将 SSE2 迁移到 Arm NEON 内部函数

Posted 2023-02-16

【中文标题】将 SSE2 迁移到 Arm NEON 内部函数

【英文标题】：Migrate SSE2 to Arm NEON intrinsincs

【发布时间】：2011-09-26 12:42:00

【问题描述】：

我在 SSE2 intrinsincs 中有以下代码。它处理来自 Kinect 的输入。

__m128i md = _mm_setr_epi16((r0<<3)  | (r1>>5), ((r1<<6)  | (r2>>2) ), ((r2<<9)  | (r3<<1) | (r4>>7) ), ((r4<<4)  | (r5>>4) ), ((r5<<7)  | (r6>>1) ),((r6<<10) | (r7<<2) | (r8>>6) ), ((r8<<5)  | (r9>>3) ), ((r9<<8)  | (r10)   ));
md = _mm_and_si128(md, mmask);
__m128i mz = _mm_load_si128((__m128i *) &depth_ref_z[i]);
__m128i mZ = _mm_load_si128((__m128i *) &depth_ref_Z[i]);
mz = _mm_cmpgt_epi16(md, mz);
mZ = _mm_cmpgt_epi16(mZ, md);
mz = _mm_and_si128(mz, mZ);
md = _mm_and_si128(mz, md);
_mm_store_si128((__m128i *) frame,md)
if(_mm_movemask_epi8(mz)) ... 

这基本上将 11 uint8_t (r0-r10​​) 解压缩到 SSE 寄存器中的 8 uint16_t （mmask 是常量并且之前创建的）。然后，它从两个用作边界的数组中加载两个具有相应元素的寄存器。它检查它们并创建一个寄存器，其中将不符合标准的元素清零。然后它存储它们并进一步处理每个元素。当没有元素通过时，移动掩码可以作为一个很好的优化，在这种情况下可以跳过处理。

这很好用，现在我也想将它移植到 NEON。除了两部分外，大部分内容都很简单。查看 SSE2 代码中的汇编器输出（gcc），我发现不是在 _mm_setr_epi16 中进行 8 次 uint16_t 移动，而是将它们移动并 ors 到 uint32_t 中，最后进行 4 次移动。这似乎很有效，因为编译器会处理它，所以我没有更改代码。我应该在 NEON 案例中手动应用它吗？而不是 8 个 vsetq_lane_u16 进行移位并执行 4 个 vsetq_lane_u32？我会遇到字节序问题吗？是否值得？

最后一部分是移动蒙版，因为我找不到对应的。任何人都可以提出一些建议吗？

【参考方案1】：

我更喜欢从纯 C 代码而不是 SSE2 开始；在这个低级别可能不容易看到优化机会