Извлеките и сохраните альтернативные нижние 32 бита из регистра AVX

Question

У меня есть регистр __m256i, и я хочу извлечь 4 младших 32 бит из каждой 64-битной группы, упаковать их и хранить их непрерывно в памяти. Т.е. если регистр __m256i содержит 8 32-битных слов: {a0, a1, a2, a3, a4, a5, a6, a7}, я хочу, чтобы сохранить в памяти по четыре слова {a0, a2, a4, a6}

я придумал следующий код:

void mystore(uint32 *dst, const __m256i& src) 
{ 
     __m256 ps256 = _mm256_castsi256_ps(src); 
     __m128 lo128 = _mm256_extractf128_ps(ps256, 0); 
     __m128 hi128 = _mm256_extractf128_ps(ps256, 1); 
     __m128 pack128 = _mm_shuffle_ps(lo128, hi128, 0 + (2<<2) + (0<<4) + (2<<6)); 
     __m128i r = _mm_castps_si128(pack); 
    _mm256_storeu_si256(reinterpret_cast<__m128i*>(dst), r) 
} 

Если я правильно, операции литей существует только для удовлетворения компилятора проверки типов, но они по существу эквивалентно не-оп, так общая стоимость задержки составляет 3 для инструкции в случайном порядке и 2 команды извлечения, а также стоимость неглавного хранилища.

Есть ли более быстрый способ сделать это?

Благодаря

Answer 1

Вы можете попробовать использовать что-то вроде этого:

const __m256i K_PERM = _mm256_setr_epi32(0, 2, 4, 6, 1, 3, 5, 7); 

inline void mystore(uint32_t * dst, const __m256i & src) 
{ 
    __m256i permuted = _mm256_permutevar8x32_epi32(src, K_PERM); 
    __m128i lo128 = _mm256_extractf128_si256(permuted, 0); 
    _mm_storeu_si128((__m128i*)dst, lo128); 
}