时间戳

首页 > 解决方案 > X86：如何将xmm0的下半部分设置为0，而不影响上半部分？

assembly - X86：如何将xmm0的下半部分设置为0，而不影响上半部分？

问题描述

我使用 xmm0 具有 128 位的系统。我想将 [63...0] 设置为零，而不影响 [127...64]。我用：

MOV RAX, 0xFFFFFFFFFFFFFFFF
MOVQ xmm2, RAX
PSHUFD xmm2, xmm2, 0b00001111
PAND xmm1, xmm2

有更快的方法吗？

标签： assemblyx86ssesimdmicro-optimization

解决方案

您可以通过以下方式更有效地创建常量

pcmpeqd xmm2,xmm2       ; xmm2 = all-ones.  Needs any ALU port
pslldq  xmm2, 8         ; left shift by 8 bytes.  Needs the shuffle port

PAND    xmm1, xmm2

（另请参阅Agner Fog 的优化指南；他有一个关于动态创建常量的部分。还有什么是动态生成向量常量的最佳指令序列？）

或者正如@RossRidge 所建议的那样，如果您经常需要它以在缓存中保持热状态，但不能将其从循环中取出并将其保存在寄存器中，那么使用常量的内存源操作数可能是最有效的。

或者混入一个新的低 8 字节的零。

pxor   xmm2, xmm2       ; xmm2=0; very efficient on Intel CPUs; no back-end uop

movsd  xmm1, xmm2       ; runs on port5 only on Intel CPUs, like shuffles.

（作为来自内存的负载，movsd零扩展。但是对于 reg-reg 移动它并movss保持目标上部不变。）

其他混合方式更有效，但需要的不仅仅是 SSE2：

  • SSE4.1：pblendw xmm1, xmm2, 0b00001111- 一切都更糟（或速度相等但代码大小更差）。仍然只在 Intel 的 port5 上运行。Ryzenmovsd xmm,xmm在比pblendw. 低功耗 Atom/Silvermont 在比 pblendw 更多的端口上运行 movsd，但 Goldmont 和 KNL 对此和 movsd 有 2 个/时钟的吞吐量。所以它仍然永远不会比 movsd 更好。
  • SSE4.1blendpd xmm1, xmm2, 0b01（或blendps） - 与 vpblendd 一样高效，但如果在整数指令之间使用会产生绕过转发延迟。如果您在吞吐量方面遇到瓶颈，这可能没问题，尤其是在您必须避免后端压力的情况下。
  • AVX2：vpblendd xmm1, xmm1, xmm2, 0b0011- 在任何 AVX2 CPU 的任何 ALU 端口上运行。

一些 CPU 也可能在整数指令之间有一个旁路延迟movsd，但 Sandybridge 系列对 shuffle 非常宽容。

与某些 CPU一样高效movsd，只需要 SSE1：

  • movhlps xmm1, xmm2 - 将 xmm1 的低 qword 替换为 xmm2 的高 qword（也为零）。在 Ryzen 或 Silvermont 上效率较低。

同样，shufpd可以shufps将 的上半部分复制xmm1到零寄存器的上半部分。（如果您不想破坏原始注册，则很有用）。movsd但是您可以轻松高效地做到这一点。

也可能：movlps xmm, [mem]加载零，可能是您刚刚存储到堆栈中。它不允许注册源操作数，并且需要 Intel 上的 port5 uop（shuffle / uncommon blend）。它可以微融合到一个融合域 uop 中，但它比pand内存源更糟糕，因为它可以在更少的端口上运行。

推荐阅读