在Intel x86程序集中执行以下操作的最有效方法是什么(a、b是32位浮点(：
从xmm1: [-, -, a, b]到xmm1: [a, a, b, b]
我找不到任何有用的说明
我的想法是将a和b复制到其他寄存器，然后将xmm1寄存器移位4个字节，并将a移动到最低的4个字节。
您正在寻找unpcklps xmm1, xmm1(https://www.felixcloutier.com/x86/unpcklps)将寄存器中的低元素与其自身交错：
low element->底部2，从第二低到最高2。
您可以使用shufps，但在这种情况下不会更好，并且需要一个立即字节。要复制和混洗，可以使用pshufd，但在少数CPU上，整数指令在FP指令之间较慢(但它通常仍然比movaps+unpcklps更好。要么没有旁路延迟，要么是1个周期，移动将花费相同的延迟，但也需要一些吞吐量资源。除了Nehalem，旁路延迟为2个周期。我不认为任何具有mov消除功能的CPU都有旁路延迟用于洗牌，但可能有些AMD有。(
如果你很难找到正确的shuffle指令，可以考虑用C写它，看看clang是否能把它变成shuffle。像_mm_set_ps(v[1], v[1], v[0], v[0])。一般来说，这并不总是编译成好的asm，但值得尝试clang -O3(clang有一个非常好的shuffle优化器(。在这种情况下，GCC和clang都会想出如何使用一个unpcklps xmm0,xmm0来实现这一点(https://godbolt.org/z/o6PTeP)而不是可能发生的灾难。或者与shufps xmm0,xmm0, 5相反(5是0b00'00'01'01(。
(请注意，将__m128索引为v[idx]是GNU扩展，但我只是建议使用clang来找到一个好的shuffle。如果你最终想要内部函数，请检查clang的asm，然后在代码中使用内部函数，而不是_mm_set(
另请参阅Agner Fog优化指南中的SIMD章节(https://agner.org/optimize/)；对于不同类型的数据移动，他有一个很好的说明表。而且https://www.officedaytime.com/simd512e/simd.html具有良好的视觉快速参考，并且https://software.intel.com/sites/landingpage/IntrinsicsGuide/允许您按类别(Swizzle=shuffles(和ISA级别进行筛选(因此您可以排除AVX512，它具有大量带有掩码的内部版本。(
另请参阅https://stackoverflow.com/tags/sse/info这些链接和更多。
如果您不太了解可用的指令(以及CPU架构/性能调整的详细信息(，您可能会更好地使用带有内部函数的C。当你想出一种效率较低的方法来进行洗牌时，编译器可以找到更好的方法。例如，编译器有望为您将_mm_shuffle_ps(v,v, _MM_SHUFFLE(1,1,0,0))优化为unpcklps。
很少有手工编写的asm是正确的选择，尤其是对于x86。编译器通常能很好地处理内部函数，尤其是GCC和clang。如果您不知道unpcklps的存在，那么您可能离轻松/常规地击败编译器还有很长的路要走。