使用 NEON 在 ARM 汇编中对四字向量中的所有元素求和
Posted
技术标签:
【中文标题】使用 NEON 在 ARM 汇编中对四字向量中的所有元素求和【英文标题】:Sum all elements in a quadword vector in ARM assembly with NEON 【发布时间】:2011-08-03 18:17:05 【问题描述】:我对组装相当陌生,虽然 arm 信息中心通常很有帮助,但有时这些说明可能会让新手有些困惑。基本上我需要做的是在一个四字寄存器中对 4 个浮点值求和,并将结果存储在一个单精度寄存器中。我认为指令 VPADD 可以做我需要的,但我不太确定。
【问题讨论】:
【参考方案1】:你可以试试这个(它不在 ASM 中,但你应该可以很容易地转换它):
float32x2_t r = vadd_f32(vget_high_f32(m_type), vget_low_f32(m_type));
return vget_lane_f32(vpadd_f32(r, r), 0);
在 ASM 中可能只有 VADD 和 VPADD。
我不确定这是否只是一种方法(也是最佳方法),但我还没有想出/找到更好的方法...
PS。我也是NEON的新手
【讨论】:
感谢我设法使用一个 VPADD 和两个 VADD 让它工作,我希望只需要使用 1 或 2 条指令,但我认为 3 只需要这样做。 你能展示你的 ASM 吗?我认为它只需要一个 VADD 和一个 VPADD(至少从 C 代码来看) 我想知道我们是否可以直接使用vaddvq_f32
。它将直接跨向量执行加法【参考方案2】:
看来你想得到一定长度的数组的总和,而不仅仅是四个浮点值。
在这种情况下,您的代码可以工作,但远未优化:
许多管道互锁
每次迭代不必要的 32 位添加
假设数组的长度是8的倍数且至少是16:
vldmia q0-q1, [pSrc]!
sub count, count, #8
loop:
pld [pSrc, #32]
vldmia q3-q4, [pSrc]!
subs count, count, #8
vadd.f32 q0, q0, q3
vadd.f32 q1, q1, q4
bgt loop
vadd.f32 q0, q0, q1
vpadd.f32 d0, d0, d1
vadd.f32 s0, s0, s1
pld - 虽然是 ARM 指令而不是 NEON - 对性能至关重要。它大大提高了缓存命中率。
我希望上面的其余代码是不言自明的。
您会注意到此版本比您的初始版本快很多倍。
【讨论】:
【参考方案3】:这是 ASM 中的代码:
vpadd.f32 d1,d6,d7 @ q3 is register that needs all of its contents summed
vadd.f32 s1,s2,s3 @ now we add the contents of d1 together (the sum)
vadd.f32 s0,s0,s1 @ sum += s1;
我可能忘了提到在 C 中的代码应该是这样的:
float sum = 1.0f;
sum += number1 * number2;
我省略了这段小汇编代码中的乘法。
【讨论】:
以上是关于使用 NEON 在 ARM 汇编中对四字向量中的所有元素求和的主要内容,如果未能解决你的问题,请参考以下文章