将 q 寄存器中的 128 位数据转换（求和）为 16 位数据的高效算法

Posted 2023-02-16

【中文标题】将 q 寄存器中的 128 位数据转换（求和）为 16 位数据的高效算法

【英文标题】：Efficient algorithm to convert(sum) 128-bit data in q-register to 16-bit data

【发布时间】：2012-08-04 10:33:20

【问题描述】：

我在 q-register 中有 128 位数据。我想对这个 q 寄存器中的单个 16 位块求和，最终得到一个 16 位的最终总和（任何超过 16 位的进位都应该被添加到这个 16 位数字的 LSB 中）。

我想要实现的是：

VADD.U16（一些 16 位变量）q0[0] q0[1] q0[2] ......... q0[7]

但使用内在函数，

如果有人能给我一个算法，将不胜感激。

我尝试使用成对加法，但我最终得到了一个相当笨拙的解决方案..

下面是它的外观：

int convert128to16(uint16x8_t data128)

    uint16_t data16 = 0;
    uint16x4_t ddata;
    print16(data128);

    uint32x4_t data = vpaddlq_u16(data128);
    print32(data);

    uint16x4_t data_hi = vget_high_u16(data);
    print16x4(data_hi);

    uint16x4_t data_low = vget_low_u16(data);
    print16x4(data_low);

    ddata = vpadd_u16( data_hi, data_low);
    print16x4(ddata);

它仍然不完整且有点笨拙。任何帮助将不胜感激。

【参考方案1】：

可以使用横向添加指令：

这是一个片段：

  uint16x8_t input = /* load your data128 here */

  uint64x2_t temp   = vpaddlq_u32 (vpaddlq_u16 (input)); 

  uint64x1_t result = vadd_u64 (vget_high_u64 (temp), 
                                vget_low_u64  (temp));


  // result now contains the sum of all 16 bit unsigned words
  // stored in data128. 

  // to add the values that overflow from 16 bit just do another 16 bit
  // horizontal addition and return the lowest 16 bit as the final result:

 uint16x4_t w = vpadd_u16 (
     vreinterpret_u16_u64 (result),                              
     vreinterpret_u16_u64 (result));

 uint16_t wrappedResult = vget_lane_u16 (w, 0);

【讨论】：

谢谢 Nils，那额外的步骤是什么？如果我必须将此结果收集到某个变量中，以便从函数返回，我将如何做到这一点？你能扩展到同一段代码吗？

非常感谢，这可以作为我许多其他任务的参考。再次感谢..

【参考方案2】：

如果您的目标是对 16 位块（模 16 位）求和，则可以使用以下片段：

uin16_t convert128to16(uint16x8_t data128)

  data128 += (data128 >> 64);

  data128 += (data128 >> 32);

  data128 += (data128 >> 16);

  return data128 & 0xffff;

【讨论】：

感谢您的帮助@wildplasser，但我正在寻找使用内在函数在霓虹灯上工作的代码。你的解决方案看起来很一般。如果我错了，请纠正我

是的，它是通用的。但是，如果你有一个 C 编译器，也许它足够聪明，可以找到（高度具体的）指令。但是，如果我理解正确，架构/编译器已经有一种机制将宽寄存器视为较小寄存器的“数组”。聪明的编译器会知道这一点。

同意，但我目前需要的是内在函数，我想从内在函数生成程序集并优化是一个更好的选择。比直接从 C 源代码生成/优化霓虹灯代码？这不是真的吗？