基于AVX2实现打包32位整数与32位浮点数相乘的技术问询

一、合并寄存器的方法 #

你找不到VEXTRACTI128的逆指令，对应的指令是VINSERTI128，但因为最终要转回uint32，需要先把uint64结果提取低32位再合并，完整收尾代码如下：

// 将uint64结果的低32位提取为uint32
    VPMOVQDQ(Y1, X1)  // Y1中的4个uint64 → X1中的4个uint32
    VPMOVQDQ(Y2, X2)  // Y2中的4个uint64 → X2中的4个uint32
    // 合并两个XMM寄存器为一个YMM寄存器（逆VEXTRACTI128操作）
    VINSERTI128(U8(1), X2, X1, Y0)
    // Y0即为最终的8个uint32结果寄存器

VINSERTI128(U8(1), X2, X1, Y0)的作用是：把X2的128位数据插入到X1的高128位位置（索引1），结果存入Y0，刚好还原最初拆分的value寄存器结构。

二、更优实现方案 #

结合你的需求（AVX2支持、[0,1)区间mean、独立元素乘法），有两种优化方向：

方案1：优化浮点计算流程 #

原方案的精度是最优的（float64可精确表示所有uint32），可简化步骤避免遗漏元素：

// 拆分mean为低/高128位，分别转成float64
    VEXTRACTI128(U8(0), mean, X0)
    VCVTPS2PD(X0, Y3)  // Y3存前4个mean的float64值
    VEXTRACTI128(U8(1), mean, X1)
    VCVTPS2PD(X1, Y4)  // Y4存后4个mean的float64值

    // 处理value的低4个uint32
    VEXTRACTI128(U8(0), value, X2)
    VPMOVZXDQ(X2, Y1)
    VCVTUDQ2PD(Y1, Y1)
    VMULPD(Y3, Y1, Y1)
    VCVTPD2UDQ(Y1, Y1)

    // 处理value的高4个uint32
    VEXTRACTI128(U8(1), value, X3)
    VPMOVZXDQ(X3, Y2)
    VCVTUDQ2PD(Y2, Y2)
    VMULPD(Y4, Y2, Y2)
    VCVTPD2UDQ(Y2, Y2)

    // 合并结果
    VPMOVQDQ(Y1, X1)
    VPMOVQDQ(Y2, X2)
    VINSERTI128(U8(1), X2, X1, Y0)

方案2：定点数优化（性能优先） #

因为mean ∈ [0,1)，可将其转换为Q32定点数（即mean * 2^32后转成uint32），全程用整数指令计算，性能比浮点方案更高，精度损失在多数估计算法场景可接受：

// 1. 将mean(float32)转成Q32定点数（mean * 2^32）
    // 提前在数据段定义常量：8个4294967296.0f（2^32的float32值）
    VMOVAPS(const_2pow32, Y4)
    VMULPS(mean, Y4, Y4)  // mean每个元素乘以2^32
    VCVTPS2UDQ(Y4, Y4)    // 转成uint32定点数，就近舍入

    // 2. 处理低4个元素的乘法
    VEXTRACTI128(U8(0), Y4, X0)
    VEXTRACTI128(U8(0), value, X1)
    VPMULUDQ(X0, X1, Y0)  // uint32相乘得到uint64
    VPSRLQ(U32(32), Y0, Y0)  // 右移32位等价于除以2^32
    VPMOVQDQ(Y0, X0)      // 转成uint32

    // 3. 处理高4个元素的乘法
    VEXTRACTI128(U8(1), Y4, X2)
    VEXTRACTI128(U8(1), value, X3)
    VPMULUDQ(X2, X3, Y1)
    VPSRLQ(U32(32), Y1, Y1)
    VPMOVQDQ(Y1, X2)

    // 4. 合并结果
    VINSERTI128(U8(1), X2, X0, Y0)

三、方案选择 #

• 若追求最高精度：选择优化后的浮点方案，float64的53位尾数可精确还原所有uint32的乘法结果。
• 若追求最高性能：选择定点数方案，整数指令的吞吐量和延迟优于浮点指令，精度损失在多数场景可接受。

内容的提问来源于stack exchange，提问作者kevmo314