XMM 寄存器的按位取反

Posted 2023-02-16

【中文标题】XMM 寄存器的按位取反

【英文标题】：Bitwise negation of XMM register

【发布时间】：2016-01-19 16:34:45

【问题描述】：

如何获得 XMM 寄存器中值的按位取反？据我所知，没有这样的指示。唯一带有否定的指令是pandn，但要使用它来简单地否定一个 XMM 寄存器中的值，我必须让另一个 XMM 寄存器填充 1。

还有其他方法可以否定 XMM 寄存器中的位吗？或者有没有一种巧妙的方法可以在不访问内存的情况下用1 填充 XMM 寄存器？

【参考方案1】：

要加载一个全为 1 的寄存器，请使用

pcmpeqd xmm0, xmm0

之后你可以简单地从xmm0中减去xmmX得到~xmmX，或者使用pandn

您还可以轻松地将其他常量加载到 xmm 寄存器中

pcmpeqd xmm0, xmm0
psrld   xmm0, 30   ; 3 (32-bit)

pcmpeqd xmm0, xmm0 ; -1

pcmpeqw xmm0, xmm0 ; 1.5f
pslld   xmm0, 24
psrld   xmm0, 2

pcmpeqw xmm0, xmm0 ; -2.0f
pslld   xmm0, 30

阅读 Agner Fog 的优化指南，13.4 Generating constants - Making constants for integer vectors in XMM registers

【讨论】：

...或pxor 与全1寄存器。

psubd 和 pandn 相对于 pxor 的优势为零。 psubd 的吞吐量更差，而且两者都不是可交换的。

Constant floats with SIMD, What are the best instruction sequences to generate vector constants on the fly?

【参考方案2】：

将pxor 与全1 寄存器一起使用。

pandn 也可以使用，但优势为零。没有任何情况下，pandn 和一个全为常量可以让你做任何你不能用 pxor 做的事情。

psubd 也可用（2 的补码标识），但比pandn 更差，因为它在某些 CPU 上的吞吐量较低（执行端口较少）。

---

pcmpedq  xmm1, xmm1      ; create the all-ones.  No false dependency.

pxor     xmm0, xmm1      ; flip all the bits in XMM0. Doesn't destroy XMM1
;pandn    xmm0, xmm1      ; equivalent but no advantage.  (~xmm0) & xmm1

PXOR 很好，因为它是可交换的。借助 AVX，您可以使用一个微融合 uop 加载和不加载：

vpxor    xmm0, xmm1, [rdi]

VPANDN 无法做到这一点，因为可以是内存或寄存器的操作数是非反转操作数。 （但是，如果没有 AVX，只需 movdqa 或 dqu 加载，然后 pxor 加载结果。reg-copy 和 micro-fused load+pxor 是 3 个未融合域 uops，而 2 个）

---

或者没有 AVX，如果你想销毁全一常量而不是你正在反转的数据，pxor 再次获胜：

movdqa  xmm2, xmm1      ; copy the all-ones constant.  Off the critical path for latency
pxor    xmm2, xmm0

您可以将movdqa 与movdqa xmm2, xmm0 / pandn xmm2,xmm1 分开。 （只有 IvyBridge+ 和 Bulldozer-family/Ryzen 对矢量寄存器具有零延迟 movdqa。）或者，如果您每次都在目标寄存器中使用 pcmpeqd 重新实现全1（可能是因为寄存器压力或因为您不要循环执行），这将是另一种情况，您需要 pxor 而不是 pandn。

---

使用pcmpeqb/w/d 生成一个全1 常量是一种特殊情况，不会对旧值产生错误依赖（在 Silvermont 上除外），但仍然需要一个执行单元（与 Sandybridge 上的异或归零不同-家庭）。不过，它很便宜，而且它是编译器用于_mm_set1_epi32(-1) 的。

每次需要时重新创建常量而不是从另一个寄存器复制在 IvyBridge 及更高版本以及 Bulldozer-family 和 Ryzen 上稍微更糟。 XMM 副本的mov-elimination 避免占用向量执行单元/端口，以防向量-ALU 执行端口成为您的瓶颈。

但它在 Intel P6 系列（Core2/Nehalem）上稍好一些：当在一个问题组中读取太多“冷”寄存器时，寄存器读取停顿可能是一个问题。 （参见 Agner Fog 的 microarch pdf https://agner.org/optimize/）。 P6 系列已过时，但仍在一些旧机器中使用。如果您有在带有 AVX 的 CPU 上运行的 AVX 版本，您可能希望在代码的非 AVX 版本中对其进行调整。 （但 Haswell/Skylake “pentium”/“celeron”仍然是一个东西，而且他们没有 AVX，所以没有 AVX 并不意味着旧 CPU。）

【讨论】：

参见 Is NOT missing from SSE, AVX? 了解内在函数，以及 AVX-512F vpernlogd 在没有向量常数的情况下完成工作。