我对AVX _mm256_blend_pd功能有疑问。
我想在大量使用_mm256_blendv_pd函数的地方优化代码。不幸的是，这具有很高的延迟和低吞吐量。此函数将三个__m256d变量作为输入，其中最后一个代表用于从前两个变量中选择的掩码。
[我发现了另一个函数（_mm256_blend_pd），它使用位掩码而不是__m256d变量作为掩码。当掩码为静态时，我可以简单地传递0b0111之类的内容，以从第一个变量中获取第一个元素，并从第二个变量中获取最后3个元素。但是在我的情况下，掩码是使用_mm_cmp_pd函数计算的，该函数返回__m256d变量。我发现我可以使用_mm256_movemask_pd从掩码中返回一个int，但是将其传递给函数_mm256_blend_pd时会出现错误error: the last argument must be a 4-bit immediate。
是否有一种方法可以使用前4位传递该整数？还是有另一个类似于movemask的功能允许我使用_mm256_blend_pd？还是我可以使用另一种方法来避免使用cmp，movemask和blend来提高此用例的效率？
_mm256_blend_pd是vblendpd的内在函数，它将其控制操作数作为立即数，嵌入到指令的机器代码中。 （这就是“即时”在汇编/机器代码术语中的意思。）
在C ++中，控制arg必须为vblendpd，以便编译器可以在编译时将其嵌入到指令中。您不能将其用于运行时变量混合。
不幸的是，像constexpr这样的可变混合指令比较慢，但是它们在Skylake上仅“ 2”个微指令，具有1或2个周期的延迟（取决于您正在测量通过的关键路径）。 （vblendvpd）。在Skylake上，这些uops可以在3个矢量ALU端口中的任何一个上运行。 （不过，在Haswell / Broadwell上更糟，但仅限于端口5，并与shuffle竞争。） Zen甚至可以将它们作为单个uop运行。
在一般情况下，没有什么更好的方法，直到AVX512使掩蔽成为您可以作为其他指令一部分进行的一流操作，并为我们提供诸如uops.info之类的单uup混合指令（根据掩码寄存器进行混合）。
[在某些特殊情况下，您可以有效地vblendmpd ymm0{k1}, ymm1, ymm2有条件地为零而不是混合，例如将_mm256_and_pd之前的输入置零，而不是之后的混合。
TL：DR：add使您可以为控件is编译时常量的特殊情况使用更快的指令。