问题描述
我有三个ymm寄存器-ymm4，ymm5和ymm6-装有双精度（qword）浮点数：
ymm4: 73 144 168 41
ymm5: 144 348 26 144
ymm6: 732 83 144 852
我想写上面矩阵的每一列。例如：
-- extract ymm4[63:0] and insert it at ymm0[63:0]
-- extract ymm5[63:0] and insert it at ymm0[127:64]
-- extract ymm6[63:0] and insert it at ymm0[191:128]
以便ymm0读取73、144、732。
到目前为止，我已经使用过：
mov rax,4
kmovq k6,rax
vpxor ymm1,ymm1
VEXPANDPD ymm1{k6}{z},ymm6
这导致ymm1读取[0 0 732]，所以我完成了第一步，因为732是ymm6中[63：0]处的元素。
对于ymm4和ymm5，我使用vblendpd：
vblendpd ymm0,ymm1,ymm4,1
这导致ymm0读取[73 0 732]，所以我完成了第二步，因为73是ymm4中[63：0]处的元素。
现在我需要将ymm5 [63：0]放在ymm0 [127：64]：
vblendpd ymm0,ymm0,ymm5,2
这导致ymm0读取[73 144 732]，所以现在我完成了第一列[63：0]。
但是现在我需要对ymm寄存器中的第2、3和4列执行相同的操作。在添加更多说明之前，这是执行我描述的最有效的方法吗？还有另一种更有效的方法吗？
我研究了unpckhpd（https://www.felixcloutier.com/x86/unpckhpd），vblendpd（https://www.felixcloutier.com/x86/blendpd和vshufpd（https://www.felixcloutier.com/x86/shufpd），上面显示的内容似乎是最好的解决方案，但其中有很多说明，并且文档中显示的imm8值的编码有些不透明。是否有更好的方法来提取三个ymm寄存器的对应列？
解决方法
让矩阵元素这样命名：
YMM0 = [A,B,C,D]
YMM1 = [E,F,G,H]
YMM2 = [I,J,K,L]
最终，您需要这样的结果，其中*表示“无关”。
YMM0 = [A,E,I,*]
YMM1 = [B,*]
YMM2 = [C,*]
YMM3 = [D,H,*]
要实现此目的，我们将矩阵扩展为4×4（想象[*,*,*]的另一行），然后转置矩阵。这分两个步骤完成：首先，对每个2×2子矩阵进行转置。然后，交换左上和右下矩阵：
[A,D] [A,G] [A,*]
[E,H] --\ [B,D,*]
[I,L] --/ [I,*] --/ [C,*]
[*,*] [J,L,*] [D,*]
对于ymm0和ymm1中的第一步，我们使用一对解压缩指令：
vunpcklpd %ymm1,%ymm0,%ymm4 // YMM4 = [A,G]
vunpckhpd %ymm1,%ymm5 // YMM5 = [B,H]
第3行暂时停留在ymm2中，因为不需要更改。第4行是通过将ymm2与自身解包而获得的：
vunpckhpd %ymm2,%ymm2,%ymm6 // YMM5 = [J,*]
第二步是通过混合和交换通道两次来实现的：
vblendpd $0xa,%ymm4,%ymm0 // YMM0 = [A,*]
vblendpd $0xa,%ymm6,%ymm5,%ymm1 // YMM1 = [B,*]
vperm2f128 $0x31,%ymm2 // YMM2 = [C,%ymm3 // YMM3 = [D,*]
这可以通过7条指令实现所需的排列。
请注意，由于这些指令均不需要AVX2，因此该代码将在仅具有AVX的Sandy Bridge处理器上运行。