SIMD命令で値を入れ替えるには？

Question

2つの256ビットのベクトルAとBで16ビットの値を交換したいと思います。夢のようなやり方は、それを行うための組み込み命令を見つけることです。残念ながら、私は見つけることができなかったと私はこの仕事のための指示がないと思う。シャッフル、並べ替え、ブレンドなどの指示は、宛先の値を保持または破棄します。

vector A : |a0|a1|a2|a3|a4|a5|a6|a7||a8|a9|a10|a11|a12|a13|a14|a15| 
Vector B : |b0|b1|b2|b3|b4|b5|b6|b7||b8|b9|b10|b11|b12|b13|b14|b15| 
//After swapping 
Vector A : |a0|a1|b2|a3|a4|b5|a6|a7||b8|a9|a10|b11|a12|a13|b14|a15| 
Vector B : |b0|b1|a2|b3|b4|a5|b6|b7||a8|b9|b10|a11|b12|b13|a14|b15| 

そこで質問です：多くのシャッフル命令がある一方で二つのベクトルを交換する最速の方法は何ですか、次のように私が探しているのですか？

私は次のプログラム実装しました：

#include <x86intrin.h> 
#include <stdio.h> 

void printVeci16(__m256i vec) 
{ 
    unsigned short int tempi16[16]; 
    _mm256_store_si256((__m256i *)&tempi16[0], vec); 
    printf("[0]=%2u, [1]=%2u, [2]=%2u, [3]=%2u, [4]=%2u, [5]=%2u, [6]=%2u, [7]=%2u,... [8]=%2u, [9]=%2u, [10]=%2u, [11]=%2u, [12]=%2u, [13]=%2u, [14]=%2u, [15]=%2u \n\n", 
    tempi16[0],tempi16[1],tempi16[2],tempi16[3],tempi16[4],tempi16[5],tempi16[6], tempi16[7],tempi16[8],tempi16[9],tempi16[10],tempi16[11],tempi16[12],tempi16[13],tempi16[14],tempi16[15]) ; 

} 

int main() 
{ 
    short x[16], y[16]; 
    __m256i a, b, temp_a, temp_b; 
    __m256i mask = _mm256_set_epi8(0,0, 0x80,0x80, 0,0, 0,0, 0x80,0x80, 0,0, 0,0  ,0x80,0x80, 0,0, 0,0, 0x80,0x80, 0,0, 0,0, 0x80,0x80, 0,0, 0,0); 

    for(int i=0; i<16; i++) {x[i] = i+1; y[i] = i+17;} // make some values for vectors 

    a = _mm256_loadu_si256((__m256i*)x); 
    b = _mm256_loadu_si256((__m256i*)y); 

    printf(" original a : "); printVeci16(a); 
    printf(" original b : "); printVeci16(b); 

    temp_a = _mm256_blendv_epi8 (a, b, mask); 
    temp_b = _mm256_blendv_epi8 (b, a, mask); 

    a = temp_a; 
    b = temp_b; 

    printf("swap   a : ");printVeci16(a); 
    printf("swap   b : ");printVeci16(b); 

    return 0; 


} 

をアウトプットはここにある：

original  a : [0]= 1, [1]= 2, [2]= 3, [3]= 4, [4]= 5, [5]= 6, [6]= 7, [7]= 8,... [8]= 9, [9]=10, [10]=11, [11]=12, [12]=13, [13]=14, [14]=15, [15]=16 

original  b : [0]=17, [1]=18, [2]=19, [3]=20, [4]=21, [5]=22, [6]=23, [7]=24,... [8]=25, [9]=26, [10]=27, [11]=28, [12]=29, [13]=30, [14]=31, [15]=32 

swap   a : [0]= 1, [1]= 2, [2]=19, [3]= 4, [4]= 5, [5]=22, [6]= 7, [7]= 8,... [8]=25, [9]=10, [10]=11, [11]=28, [12]=13, [13]=14, [14]=31, [15]=16 

swap   b : [0]=17, [1]=18, [2]= 3, [3]=20, [4]=21, [5]= 6, [6]=23, [7]=24,... [8]= 9, [9]=26, [10]=27, [11]=12, [12]=29, [13]=30, [14]=15, [15]=32 

それはOKようだが、どのような異なる要素を交換については？ 例：

vector A : |a0|a1|a2|a3|a4|a5|a6|a7||a8|a9|a10|a11|a12|a13|a14|a15| 
Vector B : |b0|b1|b2|b3|b4|b5|b6|b7||b8|b9|b10|b11|b12|b13|b14|b15| 
//After swapping 
Vector A : |a0|b0|a2|a3|b3|a5|a6|b6||a8|a9 |b9 |a11|a12|b12|a14|a15| 
Vector B : |a1|b1|b2|a4|b4|b5|a7|b7||b8|a10|b10|b11|a13|b13|b14|b15| 

別の実装が必要ですか？より良いスワップ方法はありますか？

私はこの操作をインライン関数で一般化したかったのです。しかし、体は空であり、いくつかの提案が必要です。

inline _mm256_swap_epi16(__m256i a, __m256i b, __m256i mask) 
{ 
    //... 
} 

Answer 1

実際には、2つの操作（シャッフルとスワップ）を実行します。だから私は、次の解決方法を提案することができます：

inline void _mm256_shuffle_swap_epi16(__m256i & a, __m256i & b, 
    const __m256i & shuffle, const __m256i & swap) 
{ 
    __m256i a_shuffled = _mm256_shuffle_epi8(a, shuffle); 
    __m256i b_shuffled = _mm256_shuffle_epi8(b, shuffle); 
    a = _mm256_blendv_epi8(a_shuffled, b_shuffled, swap); 
    b = _mm256_blendv_epi8(b_shuffled, a_shuffled, swap); 
} 

あなたは、私は次の関数の代わりに、_mm256_shuffle_epi8を（使用することをお勧めします256ビットのベクトル）の全ての長さの内側の値をシャッフルする必要がある場合：

const __m256i K0 = _mm256_setr_epi8(
    0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 
    0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0); 

const __m256i K1 = _mm256_setr_epi8(
    0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 0xF0, 
    0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70, 0x70); 

inline const __m256i Shuffle(const __m256i & value, const __m256i & shuffle) 
{ 
    return _mm256_or_si256(_mm256_shuffle_epi8(value, _mm256_add_epi8(shuffle, K0)), 
     _mm256_shuffle_epi8(_mm256_permute4x64_epi64(value, 0x4E), _mm256_add_epi8(shuffle, K1))); 
}