C/SIMD实现立即数数组：解决_mm_shuffle_ps参数需8位立即数报错

_mm_shuffle_ps 属于SSE基础内置函数，其第三个参数要求是编译阶段即可确定的8位立即数常量。你代码中传入的LUT[shufctr]是运行时通过mask计算得到的变量，不符合语法约束，因此抛出编译错误。

根据你能支持的指令集等级，可以选择以下三种实现方案：

方案1：纯SSE兼容实现（兼容性最好，仅需SSE1指令集支持） #

由于_mm_movemask_ps返回的是4位整数，取值范围固定为0~15共16种可能，可以通过switch case枚举所有情况，每个分支内直接传入常量作为shuffle的控制参数，满足编译要求：

#include <immintrin.h>

static const unsigned char LUT[16] = { 0xE4, 0x24, 0x34, 0x04, 
                                       0x38, 0x08, 0x0C, 0x00, 
                                       0x39, 0x09, 0x0D, 0x01, 
                                       0x0E, 0x02, 0x03, 0x00 };

int main( ) {
    float input[4] = { -1.0f, 2.0f, 3.0f, -4.0f };
    float output[4] = {0};

    __m128 data = _mm_loadu_ps( input );
    __m128 mmask = _mm_cmpge_ps( data, _mm_setzero_ps( ) );
    int shufctr = _mm_movemask_ps( mmask );

    __m128 res;
    switch(shufctr) {
        case 0: res = _mm_shuffle_ps(data, data, LUT[0]); break;
        case 1: res = _mm_shuffle_ps(data, data, LUT[1]); break;
        case 2: res = _mm_shuffle_ps(data, data, LUT[2]); break;
        case 3: res = _mm_shuffle_ps(data, data, LUT[3]); break;
        case 4: res = _mm_shuffle_ps(data, data, LUT[4]); break;
        case 5: res = _mm_shuffle_ps(data, data, LUT[5]); break;
        case 6: res = _mm_shuffle_ps(data, data, LUT[6]); break;
        case 7: res = _mm_shuffle_ps(data, data, LUT[7]); break;
        case 8: res = _mm_shuffle_ps(data, data, LUT[8]); break;
        case 9: res = _mm_shuffle_ps(data, data, LUT[9]); break;
        case 10: res = _mm_shuffle_ps(data, data, LUT[10]); break;
        case 11: res = _mm_shuffle_ps(data, data, LUT[11]); break;
        case 12: res = _mm_shuffle_ps(data, data, LUT[12]); break;
        case 13: res = _mm_shuffle_ps(data, data, LUT[13]); break;
        case 14: res = _mm_shuffle_ps(data, data, LUT[14]); break;
        case 15: res = _mm_shuffle_ps(data, data, LUT[15]); break;
        default: res = _mm_setzero_ps();
    }
    _mm_storeu_ps( output, res );
}

现代编译器会自动优化这个switch分支为跳转表，运行效率几乎没有损失。

方案2：AVX2兼容实现（代码更简洁，需AVX2指令集支持） #

AVX2提供了支持运行时控制参数的向量置换函数_mm_permutevar_ps，不需要编译期常量，你可以直接将你的LUT控制值转换为对应的置换向量使用，保留查表逻辑即可：

#include <immintrin.h>

// 置换控制向量LUT，每个4元组对应一个shufctr取值的置换索引
static const int SHUF_LUT[16][4] = {
    {3,2,1,0}, {3,2,0,1}, {3,1,2,0}, {3,0,1,2},
    {2,3,1,0}, {2,3,0,1}, {2,1,3,0}, {2,0,3,1},
    {1,3,2,0}, {1,3,0,2}, {1,2,3,0}, {1,0,3,2},
    {0,3,2,1}, {0,3,1,2}, {0,2,3,1}, {0,1,2,3}
    // 可根据你的实际打包需求调整上述索引值
};

int main( ) {
    float input[4] = { -1.0f, 2.0f, 3.0f, -4.0f };
    float output[4] = {0};

    __m128 data = _mm_loadu_ps( input );
    __m128 mmask = _mm_cmpge_ps( data, _mm_setzero_ps( ) );
    int shufctr = _mm_movemask_ps( mmask );

    __m128i shuf_ctrl = _mm_loadu_si128((const __m128i*)SHUF_LUT[shufctr]);
    __m128 res = _mm_permutevar_ps(data, shuf_ctrl);
    _mm_storeu_ps( output, res );
}

方案3：AVX512F实现（最简实现，需AVX512F指令集支持） #

AVX512提供了原生的元素压缩指令_mm_mask_compress_ps，可以直接将满足mask条件的元素左对齐打包，不需要自己实现shuffle逻辑和LUT表：

#include <immintrin.h>

int main( ) {
    float input[4] = { -1.0f, 2.0f, 3.0f, -4.0f };
    float output[4] = {0};

    __m128 data = _mm_loadu_ps( input );
    __mmask8 mmask = _mm_cmpge_ps_mask(data, _mm_setzero_ps(), _CMP_GE_OQ);
    __m128 res = _mm_mask_compress_ps(_mm_setzero_ps(), mmask, data);
    _mm_storeu_ps( output, res );
}

内容的提问来源于stack exchange，提问作者Timothy s