我正在使用AVX2 x86 256位SIMD扩展。我想做一个32位整数组件if-then-else指令。在英特尔文档中，这样的指令称为vblend。
Intel内部指南包含函数_mm256_blendv_epi8。这个功能几乎可以满足我的需求。唯一的问题是它适用于8位整数。遗憾的是，文档中没有_mm256_blendv_epi32。我的第一个问题是：为什么这个功能不存在？我的第二个问题是：如何模仿它？
经过一番搜索，我找到了_mm256_blendv_ps，它可以满足我对32位浮点的需求。此外，我发现了转换函数_mm256_castsi256_ps和_mm256_castps_si256，它们从整数转换为32位浮点数并返回。将这些放在一起给出：
inline __m256i _mm256_blendv_epi32 (__m256i a, __m256i b, __m256i mask){
return _mm256_castps_si256(
_mm256_blendv_ps(
_mm256_castsi256_ps(a),
_mm256_castsi256_ps(b),
_mm256_castsi256_ps(mask)
)
);
}
虽然这看起来像5个函数，但其中4个只是美化的强制转换，而另一个直接映射到处理器指令。因此，整个功能归结为一个处理器指令。
因此，真正尴尬的部分是似乎有一个32位的blendv，除了相应的内在缺失。
是否有一些边境案例，这将失败？例如，当整数位模式碰巧表示浮点NAN时会发生什么？ blendv会忽略这个还是会引发一些信号？
如果这是有效的：我是否正确，有一个8位，32位和64位blendv但是缺少16位blendv？
如果你的mask已经为整个32位元素全部为零/全部（如vpcmpgtd结果），请直接使用_mm256_blendv_epi8。
我的代码依赖于blendv只检查最高位。
那你有两个不错的选择：
_mm256_blendv_epi8)。即VPSRAD: mask=_mm256_srai_epi32(mask, 31)。
对于port0，英特尔Haswell的VPSRAD为1-uop。 （Skylake的吞吐量更高：p01）。如果你的算法在端口0上遇到瓶颈（例如整数乘法和移位），这不是很好。static inline
__m256i blendvps_si256(__m256i a, __m256i b, __m256i mask) {
__m256 res = _mm256_blendv_ps(_mm256_castsi256_ps(a), _mm256_castsi256_ps(b), _mm256_castsi256_ps(mask));
return _mm256_castps_si256(res);
}
但是，当将整数结果转发到FP混合单元时，Intel SnB系列CPU的旁路延迟延迟为1个周期，而将混合结果转发给其他整数指令时则具有另外1c延迟。如果延迟不是瓶颈，这可能不会影响吞吐量。
有关旁路延迟延迟的更多信息，请参阅Agner Fog's microach guide。这就是他们不为FP指令制作__m256i内在函数的原因，反之亦然。请注意，由于Sandybridge，FP shuffle没有额外的延迟来转发/转发到PADDD之类的指令。因此，如果PUNPCK *或PALIGNR没有完全符合您的要求，SHUFPS是组合来自两个整数向量的数据的好方法。 （即使在Nehalem上，整数上的SHUFPS也是值得的，如果吞吐量是你的瓶颈，那么它在两方面都会有2c的惩罚）。
尝试两种方式和基准。无论哪种方式都可能更好，具体取决于周围的代码。
与uop吞吐量/指令计数相比，延迟可能无关紧要。另请注意，如果您只是将结果存储到内存中，则存储指令不关心数据来自哪个域。
但是，如果您将此作为长依赖链的一部分使用，那么可能值得额外的指令来避免混合数据的额外2个周期的延迟。
请注意，如果掩码生成位于关键路径上，那么VPSRAD的1个周期延迟等于旁路延迟延迟，因此使用FP混合只是掩码 - >结果链的1个额外延迟周期，而2数据 - >结果链的额外周期。
例如，当整数位模式碰巧表示浮点NAN时会发生什么？
BLENDVPS不关心。英特尔的insn ref manual fully documents everything an instruction can/can't do和SIMD浮点异常：无意味着这不是问题。另请参阅x86标签wiki以获取文档链接。
FP blend / shuffle / bitwise-boolean / load / store指令不关心NaN。只有执行实际FP数学运算的指令（包括CMPPS，MINPS和类似的东西）才会引发FP异常，或者可能会因非正规性而减速。
我是否正确，有一个8位，一个32位和一个64位的blendv但是缺少一个16位的blendv？
是。但是有32位和16位算术移位，因此使用8位粒度混合最多需要一条额外的指令。 （没有PSRAQ，因此64位整数的混合通常最好用BLENDVPD完成，除非掩模生成偏离关键路径和/或相同的掩码将在关键路径上重复使用多次。）
最常见的用例是比较掩码，其中每个元素都是全1或全0，因此您可以与PAND / PANDN => POR混合。当然，巧妙的技巧只会使掩码的符号位与真值保持一致，可以节省指令和延迟，特别是因为变量混合比三个布尔按位指令快一些。 （例如，ORPS两个浮点向量，看看它们是否都是非负的，而不是2x CMPPS和ORing蒙版。如果你不关心负零，这可以很好用，或者你很乐意将下溢对待-0.0作为消极）。