ index ] < min_value) min_value = array [ index ]; 
     if (array [ index ] > max_value) max_value = array [ index ]; 
    } 

    min = min_value; 
    max = max_value; 
} 

---

針對兩部分，傳統的優化刪除從最大操作分支是比較值，獲得標誌作爲一個唱（比如給出0或1），減去1（給出0或0xffff_ffff），'和'與兩個可能結果的異或，所以你得到相當於(a > best ? (current_index^best_index) : 0)^best_index)。我懷疑有一種簡單的SSE方式來做到這一點，只是因爲SSE傾向於使用壓縮值而不是標記值;有一些水平索引操作，所以你可以嘗試找到最大值，然後從原始向量中的所有元素中減去該值，然後收集符號位，並且簽名的零將對應於最大值的索引，但這可能會除非您使用短褲或字節，否則不會有所改進。

Answer 2

來自SSE的MAXPS和MINPS都對打包的單精度浮點數進行操作。 PMAXSW，PMINSW，PMAXUB和PMINUB均可對包裝的8位字進行操作，無論是有符號還是無符號。請注意，這些比較兩個輸入SSE寄存器或地址位置元素明智並將結果存儲到一個SSE寄存器或內存位置。

MAXPS和MINPS的SSE2版本應該可以在雙精度浮點上工作。

您使用哪種編譯器和優化標誌？如果您的目標支持它們，gcc 4.0和更高版本應自動矢量化操作，而早期版本可能需要特定的標誌。

Answer 3

，如果您使用的是英特爾的IPP庫，你可以使用矢量statistical functions計算矢量最小/最大（除其他事項外）

Answer 4

在回答你的第二個問題：在大多數平臺上，有一些已經包含優化庫這個操作的實現（以及大多數其他簡單的向量操作）。 使用它們。

• 在OS X上，存在vDSP_maxviD()和cblas_idamax()的Accelerate.framework
• 英特爾編譯器包括IPP和MKL庫，具有高性能的實現，包括cblas_idamax()
• 大多數Linux系統將有cblas_idamax()在BLAS圖書館中，根據其出處可能調整或可能不調整;關心性能的用戶通常會有很好的實現（或者可以被說服去安裝一個）
• 如果一切都失敗了，你可以使用ATLAS（自動調優線性代數軟件）在目標平臺
上獲得不錯的性能實現

Answer 5

對於您的第二個問題，您可能需要考慮收集和存儲這些數據的方式。

您可以將數據存儲在保持數據始終排序的B樹中，只需要進行對數比較操作。

然後你總是知道最大值是多少。

http://en.wikipedia.org/wiki/B_tree

Answer 6

更新：我只是意識到，你說在第2部分「陣列」，而不是「矢量」我會在這裏反正如果離開這非常有用。

---

重新：兩部分：找到最大/最小元件的在SSE矢量的索引：

• 做一個水平最大。對於2個double元素的128b向量，這只是一個shufpd + maxpd將結果廣播到這兩個元素。

  對於其他情況，它當然會採取更多步驟。有關想法，請參閱Fastest way to do horizontal float vector sum on x86，將addps替換爲maxps或minps。 （但請注意，16位整數是特殊的，因爲你可以使用SSE4 phminposuw。對於最大，從255減去）

• 執行矢量原始載體，每一個元素是最大的載體之間的填充比較。

  （pcmpeqq整數位模式或通常cmpeqpd都將爲double情況下工作）。

• int _mm_movemask_pd (__m128d a) (movmskpd)以比較結果作爲整數位圖。
• 位掃描（bsf）它用於（第一次）匹配：index = _bit_scan_forward(cmpmask)。如果使用整數比較，則cmpmask = 0是不可能的（因爲即使它們是NaN，至少一個元素也會匹配）。

這應該編譯成只有6條指令（包括一個movapd）。是的，剛剛檢查the Godbolt compiler explorer，它確實與SSE。

#include <immintrin.h> 
#include <x86intrin.h> 

int maxpos(__m128d v) { 
    __m128d swapped = _mm_shuffle_pd(v,v, 1); 
    __m128d maxbcast = _mm_max_pd(swapped, v); 
    __m128d cmp = _mm_cmpeq_pd(maxbcast, v); 
    int cmpmask = _mm_movemask_pd(cmp); 
    return _bit_scan_forward(cmpmask); 
} 

請注意，_mm_max_pd is not commutative with NaN inputs。如果NaN可能，並且您不關心Intel Nehalem的性能，則可以考慮使用_mm_cmpeq_epi64來比較位模式。儘管如此，從float到vec-int的旁路延遲在Nehalem上是一個問題。

NaN！= NaN在IEEE浮點，因此_mm_cmpeq_pd結果掩碼可能在全NaN情況下全部爲零。

您可以在2元素的情況下始終得到0或1的另一件事是用cmpmask >> 1替換位掃描。 （bsf奇怪，輸入=全零）。