缺少 ARM64 上的 vtbl2 内在函数

Posted 2023-02-16

【中文标题】缺少 ARM64 上的 vtbl2 内在函数

【英文标题】：vtbl2 intrinsics on ARM64 missing

【发布时间】：2015-05-21 13:48:13

【问题描述】：

我有一些使用vtbl2_u8 ARM Neon 内在函数的代码。当我使用armv7 或armv7s 架构编译时，此代码可以正确编译（并执行）。但是，当我尝试编译目标 arm64 时，出现错误：

simd.h: error: call to unavailable function 'vtbl2_u8'

我的 Xcode 版本是 6.1，iPhone SDK 8.1。查看arm64_neon_internal.h，vtbl2_u8 的定义有一个__attribute__(unavailable)。 vtbl2q_u8 有一个定义，但它采用不同的参数类型。 arm64 的 vtbl2 内在函数是否有直接替代品？

【参考方案1】：

如 ARM NEON 内在函数参考 (http://infocenter.arm.com/help/topic/com.arm.doc.ihi0073a/IHI0073A_arm_neon_intrinsics_ref.pdf) 中所述，vtbl2_u8 预计将由为 ARMv8-A 中的 AArch64 状态提供 ARM C 语言扩展实现的编译器提供。请注意，同一文档会建议 vtbl2q_u8 是 Xcode 扩展，而不是 ACLE 编译器预期支持的内在函数。

那么，您的问题的答案是，不需要替换 vtbl2_u8，因为它应该提供。但是，这并不能帮助您解决真正的问题，即如何将指令与不提供该指令的编译器一起使用。

查看您在 Xcode 中可用的内容，以及记录要映射到的 vtbl2_u8 的内容，我认为您应该能够模拟预期的行为：

uint8x8_t vtbl2_u8 (uint8x8x2_t a, uint8x8_t b)

  /* Build the 128-bit vector mask from the two 64-bit halves.  */
  uint8x16_t new_mask = vcombine_u8 (a.val[0], a.val[1]);
  /* Use an Xcode specific intrinsic.  */
  return vtbl1q_u8 (new_mask, b);

虽然我没有要测试的 Xcode 工具链，但您必须确认它是否符合您的预期。

如果这出现在性能关键代码中，您可能会发现vcombine_u8 是不可接受的额外指令。基本上，uint8x8x2_t 存在于两个连续的寄存器中，这在 AArch64 和 AArch32 之间提供了不同的布局（其中 Q0 是 D0:D1）。vtbl2_u8 内在函数需要 16 位掩码。

重写uint8x8x2_t 数据的生产者以生成uint8x16_t 是解决此问题的唯一其他解决方法，并且可能是最有效的解决方法。请注意，即使在提供 vtbl2_u8 内在函数（撰写本文时主干 GCC 和 Clang）的编译器中，也会插入执行 vcombine_u8 的指令，因此您可能仍会在幕后看到额外的移动指令。

【讨论】：

你不能用下标索引a，你需要做a.val[x]，否则这个解决方案提供了正确的执行。我的问题是，现在每次我调用 vtbl2 时都会插入一条额外的指令。这是在性能关键代码（因此是汇编）中，即使没有分析，这也让我感到不舒服。它是我的 shuffle 'emulation' 的一部分，它在我的 SIMD 代码中使用。

我已经修正了你指出的错误，谢谢。至于解决性能问题。从根本上讲，uint8x8x2_t 存在于两个连续的寄存器中，这在 AArch64 和 AArch32 之间提供了不同的布局（其中 Q0 是 D0:D1）。vtbl2_u8 内在函数需要 16 位掩码。重写uint8x8x2_t 数据的生产者以生成uint8x16_t 是解决此问题的唯一其他解决方法。请注意，即使在提供此内在函数（主干 GCC 和 LLVM）的编译器中，也会插入执行 vcombine_u8 的指令。有了编译器支持，您的性能问题仍然存在。

所以，事实证明，我可以在函数中走得更远，并拥有a 的组合版本，正如您所暗示的那样，这对我来说是一个更好的解决方案，因为它避免了vcombine。但是，我认为这可能最好地回答了这个问题。另外，顺便说一句：我最近也更新到 XC 6.3，似乎 vtbl1q_u8 -> vqtbl1_u8。谢谢！