どの SSE/AVX 命令がレーンを次のようにシャッフルしa
ますb
かc
?
float4 a = {data[0], data[1], data[2], data[3]};
float4 b = {data[1], data[2], data[3], data[0]}; // lanes shifted left
float4 c = {data[3], data[0], data[1], data[2]}; // lanes shifted right
float8 a = {data[0], data[1], data[2], data[3],
data[4], data[5], data[6], data[7]};
float8 b = {data[1], data[2], data[3], data[4],
data[5], data[6], data[7], data[0]}; // lanes shifted left
float8 c = {data[7], data[0], data[1], data[2],
data[3], data[4], data[5], data[6]}; // lanes shifted right
バックグラウンド:
隣接ポイントからの値を必要とするアルゴリズムがあります。これは、現在、整列されたロードと整列されていないロードを混在させていることを意味します。
(
plate[row + 1][column] // aligned
+ plate[row - 1][column] // aligned
+ plate[row][column + 1] // unaligned
+ plate[row][column - 1] // unaligned
+ (4 * plate[row][column]) // aligned
) / 8;
ここにSSEがあります:
__m128 bottom = _mm_load_ps(&from[row-1][column]);
__m128 left = _mm_loadu_ps(&from[row][column-1]);
__m128 middle = _mm_load_ps(&from[row][column]);
__m128 right = _mm_loadu_ps(&from[row][column+1]);
__m128 top = _mm_load_ps&from[row+1][column]);
(top + bottom + left + right + _mm_set1_ps(4.0f) * middle) * _mm_set1_ps(0.125f);
current と left または right の値が 1 つの値だけ異なることに気付きました。そこで、アラインされていない 2 つのロードを行う代わりに、レーンをシャッフルしてから、異なる 1 つの値を挿入できるのではないかと考えました。命令のレイテンシ/スループットをチェックして、速度が向上するかどうかを確認する必要がありますが、これらの種類の SSE/AVX 命令には精通していません。