将 __m256 的奇数元素提取到 __m128 的有效（在 Ryzen 上）方法？

是否有一种内在的或其他有效的方法将 AVX 寄存器的 64 位组件的高/低 32 位组件重新打包到 SSE 寄存器中？使用 AVX2 的解决方案就可以了。

到目前为止，我正在使用以下代码，但探查器说它速度很慢锐龙 1800X:

// Global constant
const __m256i gHigh32Permute = _mm256_set_epi32(0, 0, 0, 0, 7, 5, 3, 1);

// ...

// function code
__m256i x = /* computed here */;
const __m128i high32 = _mm256_castsi256_si128(_mm256_permutevar8x32_epi32(x,
  gHigh32Permute)); // This seems to take 3 cycles

那个随机播放+强制转换_mm256_permutevar8x32_ps对于一个向量来说是最优的在 Intel 和 Zen 2 或更高版本上。一条单微操作指令是您能得到的最好的指令。 （AMD Zen 2 和 Zen 3 上有两个微指令。Zen 4 上有一个微指令。https://uops.info/ https://uops.info/)

Use vpermps代替vpermd如果您的输入向量是由创建的，则可以避免 int / FP 绕过延迟的任何风险pd指令而不是负载或其他东西。在 Intel 上，使用 FP 洗牌的结果作为整数指令的输入通常没问题（我不太确定是否将 FP 指令的结果提供给整数洗牌）。

如果针对 Intel 进行调整，您可以更改周围的代码，以便可以洗入每个 128 位通道的底部 64 位。它避免了交叉车道的混乱。 （然后你可以使用vshufps ymm，或者如果针对 KNL 进行调整，vpermilps由于 2 输入vshufps速度较慢。）

有了 AVX512，就有它将元素跨通道打包，并进行截断。

Zen 1 上的车道交叉洗牌速度很慢. 阿格纳·雾 http://agner.org/optimize/没有号码vpermd，但列出vpermps（可能在内部使用相同的硬件）三个微指令，五个延迟周期，每四个吞吐量周期一个。https://uops.info/ https://uops.info/证实了 Zen 1 的这些数字。

Zen 2 和 Zen 3 大部分具有 256 位宽的向量执行单元，但有时它们的跨车道混洗与小于 128 位的元素需要多个微指令。 Zen 4 有所改进，例如 0.5 个周期的吞吐量vpermps有四个周期的延迟。

vextractf128 xmm, ymm, 1在 Zen 1 上非常高效（1c 延迟，0.33c 吞吐量），这并不奇怪，因为它将 256 位寄存器跟踪为两个 128 位一半。shufps也很高效（1c 延迟，0.5c 吞吐量），并且可以让您将两个 128b 寄存器洗牌为您想要的结果。

这也为您节省了一个寄存器vpermps洗牌面具，你不再需要了。 （一vpermps获取您想要分组到高车道和低车道的元素vextractf128。或者，如果延迟很重要，则两个控制向量为 2xvpermps在单微指令的 CPU 上）因此对于多微指令的 CPUvpermps，特别是 Zen 1，我建议：

__m256d x = /* computed here */;

// Tuned for Zen 1 through Zen 3.  Probably sub-optimal everywhere else.
__m128 hi = _mm_castpd_ps(_mm256_extractf128_pd(x, 1));  // vextractf128
__m128 lo = _mm_castpd_ps(_mm256_castpd256_pd128(x));    // no instructions
__m128 odd  = _mm_shuffle_ps(lo, hi, _MM_SHUFFLE(3,1,3,1));
__m128 even = _mm_shuffle_ps(lo, hi, _MM_SHUFFLE(2,0,2,0));

在英特尔上，使用三次洗牌而不是两次洗牌可达到最佳吞吐量的三分之二，并且第一个结果有一个周期的额外延迟。

在 Zen 2 和 Zen 3 上，vpermps是两个微操作数与一个微操作数vextractf128, 提取 + 2xvshufps优于 2xvpermps.

Alder Lake 上的 E 核心也有两个 uopvpermps但一微操作vextractf128 and vshufps xmm