如何清除m2的上面128位：
__m256i m2 = _mm256_set1_epi32(2);
__m128i m1 = _mm_set1_epi32(1);
m2 = _mm256_castsi128_si256(_mm256_castsi256_si128(m2));
m2 = _mm256_castsi128_si256(m1);
不起作用——英特尔关于
_mm256_castsi128_si256内在函数的文档称“结果向量的高位未定义”。同时，我可以在组装中轻松完成：
VMOVDQA xmm2, xmm2 //zeros upper ymm2
VMOVDQA xmm2, xmm1
当然，我不想用“and”或
_mm256_insertf128_si256()之类的词。 最佳答案
更新：现在有一个__m128i _mm256_zextsi128_si256(__m128i)内在的；参见Agner Fog's answer。下面的其他答案只与不支持此内在特性的旧编译器相关，并且没有高效、可移植的解决方案。
不幸的是，理想的解决方案将取决于您正在使用的编译器，并且在其中一些编译器上，没有理想的解决方案。
我们可以通过以下几种基本方法来编写：
A版：
ymm = _mm256_set_m128i(_mm_setzero_si128(), _mm256_castsi256_si128(ymm));
版本B：
ymm = _mm256_blend_epi32(_mm256_setzero_si256(),
ymm,
_MM_SHUFFLE(0, 0, 3, 3));
C版：
ymm = _mm256_inserti128_si256(_mm256_setzero_si256(),
_mm256_castsi256_si128(ymm),
0);
每一个都做我们想要的事情，清除256位ymm寄存器的128位，这样它们中的任何一个都可以安全地使用。但是哪个是最理想的呢？好吧，那要看你用的是哪个编译器了…
合同一般条款：
版本A：根本不受支持，因为GCC缺少
_mm256_set_m128i内部函数。（当然可以模拟，但可以使用“b”或“c”中的一种形式来完成。）版本B：编译成低效代码。习语是不可识别的，而内部函数则被逐字翻译成机器代码指令。使用
VPXOR将临时ymm寄存器归零，然后使用VPBLENDD将其与输入ymm寄存器混合。C版：理想。尽管代码看起来有点吓人和低效，但所有支持avx2代码生成的gcc版本都认识到这一点。您将得到预期的
VMOVDQA xmm?, xmm?指令，该指令隐式清除高位。喜欢C版！
叮当声：
版本A：编译成低效代码。使用
VPXOR将临时ymm寄存器归零，然后使用VINSERTI128将其插入临时ymm寄存器（或浮点形式，取决于版本和选项）。版本B&C：也被编译成低效的代码。临时ymm寄存器再次归零，但在这里，它使用
VPBLENDD与输入ymm寄存器混合。什么都不理想！
国际商会：
A版：理想。生成预期的
VMOVDQA xmm?, xmm?指令。版本B：编译成低效代码。将临时ymm寄存器归零，然后将零与输入ymm寄存器混合（
VPBLENDD）。C版：也被编译成低效的代码。将临时ymm寄存器归零，然后使用
VINSERTI128将零插入临时ymm寄存器。喜欢A版！
MSVC公司：
版本A和C：编译成低效代码。将临时ymm寄存器归零，然后使用
VINSERTI128（a）或VINSERTF128（c）将零插入临时ymm寄存器。版本B：也被编译成低效的代码。将临时ymm寄存器归零，然后使用
VPBLENDD将其与输入ymm寄存器混合。什么都不理想！
总之，如果使用正确的代码序列，gcc和icc就有可能发出理想的
VMOVDQA指令。但是，我无法让clang或msvc安全地发出VMOVDQA指令。这些编译器错过了优化的机会。因此，在clang和msvc上，我们可以选择xor+blend和xor+insert。哪个更好？我们转向Agner Fog's instruction tables（电子表格版本also available）：
在AMD的Ryzen架构上：（推土机系列与AVX
__m256等同物相似，而挖掘机上的AVX2相似）： Instruction | Ops | Latency | Reciprocal Throughput | Execution Ports
---------------|-----|---------|-----------------------|---------------------
VMOVDQA | 1 | 0 | 0.25 | 0 (renamed)
VPBLENDD | 2 | 1 | 0.67 | 3
VINSERTI128 | 2 | 1 | 0.67 | 3
agner fog似乎错过了他表中ryzen部分的一些avx2指令。请参阅this AIDA64 InstLatX64 result以确认
VPBLENDD ymm在ryzen上执行与VPBLENDW ymm相同的操作，而不是与VBLENDPS ymm相同（可在2个端口上运行的2个UOP的1C吞吐量）。另请参见an Excavator / Carrizo InstLatX64显示
VPBLENDD和VINSERTI128具有相同的性能（2个周期延迟，1个周期吞吐量）。与VBLENDPS/VINSERTF128相同。在英特尔体系结构（Haswell、Broadwell和Skylake）上：
Instruction | Ops | Latency | Reciprocal Throughput | Execution Ports
---------------|-----|---------|-----------------------|---------------------
VMOVDQA | 1 | 0-1 | 0.33 | 3 (may be renamed)
VPBLENDD | 1 | 1 | 0.33 | 3
VINSERTI128 | 1 | 3 | 1.00 | 1
显然，
VMOVDQA在amd和intel上都是最理想的，但是我们已经知道了，在clang或msvc上，它似乎都不是一个选项，除非它们的代码生成器被改进以识别上述习惯用法中的一个，或者为了这个精确的目的添加了一个额外的内部函数。幸运的是，
VPBLENDD在amd和intel cpu上至少和VINSERTI128一样好。在英特尔处理器上，VPBLENDD比VINSERTI128有显著改进。（事实上，它几乎和VMOVDQA一样好，在很少的情况下，后者不能重命名，除了需要全零向量常量。）如果您不能哄编译器使用VPBLENDD的话，最好选择导致VMOVDQA指令的内部函数序列。如果需要浮点
__m256或__m256d版本，则选择更困难。在Ryzen上，VBLENDPS的吞吐量为1C，但VINSERTF128的吞吐量为0.67C。在所有其他CPU（包括AMD推土机系列）上，VBLENDPS等于或优于。它在intel上要好得多（和integer一样）。如果您是专门为amd优化的，那么您可能需要做更多的测试，以查看在您的特定代码序列中哪个变体最快，否则就需要混合。对Ryzen来说只差一点点。总之，我们可以针对通用x86并支持尽可能多的不同编译器：
#if (defined _MSC_VER)
ymm = _mm256_blend_epi32(_mm256_setzero_si256(),
ymm,
_MM_SHUFFLE(0, 0, 3, 3));
#elif (defined __INTEL_COMPILER)
ymm = _mm256_set_m128i(_mm_setzero_si128(), _mm256_castsi256_si128(ymm));
#elif (defined __GNUC__)
// Intended to cover GCC and Clang.
ymm = _mm256_inserti128_si256(_mm256_setzero_si256(),
_mm256_castsi256_si128(ymm),
0);
#else
#error "Unsupported compiler: need to figure out optimal sequence for this compiler."
#endif
请分别查看此版本和版本a、b和con the Godbolt compiler explorer。
也许您可以在此基础上定义自己的基于宏的内在特性，直到有更好的东西出现。
关于c - 如何清除__m256值的高128位？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21384879/