ARMv8 NEON 教程（二）

ARMv8 NEON 教程（二）

该篇主要以float类型为例，以实际在C语言代码中，使用一个完整的neon的使用顺序，来讲解neon（使用率最高的接口）

四、neon变量声明（一切的开始）

1. 变量类型总结：

变量声明实际上就是neon所能用到的数据类型。见下表：
(由于armv8中寄存器是128位，所以数据类型最大不超过128bit)

变量类型	说明
float32_t	一个128位寄存器存储1个float类型变量
float32x2_t	一个128位寄存器存储2个float类型变量
float32x4_t	一个128位寄存器存储4个float类型变量
float64_t	一个128位寄存器存储1个double类型变量
float64x2_t	一个128位寄存器存储2个double类型变量

2. 代码使用：

//  数据类型      变量名
   float32x4_t  neon_arr;

3. 说明

（1）只有被neon数据类型声明的变量，才能被neon函数接口使用（极少数除外）
（2）被neon声明的变量的值不会自动被置为0，所以用于计算时，一定要记得对其置0初始化！

五、C语言neon函数接口

1. 函数接口语法：

待写

2. 置值（一般用来置0）：

/**********************************************************************************
* vdupq_n_f32: 4车道同时置为指定数值
* 函数原型：
* float32x4_t vdupq_n_f32(float32_t const value)
***********************************************************************************/
float val = 7.0;
float32x4_t  neon_arr = vdupq_n_f32(val);//neon_arr = {7.0, 7.0, 7.0, 7.0}

3.融合

/**********************************************************************************
* vaddvq: 返回4车道各值得和
* 函数原型：
* float32_t vaddvq(float32x4_t vec)
***********************************************************************************/
float arr[4] = {1.0, 2.0, 3.0, 4.0};
float32x4_t neon_arr = vld1q_f32(arr);
float ans = vaddvq_f32(neon_arr);//ans = 1.0+2.0+3.0+4.0 = 10.0

4. 单车道读取

/**********************************************************************************
* vld1q_lane_f32:将数据读入指定的车道
* 函数原型：
* float32x4_t vld1q_lane_f32(float32_t const * a, float32x4_t vec, int const lane)
***********************************************************************************/
float arr[4] = {1.0, 2.0, 3.0, 4.0};
float32x4_t neon_arr = vdupq_n_f32(0);
neon_arr = vld1q_lane_f32(&(arr[2]),neon_arr,1);//neon_arr = {0.0, 3.0, 0.0, 0.0}

六、使用neon对 “边角” 的处理小技巧

要利用4车道neon向量对for循环加速的前提是，for循环长度能被4整除。如果不能整除，则需要对能整除的部分加速，剩下的部分单独普通计算。这就是对代码的 “边角” 进行处理。

例：
如果这个n值无法被4整除，那么需要对最后的几个元素进行单独处理

int noNeonLoopNormal(float * C, float const * A, float const * B, int const n)
{
	for(int i=0;i<n;++i)
	{
		C[i] = A[i]+B[i];
	}
	return 0;
}

改成可被整除的循环展开版本：

int noNeonLoopUnrolling(float * C, float const * A, float const * B, int const n)
{	
	int i;
	for(i=0; i<n/4*4; i+=4)
	{
		C[i] = A[i]+B[i];
		C[i+1] = A[i+1]+B[i+1];
		C[i+2] = A[i+2]+B[i+2];
		C[i+3] = A[i+3]+B[i+3];
	}
	for(;i<n;++i)
	{
		C[i] = A[i]+B[i];
	}
	return 0;
}

改成可被整除的Neon版本：

int NeonLoop(float * C, float const * A, float const * B, int const n)
{	
	float32x4_t neon_A;
	float32x4_t neon_B;
	float32x4_t neon_C;
	int i;
	for(i=0; i<n/4*4; i+=4)
	{
		neon_A = vld1q_f32(&A[i]);
		neon_B = vld1q_f32(&B[i]);
		neon_c = vaddq_f32(neon_A,neon_B);
		vst1q_f32(&C[i],neon_C);
	}
	for(;i<n;++i)
	{
		C[i] = A[i]+B[i];
	}
	return 0;
}