优化arm64的simd指令（mov），将交替字节打包成连续字节

Question

我有这个V6.16b寄存器：

0a,0b,0c,0d,0e,0f,07,08,0a,0b,0c,0d,0e,0f,07,08

目标是：

ab,cd,ef,78,ab,cd,ef,78

我是这样做的：

movi v7.8h,   0x04            // 04,00,04,00,04,00,04,00,04,00,04,00,04,00,04,00
ushl v6.16b,  v6.16b,  v7.16b // a0,0b,c0,0d,e0,0f,70,08,a0,0b,c0,0d,e0,0f,70,08
movi v8.8h,   0xf8            // f8,00,f8,00,f8,00,f8,00,f8,00,f8,00,f8,00,f8,00
ushl v10.8h,  v6.8h,   v8.8h  // 0b,00,0d,00,0f,00,08,00,0b,00,0d,00,0f,00,08,00
orr  v10.16b, v10.16b, v6.16b // ab,0b,cd,0d,ef,0f,78,08,ab,0b,cd,0d,ef,0f,78,08

mov v10.b[1], v10.b[2]
mov v10.b[2], v10.b[4]
mov v10.b[3], v10.b[6]
mov v10.b[4], v10.b[8]
mov v10.b[5], v10.b[10]
mov v10.b[6], v10.b[12]
mov v10.b[7], v10.b[14] // ab,cd,ef,78,ab,cd,ef,78,ab,0b,cd,0d,ef,0f,78,08

它确实有效，但是有没有办法用更少的指令来做到这一点？ （特别是mov）

Answer 1

所以你有零扩展半字节以大尾数顺序解压缩以打包为字节？
就像 strtol 的十六进制 -> 整数一样，经过一些初始处理将 ASCII 十六进制数字映射到它们表示的整数数字。

而不是 2x ushl + orr 的第一个块，也许

ushl v10.8h, v6.8h, #12

/

orr

可以在奇数元素中获取所需的字节，在偶数元素中获取垃圾（未修改）。 （从 0 开始计数，

0a

元素，因为我认为您正在以最低有效优先顺序编写向量，其中更宽的左移将数据跨字节边界移动到右侧）。

对于打包步骤，

UZP2

应该能够获取奇数向量元素（从 1 开始）并将它们打包到低 8 字节中。 （如果使用相同的向量作为两个源操作数，则在高 8 字节中重复。）
对于您的原始设置，您最终会在偶数位置获得所需的字节，

UZP1

。

如果这是半字节对之间的顺序，那么这将使您的数据保持大端字节顺序；要解决这个问题，您可能需要

tbl

，即字节洗牌，以便在打包时将顺序反转为

uint64_t

。

---

对于打包字节对，右移并通过 usra

 累加 

#4 可以在一条指令中完成（移位和累加），因为当设置的位不重叠时，ORR 和 ADD 是等效的。但它会给你

0xba

而不是

0xab

，将第二个字节向下移动成为 u8 的高半部分。

rev16

+

usra

可以工作，但是

ushl

+

orr

也是 2 条指令，而且可能更便宜，可能至少在某些 CPU 上运行在更多执行单元上。

没有

usla

，但是我不太了解NEON/ASIMD，也许有更好的东西。如果在某些 CPU 上速度不是太慢并且设置向量常数不会抵消其优势，那么乘法累加可能对 2 次方乘法器有用。