AVX2：U8绝对差

Posted 2023-02-16

【中文标题】AVX2：U8绝对差

【英文标题】：AVX2: U8 absolute difference

【发布时间】：2017-10-27 06:34:36

【问题描述】：

我是 AVX 的新手（来自 ARM NEON），对于 AVX 缺少许多 U8 算法，其中缺少绝对差异，我感到非常惊讶。

因此我不得不求助于max(a,b)-min(a,b) 的内联函数：

static inline __m256i _mm256_abd_epu8(__m256i a, __m256i b)

    return _mm256_sub_epi8(_mm256_max_epu8(a, b), _mm256_min_epu8(a, b));

我很好奇是否有更有效的方法来处理这个问题。

是的，我知道_mm256_sad_epu8，但我需要差异本身，而不是总和。

我很感激任何意见，AVX2 没问题，不考虑任何向后兼容性。

提前致谢。

【参考方案1】：

我不知道仅使用 2 条或更少的指令来执行此操作的任何技巧。 （而且这个问题的 SSE 版本也没有更好的东西：Compute the absolute difference between unsigned integers using SSE）。它确实提到了我在这个答案中使用的饱和方法。

---

稍微在 Skylake 之前的版本上更好：用无符号饱和度减去两种方式，然后 OR 结果。 （对于每个元素，a-b 或 b-a 都饱和为零。）

_mm256_or_si256(_mm256_subs_epu8(a,b), _mm256_subs_epu8(b,a))

在 Haswell 上，pmin/pmax 和 psub 仅在端口 1 或端口 5 上运行，但 por 可以在三个向量执行端口（0、1、5）中的任何一个上运行。

Skylake 添加了第三个向量整数加法器，因此该 uarch 没有区别。 （参见http://agner.org/optimize/ 和x86 标签wiki 中的其他链接，包括英特尔的优化手册。）

这在 Ryzen 上也稍微好一些，根据 Agner Fog 的测试，VPOR 可以在任何 P0123 上运行，但 PADD/PMIN 只能在 P013 上运行。 （Ryzen 将 256b 向量运算拆分为 2 个微指令，但它具有有用的吞吐量。它无法仅使用单微指令指令填充其 6 微指令宽的管道。）

可以在更多端口上运行的 Uop 等待其分配的端口（资源冲突）的可能性较小，因此您实际上更有可能获得 2 个周期的总延迟（从两个输入都准备好到输出准备好了）。如果存在对特定端口的竞争（例如端口 5，它在 Intel Haswell 及更高版本上具有唯一的 shuffle 单元），它们也不太可能导致吞吐量瓶颈。

【讨论】：

哇，我什至无法想象一个更全面的答案。正是我需要的。谢谢。

@Jake'Alquimista'LEE：干杯，我以为你会欣赏微架构的东西，所以我比其他方式更详细。

绝对！！！！现在我意识到我必须深入挖掘管道，而您提供的链接是天赐之物。

@Jake'Alquimista'LEE：我的其他一些答案有一些好东西。例如***.com/questions/45113527/…。还有一些我投票率最高的答案，尤其是***.com/questions/40354978/…