是否有适用于双打 (__m128d) 的 Move (_mm_move_ss) 和 Set (_mm_set_ss) 内在函数？

多年来，我有几次看到 in 中的内在函数float参数被转换为__m128使用以下代码：__m128 b = _mm_move_ss(m, _mm_set_ss(a));.

例如：

void MyFunction(float y)
{
    __m128 a = _mm_move_ss(m, _mm_set_ss(y)); //m is __m128
    //do whatever it is with 'a'
}

我想知道是否有类似的使用方法_mm_move and _mm_set内在函数对双打做同样的事情（__m128d)?

几乎每一个_ss and _ps内在/指令有一个double版本带有_sd or _pd后缀。 （标量双精度或压缩双精度）。

例如，搜索找到需要的内在函数double作为第一个参数。或者只是找出最佳的 asm 是什么，然后在 insn 参考手册中查找这些指令的内在函数。除了它没有列出所有内在函数movsd http://www.felixcloutier.com/x86/MOVSD.html，因此在内在函数查找器中搜索指令名称通常是有效的。

回复：头文件：总是只包含<immintrin.h>。它包括所有英特尔 SSE/AVX 内在函数。

也可以看看方法来放置一个float变成一个向量 https://stackoverflow.com/a/11766098/224132，以及sse /questions/tagged/sse标记 wiki 以获取有关如何随机排列向量的链接。 （即洗牌指令表Agner Fog 的优化装配指南 http://www.agner.org/optimize/)

（请参阅下面的 godbolt 链接到一些有趣的编译器输出）

回复：你的序列

仅使用_mm_move_ss（或 sd）如果你真的想合并两个向量。

你没有展示如何m被定义为。您的使用a作为浮点数和向量的变量名称意味着向量中唯一有用的信息是floatarg。变量名冲突当然意味着它无法编译。

不幸的是，似乎没有任何方法可以“投射”float or double变成一个向量，上面 3 个元素中有垃圾，就像 for__m128 -> __m256:
。我发布了一个关于内在函数的限制的新问题：如何将标量合并到向量中，而不会让编译器浪费指令将上部元素归零？英特尔内在函数的设计限制？ https://stackoverflow.com/questions/39318496/how-to-merge-a-scalar-into-a-vector-without-the-compiler-wasting-an-instruction

我尝试使用_mm_undefined_ps()为了实现这一点，希望这能告诉编译器它可以将传入的高垃圾留在原处，在

// don't use this, it doesn't make better code
__m128d double_to_vec_highgarbage(double x) {
  __m128d undef = _mm_undefined_pd();
  __m128d x_zeroupper = _mm_set_sd(x);
  return _mm_move_sd(undef, x_zeroupper);
}

但 clang3.8 将其编译为

    # clang3.8 -O3 -march=core2
    movq    xmm0, xmm0              # xmm0 = xmm0[0],zero
    ret

所以没有优势，仍然将上半部分归零，而不是将其编译为只是ret。 gcc 实际上会生成非常糟糕的代码：

double_to_vec_highgarbage:  # gcc5.3 -march=nehalem
    movsd   QWORD PTR [rsp-16], xmm0      # %sfp, x
    movsd   xmm1, QWORD PTR [rsp-16]      # D.26885, %sfp
    pxor    xmm0, xmm0      # __Y
    movsd   xmm0, xmm1    # tmp93, D.26885
    ret

_mm_set_sd似乎是将标量转换为向量的最佳方法。

__m128d double_to_vec(double x) {
  return _mm_set_sd(x);
}

clang 将其编译为movq xmm0,xmm0, gcc 到存储/重新加载-march=generic.

其他有趣的编译器输出来自float and doubleGodbolt 编译器浏览器上的版本 http://gcc.godbolt.org/#compilers:!((compiler:g530,options:'-xc+-std%3Dgnu11+-Wall+-Wextra++-O3+-fverbose-asm+-march%3Dnehalem',sourcez:MQSwdgxgNgrgJgUwAQB4QFt3gC4CdwB0AFgHwBQZA%2BpegIwBMAHEgGZQD2Ahtpdu5QDcEEABRsu2JAA8AlEgDeZJElwJsMXGCQ10lAM5r9ekbIDcZAL4VqdJqw7de/IREpEQAcyIfOuAEacHghiDpKyCkraNAzMMGCILEgAvNqYlHEJ4AhwlAAOxjLmyjYx0pQAXgi47DC5uVXJqboGPHrGZpGq6ppNNOxCRiIZCCwANGWV1bX1uIWWFFTRduKOfILClA5wIRLScorKXRpaOptcOW0iAGQdVou2zACyAJ4AYnEQ2CDsYDvcSM8ZGQDsoog8kOhGqcWpN%2BPkRHNQWDSpwoWl0P0EIN0ONoYZLoDESo1MckJwiqCAPSUuDsJAAdyI3AQQlwSBAkhAegZHKISAA5Jx%2BfMyNSxeKJcpaTA/FBkKy9N8wAAuYm5KCcCDINqU/I87B8vRwXVwUWUpB6djoZBwEAsFhVBCQBB6VVmpDQThgDxIAC06F8ECISSCYCqIAgFqtagwLqQMAM3NUHl9yYh/QAjkg%2BEhYdmiMhpg0mVAWO7GY72ZJbXAwPzJAnkBiBHBWOw2QbtZxrUhchpcuwDOytJ37LsFUrrEtGK3pbKsWsXCI53K9hFDiSenjWttblOHrOavOnOtXO4vD5/IFgivkOEQSUmK3hokUqcX1kcrltkTHzOJlUNR1A0b5pC0%2Bi7kSRxbuimIQUM8QjOMUgVIBRazOYdz3DEh4ynKJ4uGcnDbLea4gtBJxpFs8E3HMdx/rhx4vO8kBfD8y5HqugLrqCDEQmizRqLCeQ/hSxTTq2qKgbozZYkaIg4r04HyYSFIUWSYlINStIMky2Asg0HLsty9K8gKQqWEAAAA%3D)),filterAsm:(commentOnly:!t,directives:!t,intel:!t,labels:!t),version:3

float_to_vec:   # gcc 5.3 -O3 -march=core2
    movd    eax, xmm0       # x, x
    movd    xmm0, eax       # D.26867, x
    ret

float_to_vec:   # gcc5.3 -O3 -march=nehalem
    insertps        xmm0, xmm0, 0xe # D.26867, x
    ret

double_to_vec:    # gcc5.3 -O3 -march=nehalem.  It could still have use movq or insertps, instead of this longer-latency store-forwarding round trip
    movsd   QWORD PTR [rsp-16], xmm0      # %sfp, x
    movsd   xmm0, QWORD PTR [rsp-16]      # D.26881, %sfp
    ret

float_to_vec:   # clang3.8 -O3 -march=core2 or generic (no -march)
    xorps   xmm1, xmm1
    movss   xmm1, xmm0              # xmm1 = xmm0[0],xmm1[1,2,3]
    movaps  xmm0, xmm1
    ret

double_to_vec:  # clang3.8 -O3 -march=core2, nehalem, or generic (no -march)
    movq    xmm0, xmm0              # xmm0 = xmm0[0],zero
    ret


float_to_vec:    # clang3.8 -O3 -march=nehalem
    xorps   xmm1, xmm1
    blendps xmm0, xmm1, 14          # xmm0 = xmm0[0],xmm1[1,2,3]
    ret

所以 clang 和 gcc 都使用不同的策略float vs. double，即使他们可以使用相同的策略。

使用整数运算，例如movq浮点运算之间的操作会导致额外的旁路延迟延迟。使用insertps将输入寄存器的高位元素清零应该是 float 或 double 的最佳策略，因此所有编译器should当 SSE4.1 可用时使用它。 xorps + Blend 也很好，并且比 insertps 可以在更多端口上运行。存储/重新加载可能是最糟糕的，除非我们在 ALU 吞吐量上遇到瓶颈，并且延迟并不重要。