將8 個字元從記憶體載入到__m256 變數中作為打包單精度浮點數

為了優化高斯模糊演算法，您尋求用__m256 內在變數取代浮點緩衝區的使用。本問題旨在確定此任務的最佳指令。

AVX2 架構說明：

• 利用 PMOVZX 將字元零擴展為 32 位元256b 暫存器中的整數。
• 使用 VCVTDQ2PS 就地轉換為浮點數。

; rsi = new_image
VPMOVZXBD   ymm0,  [rsi]   ; or SX to sign-extend  (Byte to DWord)
VCVTDQ2PS   ymm0, ymm0     ; convert to packed foat

其他策略：

• 其他策略：

請考慮使用128 位元廣播負載來提供vpmovzxbd ymm,xmm 和&&]考慮使用128 位元廣播負載來提供vpmovzxbd ymm,xmm 和vps )高64 位。這種方法減少了 uop 數量，並且對 Ryzen CPU 有益。

• AVX1 架構說明：

  VPMOVZXBD   xmm0,  [rsi]
  VPMOVZXBD   xmm1,  [rsi 4]
  VINSERTF128 ymm0, ymm0, xmm1, 1   ; put the 2nd load of data into the high128 of ymm0
  VCVTDQ2PS   ymm0, ymm0     ; convert to packed float

AVX1 架構說明：

• AVX1 架構說明：
• 執行下列步驟：

VPMOVZXBD xmm0, [rsi] VPMOVZXBD xmm1，[rsi 4] VINSERTF128 ymm0, ymm0, xmm1, 1 ;將第二次載入的資料放入 ymm0 的高點 128 VCVTDQ2PS ymm0, ymm0 ;轉換為打包浮點

內在函數注意事項：

GCC 和MSVC 可能需要特殊處理，以確保在使用內在函數時實現最佳程式碼產生VPMOVZXBD ymm,[mem].請考慮使用_mm_loadl_epi64 內在函數，它可以折疊到記憶體運算元中，以便在GCC 版本9 及更高版本上使用GCC 在-O3 處實現最佳asm。

For僅限 AVX1 的最佳化，編寫內在函數版本是一項無趣的練習。