avx2 8浮点寄存器的水平最小值和洗牌配对寄存器

Question

在8宽simd中进行射线与三角形相交测试后，我剩下的是更新t,u和v，这是我在下面的标量中完成的(找到最低的t并更新t,u,v，如果低于前一个t)。是否有一种方法可以在simd中而不是标量中做到这一点?

int update_tuv(__m256 t, __m256 u, __m256 v, float* t_out, float* u_out, float* v_out)
{
alignas(32) float ts[8];_mm256_store_ps(ts, t);
alignas(32) float us[8];_mm256_store_ps(us, u);
alignas(32) float vs[8];_mm256_store_ps(vs, v);

int min_index{0};    
for (int i = 1; i < 8; ++i) {
if (ts[i] < ts[min_index]) {
min_index = i;
}
}
if (ts[min_index] >= *t_out) { return -1; }
*t_out = ts[min_index];
*u_out = us[min_index];
*v_out = vs[min_index];
return min_index;
}

我还没有找到一个解决方案，找到水平最小t和洗牌/排列它配对u和v一路上除了排列和最小测试8次。

Answer 1

首先找到t向量的水平最小值。仅这一点就足以在第一次测试中拒绝值。然后找到第一个最小元素的索引，从u和v向量中提取并存储该行。

// Horizontal minimum of the vector
inline float horizontalMinimum( __m256 v )
{
__m128 i = _mm256_extractf128_ps( v, 1 );
i = _mm_min_ps( i, _mm256_castps256_ps128( v ) );
i = _mm_min_ps( i, _mm_movehl_ps( i, i ) );
i = _mm_min_ss( i, _mm_movehdup_ps( i ) );
return _mm_cvtss_f32( i );
}
int update_tuv_avx2( __m256 t, __m256 u, __m256 v, float* t_out, float* u_out, float* v_out )
{
// Find the minimum t, reject if t_out is larger than that
float current = *t_out;
float ts = horizontalMinimum( t );
if( ts >= current )
return -1;
// Should compile into vbroadcastss
__m256 tMin = _mm256_set1_ps( ts );
*t_out = ts;
// Find the minimum index
uint32_t mask = (uint32_t)_mm256_movemask_ps( _mm256_cmp_ps( t, tMin, _CMP_EQ_OQ ) );
// If you don't yet have C++/20, use _tzcnt_u32 or _BitScanForward or __builtin_ctz intrinsics
int minIndex = std::countr_zero( mask );
// Prepare a permutation vector for the vpermps AVX2 instruction
// We don't care what's in the highest 7 integer lanes in that vector, only need the first lane
__m256i iv = _mm256_castsi128_si256( _mm_cvtsi32_si128( (int)minIndex ) );
// Permute u and v vector, moving that element to the first lane
u = _mm256_permutevar8x32_ps( u, iv );
v = _mm256_permutevar8x32_ps( v, iv );
// Update the outputs with the new numbers
*u_out = _mm256_cvtss_f32( u );
*v_out = _mm256_cvtss_f32( v );
return minIndex;
}

虽然相对简单，并且可能比当前使用矢量存储和标量加载的方法更快，但只有当if分支被很好地预测时，上述函数的性能才会很好。

当该分支是不可预测的(统计上，导致随机结果)时，完全无分支的实现可能更适合。更复杂的是，用_mm_load_ss加载旧值，用_mm_blendv_ps有条件地更新，用_mm_store_ss存储。