使用 NEON 内部函数存储非相邻 d 寄存器的最快方法

Posted 2023-02-16

【中文标题】使用 NEON 内部函数存储非相邻 d 寄存器的最快方法

【英文标题】：Fastest way of storing non-adjacent d registers with NEON intrinsics

【发布时间】：2015-02-26 20:53:14

【问题描述】：

我正在将 32 位 NEON asm 代码移植到 NEON 内部函数，我想知道是否可以使用内部函数以简洁的方式编写此代码：

vst4.32 d0[0], d2[0], d4[0], d6[0], [%[v1]]!

1) 前面的代码对q 寄存器进行操作，但是在存储方面，它必须重新创建具有每个部分的向量，而不是使用q0、q1、q2 和q3在d 寄存器之一中，例如v1[0] = d0[0], v1[1] = d2[0] ... v2[0] = d0[1], v2[1] = d2[1] ... v3[0] = d1[0], v3[1] = d3[0] ...等

此操作是 asm 中的单行操作，但如果使用内在函数，我不知道是否可以在不首先拆分高位和低位并构建新的 float32x4x4_t 变量以提供给 vst4_f32 的情况下做到这一点。

这可能吗？

2) 我不完全确定 [%[v1]]! 做了什么（是的，我用谷歌搜索了很多）：它应该是对名为 v1 的变量的引用，感叹号会做 writeback，这应该意味着指针增加了与同一行上的指令写入相同的数量。

对吗？有什么方法可以用内在函数复制它？

【参考方案1】：

经过一番调查，我找到了store a specific lane of an array of 4 vectors的这个具体指令，所以不需要分成高位和低位变量：

float32x4x4_t u =  q0, q1, q2, q3 ;
vst4q_lane_f32(v1, u, 0);
v1 += 4;

正如@charlesbaylis 所写，Writeback 只是一个增加的指针。

【参考方案2】：

原则上，足够智能的编译器可以为 vst4_f32 内部函数使用您想要的指令，但实际上，没有编译器那么好。

要获得索引后写回，您可以编写

vst4_f32(ptr, v);
ptr += 4;

一些编译器会识别这一点。 GCC 5.1（发布时）至少在某些情况下会这样做。

[编辑：误读问题，vst4q_lane_f32 确实完美映射到所需指令]

【讨论】：

谢谢我做了类似的事情，看看我的回答。

PS：由于问题被标记为 ios，编译器仅是 Clang

【参考方案3】：

它似乎是内联汇编。 无论如何，答案是：

1) 没有

2) 是的