###### tags: `Intringic` `Unity`
# x86専用命令(Avx,Avx2)でn未満の値を取り出して、その値のみを結果として返す際の速度検証

## 最初に
専用命令やBurstCompileは条件分岐が入っているコードを得意としていないはずなので、普通のコードとBurstDirctCall,専用命令などの速度を検証する。
また、専用命令でどのようなコードを書くと早いコードが書けるのか検証していく。

*Mono+il2cppパターンで検証
## 検証するコード
1. ふつうのコード

for (int i = 0; i < fa1.Length; i++)
{
    float v = fa1[i];
    if (v < 3)
    {
        fb[i] = v;
    }
}

2. ダイレクトコール

[BurstCompile(CompileSynchronously = true)]//8倍の計算のみ対応
private unsafe static void DirectCall(float* arr, float* result, int count, out int resultLen)
{
    resultLen = 0;
    for (int i = 0; i < count; i++)
    {
        float v = arr[i];
        if (v < 3)
        {
            result[resultLen] = v;
            resultLen++;
        }
    }
}

3. 専用命令

resultLen = 0;
if (Avx.IsAvxSupported)
{
    v256 condition = mm256_set1_ps(3);
    for (int i = 0; i < count - mod; i += 8)
    {
        v256 load = mm256_loadu_ps(arr + i);
        v256 mask = mm256_cmp_ps(load, condition, 1);

        resultLen += //ここで正解の個数や値の保存を行う
    }
}

4. 専用命令＋まとめて処理(bufferは計算前に事前に用意)

resultLen = 0;
if (Avx.IsAvxSupported)
{
    int mod = count % 8;
    resultLen = 0;
    v256 condition = mm256_set1_ps(3);
    for (int i = 0; i < count - mod; i += 8)
    {
        v256 load = mm256_loadu_ps(arr + i);
        buffer[i] = mm256_cmp_ps(load, condition, 1);
        buffer2[i] = load;
    }
    int counti = count / 8;
    for (int i = 0; i < count - mod; i += 8)
    {
        resultLen += //ここで正解の個数や値の保存をまとめて行う

    }
}

## 速度の検証結果

## まとめ
条件分岐が入っている＋storeの作業があったとしても今回のケースでは専用命令の方が速いことが分かった。
また、処理を分けてまとめて行った場合と256bitごとで処理した場合とでは、256bitごとやったほうが速いことが分かった。