在手臂霓虹灯中有效地组合面具

Posted 2023-02-16

【中文标题】在手臂霓虹灯中有效地组合面具

【英文标题】：Efficiently combine masks in arm neon

【发布时间】：2018-04-21 04:57:13

【问题描述】：

作为我计算的一部分，我最终将 2 个掩码存储在 2 个 uint32x4_t 变量中。这些来自VCEQ。为了进一步处理，我想将它们组合成一个 q-reg 或 d-reg。手臂霓虹灯的首选方法是什么？

Simple solution:

uint16x8_t combineMasks(uint32x4_t mask_lo, uint32x4_t mask_hi)

    uint16x4_t lo = vmovn_u32(mask_lo);
    uint16x4_t hi = vmovn_u32(mask_hi);
    return vcombine_u16(lo, hi);

有没有更好的方法呢？在我的情况下，我稍后将 vand 结果掩码与 find position of a min/max element 的一些值。

【参考方案1】：

// aarch32
vuzp.16     mask_lo, mask_hi        // you can use either one.

// aarch64
uzp1        result.8h, mask_lo.8h, mask_hi.8h

另一个关于intrinsux 无用的示例：如果您的目标包含aarch32，vuzp1 将无法编译。换句话说，如果你想要获得最大的性能，无论如何你都必须在intrinsux 中编写这两个版本。

intrinsux 有什么意义？与简单粗暴的汇编编码相比，实在是太让人头疼了。

【讨论】：

vuzp.16 mask_lo, mask_hi 不会产生与 combineMasks 相同的结果，对吧？

@Pavel 只返回低或高，结果和你的一样。

关于 asm/intrinsics：我在 10 年前做了一些 neon asm，甚至无法理解如何使用内在函数，特别是当时它们非常糟糕。不过，现在比以前好多了。我只是在尝试不同的东西来试验算法，而处理纯 asm 对我来说是没有意义的。对于最终结果，我肯定会考虑这样做，但此时我不需要这样做，尤其是内在函数对我来说效果很好。

您当前的测试结果非常具有欺骗性。您的例程并不那么复杂，它们只处理小块数据。平坦的开销将使装配版本的性能提升看起来越来越小。 12,960,000 个 4x4 复数浮点矩阵乘法在用汇编语言编写时几乎快两倍，给你一个想法。

我发布了主要处理最终/尾部结果的精简代码版本，我正在尝试使用它来查看是否可以改进以及在多大程度上可以改进。