我有三个ymm寄存器——ymm4、ymm5和ymm6——用双精度(qword(浮点进行封装：
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]
使得ymm0读取73144732。
到目前为止，我使用过：
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。
现在我需要把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]。
但现在我需要对ymm寄存器中的第2、3和4列执行同样的操作。在我添加更多说明之前，这是执行我所描述的操作的最有效方法吗？还有其他更有效的方法吗？
我已经调查了unpackhpd(https://www.felixcloutier.com/x86/unpckhpd)，vblendpd(https://www.felixcloutier.com/x86/blendpd，和vshufpd(https://www.felixcloutier.com/x86/shufpd)，我上面显示的似乎是最好的解决方案，但它有很多指令，文档中显示的imm8值的编码有些不透明。有没有更好的方法来提取三个ymm寄存器的相应列？
让我们这样命名矩阵元素：
YMM0 = [A,B,C,D]
YMM1 = [E,F,G,H]
YMM2 = [I,J,K,L]
最终，您想要这样的结果，其中*表示"不在乎">
YMM0 = [A,E,I,*]
YMM1 = [B,F,J,*]
YMM2 = [C,G,K,*]
YMM3 = [D,H,K,*]
为了实现这一点，我们将矩阵扩展到4×4(想象另一行只有[*,*,*,*](，然后转置矩阵。这分为两个步骤：首先，每个2×2子矩阵都被转置。然后，交换左上角和右下角矩阵：
[A,B,C,D] [A,E,C,G] [A,E,I,*]
[E,F,G,H] -- [B,F,D,H] -- [B,F,J,*]
[I,J,K,L] --/ [I,*,K,*] --/ [C,G,K,*]
[*,*,*,*] [J,*,L,*] [D,H,L,*]
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,E,C,G]
vunpckhpd %ymm1, %ymm0, %ymm5 // YMM5 = [B,F,D,H]
第3行暂时保留在ymm2中，因为它不需要更改。第4行是通过将ymm2本身拆包获得的：
vunpckhpd %ymm2, %ymm2, %ymm6 // YMM5 = [J,*,L,*]
第二步是通过两次混合和交换车道来实现：
vblendpd $0xa, %ymm2, %ymm4, %ymm0 // YMM0 = [A,E,I,*]
vblendpd $0xa, %ymm6, %ymm5, %ymm1 // YMM1 = [B,F,J,*]
vperm2f128 $0x31, %ymm2, %ymm4, %ymm2 // YMM2 = [C,G,K,*]
vperm2f128 $0x31, %ymm6, %ymm5, %ymm3 // YMM3 = [D,H,L,*]
这在7个指令中实现了所需的排列。
请注意，由于这些指令都不需要AVX2，因此此代码将在只有AVX的SandyBridge处理器上运行。