我正在使用AVX内在的_mm256_extract_epi32()。
我不完全确定我是否正确使用它，因为gcc不喜欢我的代码，而clang编译并运行它没有问题。
我是基于整数变量的值来提取通道，而不是使用常量。
使用clang3.8（或clang4）为avx2编译以下代码段时，它使用generates code并使用vpermd指令。
#include <stdlib.h>
#include <immintrin.h>
#include <stdint.h>
uint32_t foo( int a, __m256i vec )
{
uint32_t e = _mm256_extract_epi32( vec, a );
return e*e;
}
现在，如果我改用gcc，那么就说gcc 7.2然后编译器无法生成代码，错误如下：
In file included from /opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/immintrin.h:41:0,
from <source>:2:
/opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/avxintrin.h: In function 'foo':
/opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/avxintrin.h:524:20: error: the last argument must be a 1-bit immediate
return (__m128i) __builtin_ia32_vextractf128_si256 ((__v8si)__X, __N);
^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
In file included from /opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/immintrin.h:37:0,
from <source>:2:
/opt/compiler-explorer/gcc-7.2.0/lib/gcc/x86_64-linux-gnu/7.2.0/include/smmintrin.h:449:11: error: selector must be an integer constant in the range 0..3
return __builtin_ia32_vec_ext_v4si ((__v4si)__X, __N);
^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
我有两个问题：
Intels Intrinsics Guide没有为_mm256_extract_epi32（）的索引值指定约束，那么谁在这里，gcc还是clang？
显然GCC和Clang做出了不同的选择。恕我直言GCC通过不对变量索引实现这一点做出了正确的选择。内在的_mm256_extract_epi32不会转换为单个指令。使用变量索引，如果在性能关键循环中使用，则此内在函数可能会导致代码效率低下。
例如，Clang 3.8需要4条指令来实现带有变量索引的_mm256_extract_epi32。 GCC迫使程序员考虑更有效的代码，避免使用带有可变索引的_mm256_extract_epi32。
然而，有时候有一个可移植的（gcc，clang，icc）函数很有用，它可以模拟带有变量索引的_mm256_extract_epi32：
uint32_t mm256_extract_epi32_var_indx(__m256i vec, int i )
{
__m128i indx = _mm_cvtsi32_si128(i);
__m256i val = _mm256_permutevar8x32_epi32(vec, _mm256_castsi128_si256(indx));
return _mm_cvtsi128_si32(_mm256_castsi256_si128(val));
}
内联后应编译为三条指令：两条vmovds和一条vpermd（gcc 8.2与-m64 -march=skylake -O3）：
mm256_extract_epi32_var_indx:
vmovd xmm1, edi
vpermd ymm0, ymm1, ymm0
vmovd eax, xmm0
vzeroupper
ret
请注意，内在指南描述了索引> = 8的结果为0（无论如何这是一个不寻常的情况）。使用Clang 3.8和mm256_extract_epi32_var_indx，索引以模8减少。换句话说：仅使用索引的3个最低有效位。请注意，Clang 5.0的内存往返也不是很有效，请参阅this Godbolt link。 Clang 7.0无法使用变量索引编译_mm256_extract_epi32。
作为@Peter Cordes commented：使用固定索引0,1,2或3，只需要一条pextrd指令就可以从xmm寄存器中提取整数。对于固定索引4,5,6或7，需要两条指令。不幸的是，不存在处理256位ymm寄存器的vpextrd指令。
下一个例子说明了我的答案：
一个以SIMD内在函数开头的天真程序员可能会编写以下代码，用来自j<8的vec对元素0,1，...，j-1求和。
#include <stdlib.h>
#include <immintrin.h>
#include <stdint.h>
uint32_t foo( __m256i vec , int j)
{
uint32_t sum=0;
for (int i = 0; i < j; i++){
sum = sum + (uint32_t)_mm256_extract_epi32( vec, i );
}
return sum;
}
使用Clang 3.8，这将编译为大约50个带分支和循环的instructions。 GCC无法编译此代码。显然，对这些元素求和的有效代码可能基于：1。屏蔽元素j，j + 1，...，7和2.计算水平和。
__N它说必须是1位立即不是_mm256_extract_epi32的第二个arg，它的一些功能用作__builtin_ia32_vextractf128_si256的arg（大概是第3位）。然后它想要vpextrd的0..3范围内的整数常量，总共给出3位索引。
_mm256_extract_epi32是一个复合内在函数，不是根据单个builtin函数直接定义的。
vpextrd r32, ymm, imm8不存在，只有xmm版本存在，所以_mm256_extract_epi32是vextracti/f128 / vpextrd的包装。 Gcc选择只使其适用于编译时常量，因此它总是编译为最多2条指令。
如果需要运行时变量向量索引，则需要使用不同的语法;例如存储到数组并加载标量，希望gcc将其优化为shuffle / extract。
或者使用正确的元素宽度定义GNU C本机向量类型，并使用foo[i]将其索引为数组。
typedef int v8si __attribute__ ((vector_size (32)));
v8si tmp = foo; // may need a cast to convert from __m256i
int element_i = tmp[i];
gcc / clang中的__m256i被定义为long long元素的向量，所以如果你用[]直接索引它，你将获得qword元素。 （而且你的代码不能用MSVC编译，MSVC根本没有用这种方式定义__m256i。）
我最近没有检查过asm中的任何一个：如果你关心效率，你可能想要使用运行时变量索引手动设计一个shuffle，就像@Wim的回答暗示clang那样。