Howto vblend 32位整数？ 或者：为什么没有_mm256_blendv_epi32？
我正在使用AVX2 x86 256位SIMD扩展。 我想做一个32位整数组件if-then-else指令。 在英特尔文档中，这样的指令称为vblend。
Intel内部指南包含函数_mm256_blendv_epi8。 这个function几乎可以满足我的需求。 唯一的问题是它适用于8位整数。 遗憾的是，文档中没有_mm256_blendv_epi32。 我的第一个问题是：为什么这个function不存在？ 我的第二个问题是：如何模仿它？
经过一番搜索后，我找到了_mm256_blendv_ps，这就是我想要的32位浮点数。 此外，我发现了转换函数_mm256_castsi256_ps和_mm256_castps_si256，它们从整数转换为32位浮点数并返回。 把这些放在一起给出：
inline __m256i _mm256_blendv_epi32 (__m256i a, __m256i b, __m256i mask){ return _mm256_castps_si256( _mm256_blendv_ps( _mm256_castsi256_ps(a), _mm256_castsi256_ps(b), _mm256_castsi256_ps(mask) ) ); } 虽然这看起来像5个函数，但其中4个只是美化的强制转换，而另一个直接映射到处理器指令。 因此，整个function归结为一个处理器指令。
因此，真正令人尴尬的部分是似乎有一个32位的blendv，除了缺少相应的内在函数。
是否有一些边境案例，这将失败？ 例如，当整数位模式恰好代表浮点NAN时会发生什么？ blendv会忽略这个还是会引发一些信号？
万一这是有效的：我是否正确，有一个8位，一个32位和一个64位的blendv但是缺少一个16位的blendv？
我的代码依赖于blendv只检查最高位。
你有两个不错的选择：
-
使用算术右移31来广播每个元素中的高位，以设置VPBLENDVB（
_mm256_blendv_epi8） 。 即VPSRAD：mask=_mm256_srai_epi32(mask, 31)。对于port0，英特尔Haswell的VPSRAD为1-uop。 （Skylake的吞吐量更高：p01）。 如果你的算法在端口0上遇到瓶颈（例如整数乘法和移位），那就不太好了。
-
使用VBLENDVPS 。 你是正确的，所有的演员表只是为了让编译器满意，VBLENDVPS将在一条指令中完全按照你的意愿行事。
但是，当将整数结果转发到FP混合单元时，Intel SnB系列CPU的旁路延迟延迟为1个周期，而将混合结果转发给其他整数指令时则具有另外1c延迟。
有关旁路延迟延迟的更多信息，请参阅Agner Fog的微操指南 。 这就是他们不为FP指令制作__m256i内在函数的原因，反之亦然。 请注意，由于Sandybridge，FP shuffle 没有额外的延迟来转发/转发到PADDD之类的指令。 因此，如果PUNPCK *或PALIGNR没有完全符合您的要求，SHUFPS是组合来自两个整数向量的数据的好方法。 （关于整数的SHUFPS甚至在Nehalem也是值得的，它在两个方面都有2c的惩罚）。
尝试两种方式和基准 。 无论哪种方式都可以更好，取决于周围的代码。
与uop吞吐量/指令计数相比，延迟可能无关紧要。 另请注意，如果您只是将结果存储到内存中，则存储指令不关心数据来自哪个域。
但是，如果您将此作为长依赖链的一部分使用，则可能值得额外的指令来避免混合数据的额外2个周期的延迟。
请注意，如果掩码生成位于关键路径上，那么VPSRAD的1周期延迟等于旁路延迟延迟，因此使用FP混合只是掩码 – >结果链的1个额外延迟周期，而2数据 – >结果链的额外周期。
例如，当整数位模式恰好代表浮点NAN时会发生什么？
BLENDVPS不关心。 英特尔的insn参考手册完整记录了指令可以/不能执行的所有操作 ，而SIMD浮点exception ：无意味着这不是问题。 另请参阅x86标记wiki以获取文档链接。
FP blend / shuffle / bitwise-boolean / load / store指令不关心NaN。 只有执行实际FP数学运算的指令（包括CMPPS，MINPS和类似的东西）才会引发FPexception，或者可能会因非正规性而减速。
我是否正确，有一个8位，一个32位和一个64位的blendv但是缺少一个16位的blendv？
是。 但是有32位和16位算术移位，因此使用8位粒度混合最多需要一条额外的指令。 （没有PSRAQ，因此64位整数的混合通常最好使用BLENDVPD，除非掩模生成偏离关键路径和/或相同的掩码将在关键路径上重复使用多次。）
最常见的用例是比较掩码，其中每个元素都是全1或全0，因此您可以与PAND / PANDN => POR混合。 当然，巧妙的技巧只会使掩码的符号位与真值保留，可以节省指令和延迟，特别是因为变量混合比三个布尔按位指令快一些。 （例如，ORPS两个浮点向量，看看它们是否都是非负的，而不是2x CMPPS和ORing掩码。如果你不关心负零，这可以很好用）。