inline void _mm256_store2si256_16char(unsigned char *Dest, __m256i Result_L, __m256i Result_H){//short A0A1A2A3B0B1B2B3A4A5A6A7B4B5B6B7__m256i Result = _mm256_packs_epi32(Result_L, Result_H);//byte A0A1A2A3B0B1B2B300000000A4A5A6A7B4B5B6B700000000Result = _mm256_packus_epi16(Result, _mm256_setzero_si256());//A0A1A2A3B0B1B2B3A4A5A6A7B4B5B6B70000000000000000_mm_storeu_si128((__m128i *)Dest, _mm256_castsi256_si128(_mm256_permutevar8x32_epi32(Result, _mm256_setr_epi32(0, 4, 1, 5, 2, 3, 6, 7))));}可以这样认为，_mm256_permutevar8x32_epi32就是类似于SSE环境下的256位的32位shuffle，即真正的_mm256_shuffle_epi32 。
AVX2里还增加了一各比较特别的功能，gather系列指令，这个系列的指令可以从不同的位置收集数据到寄存器中，这个是在SSE中缺失的 。这个功能可以实现更为快速的数据查表功能，我们后续应该会有一个单独的文章讲这个算子 。
【AVX图像算法优化系列一: 初步接触AVX。】第五、AVX相较于SSE的提速可能没有你想象的高
表面上看 ， AVX一次性可以处理256位数据，SSE只能处理128位，带宽是提高了一倍，但是从实际的测试表现来看 ， 同样的算法 ， 使用AVX的提速比相对于SSE来说绝对是不可能达到1倍的 ， 能有40%的提速就已经很不错了，这也导致我们从SSE转型为AVX时能得到的喜悦绝对没有从C++转型到SSE时那么充足 。很多算法只有5%的提速，这当然于算法本身的结构有关，如果是以读取内存为主的程序 ， 提速比会很低，以数值计算、比较等等为主的程序就要稍微高一些 ， 我目前写的一些AVX程序和SSE比较 ， 提速比大概5%到35%之间 。
另外一点 ， 在不同的CPU上（都支持AVX及AVX2），同一个算法的提速比例也是不同，我甚至遇到过AVX还比SSE慢一点的CPU（都是64位程序） ， 这个目前我不知道是为什么 。
第六、AVX和SSE的选择问题
这个没有绝对的 ， 只是谈点自己的看法 。
在PC上，一个算法如果需要使用SIMD优化，除了考虑硬件的因素外（现在市面上能看到的硬件不支持AVX或者AVX2的还是有很多在使用的，特备是AVX2，我他妈的去年买的一个机器，CPU居然还只支持AVX ， 也是醉了），还要考虑算法本身的粒度，SSE真的很自由，特别是shuffle，说实在的，我倒现在还没想到，如何用AVX2实现 32个字节的自由shuffle, AVX的那个_mm256_shuffle_epi8就是个太监啊 。所以你的算法里需要借用大量这样的shuffle,还是考虑用SSE吧 ， 如果以32位整形数据或者浮点计算为主，AVX肯定在效率上还是要更为高效 。
在学习曲线上，如果你没有AVX的基?。苯哟覥开始使用AVX，你会发现你要做很多弯路，因为正如前面所述，使用AVX脱离不了SSE ， 最好先了解一点SSE的知识 。
如果有SSE的基础 ， 去转学AVX，则轻松很多，只需要把AVX2里的那个permute、broadcast等等理解透了 ， 你也就基本掌握了真谛 。
其他：
十一期间 ， 我大概把我原有的基于SSE算法里抽取20个左右，转换为AVX的版本，另外，还提供了普通的C语言版本的算法 ， 并提供了速度比较，注意，其实这里的C语言算法，并不是真正的C算法了，他只能说是编译器自动向量化后的算法，也就是比较编译器自己的向量化和我们手工向量化的速度差异了 。因为在同一个DEMO里 ， 为了照顾AVX的代码，只能选择/arch:AVX选项 。
文章插图
本文可执行Demo下载地址： https://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar，菜单中蓝色字体显示的部分为已经使用AVX加速的算法 ， 如果您的硬件中不支持AVX，可能这个DEMO你无法运行 。
推荐阅读
- 含源码 手把手教你使用LabVIEW OpenCV dnn实现图像分类
- 独辟蹊径：逆推Krpano切图算法，实现在浏览器切多层级瓦片图
- Python实现改进后的Bi-RRT算法实例
- C++实现双向RRT算法
- 数据结构与算法【Java】08---树结构的实际应用
- Raft 共识算法
- 跟我学Python图像处理丨傅里叶变换之高通滤波和低通滤波
- 含源码 手把手教你使用LabVIEW人工智能视觉工具包快速实现图像读取与采集
- .NET源码学习 [算法2-数组与字符串的查找与匹配]
- Javascript 手写 LRU 算法