AVX512为我们提供了内在函数来对__mm512
向量中的所有细胞求和。然而,他们的一些同行失踪了:还没有_mm512_reduce_add_epi8
。
_mm512_reduce_add_ps //horizontal sum of 16 floats
_mm512_reduce_add_pd //horizontal sum of 8 doubles
_mm512_reduce_add_epi32 //horizontal sum of 16 32-bit integers
_mm512_reduce_add_epi64 //horizontal sum of 8 64-bit integers
基本上,我需要在以下代码段中实现MAGIC
。
__m512i all_ones = _mm512_set1_epi16(1);
short sum_of_ones = MAGIC(all_ones);
/* now sum_of_ones contains 32, the sum of 32 ones. */
最明显的方法是使用_mm512_storeu_epi8
并将数组的元素加在一起,但这样会很慢,而且可能会使缓存无效。我想存在一种更快的方法。
实施_mm512_reduce_add_epi16
的奖励积分。
首先,_mm512_reduce_add_epi64
不对应单个AVX512指令,但它会生成一系列混洗和添加。
要将64个epu8
值减少到8个epi64
值,通常使用vpsadbw
指令(SAD =绝对差值之和)对零矢量,然后可以进一步减少:
long reduce_add_epu8(__m512i a)
{
return _mm512_reduce_add_epi64(_mm512_sad_epu8(a, _mm512_setzero_si512()));
}
在godbolt上尝试:https://godbolt.org/z/1rMiPH。不幸的是,如果它与_mm512_set1_epi16(1)
一起使用,GCC和Clang似乎都无法优化掉该功能。
对于epi8
而不是epu8
,您需要先为每个元素添加128(或者使用0x80
进行xor),然后使用vpsadbw
减少它,最后减去64*128
(或每个中间64位结果的8*128
)。 [请注意,在此答案的先前版本中这是错误的]
对于epi16
,我建议看一下_mm512_reduce_add_epi32
和_mm512_reduce_add_epi64
生成的指令,并从那里做什么。
总的来说,正如@Mysticial建议的那样,取决于你的背景,减少的最佳方法是什么。例如,如果你有一个非常大的int64
数组并想要一个总和作为int64
,你应该只是在数据包中将它们加在一起,并且只在最后将一个数据包减少到一个int64
。