将每个 AVX 32 位元素的低 16 位存储到内存中

问题描述

我在 AVX 值 __m256i 中有 8 个整数值，它们都以 0xffff 为上限，因此高 16 位都为零。

现在我想将这 8 个值存储为 8 个连续的 uint16_t 值。

如何以这种方式将它们写入内存？我能否以某种方式将 8 个压缩整数的 __m256i 值转换为包含 8 个压缩整数的 __m128i 值？

我的目标是 AVX2 内在函数，但如果它可以在 AVX 内在函数中完成，那就更好了。

解决方法

对于 AVX2，使用 _mm256_packus_epi32 + _mm256_permutex_epi64 来修复打包两个 __m256i 输入的通道内行为，如@chtz 所说。然后你可以存储来自 64 字节输入的所有 32 字节输出。

使用 AVX1，提取一个向量的高半部分，然后将 _mm_packus_epi32 打包成一个 __m128i。这仍然会花费 2 条 shuffle 指令，但会产生一半的数据输出宽度。 （虽然它在 Zen1 上很好，因为无论如何 YMM 寄存器都被视为 2x 128 位一半，而且 Zen1 上的 vextractf128 比实际 shuffle 的 CPU 便宜。）

当然，只有使用 AVX1，您不太可能在 __m256i 中包含整数数据，除非它是从内存中加载的，在这种情况下，您应该首先执行 _mm_loadu_si128。但是使用 AVX2 可能值得进行 32 字节加载，即使这意味着每个商店需要 2 次 shuffle 而不是 1 次。特别是如果您的任何输入未按 16 对齐。