使用 SSE 进行打包 16 元素混合的最佳方法

Question

我想使用SSE实现以下功能。它将 a 中的元素与 b 中的打包元素混合在一起，其中元素仅在使用时才出现。

void packedBlend16(uint8_t mask, uint16_t* dst, uint16_t const* a, uint16_t const* b) {
  for (int i = 0; b < 8; ++i) {
    int const control = mask & (1 << i);
    dst[i] = control ? a[i] : *b++;
  }
}

对我来说最棘手的部分是在向量中正确间隔 b 的元素。

到目前为止，我的做法是：

1. 256 条目

   LUT[mask]

   进行随机播放，使用

   pshufb

在正确的位置扩展 b 的元素
2. 使用

   vpbroadcastw

   +

   vpand

   +

   vpcmpeqw

从蒙版构造混合向量

3. pblendvb

   a

   与

   b

的已打乱元素

我怀疑 256 个条目的 LUT 不是最好的方法。我可能有 2 个 16 条目 LUT 用于高位/低位。但是您必须根据掩码的较低 4 位的 popcnt 向较高的 LUT 添加偏移量。

我一次独立执行其中 4 个操作，因此我希望最大化吞吐量，但可以接受延迟。

我还可以采取其他方法吗？

Answer 1

使用 pdep 指令将 b 的元素打包到连续的内存块中，使用 vpshufb 指令将 b 的元素打乱到正确的位置，vpblendw 指令将 a 和 b 的元素混合在一起。