【ELF2学习板】Ne10进行FFT测试

目录

引言

Ne10简介

交叉编译Ne10

测试

测试程序

测试结果

结语

---

引言

在上一篇博文介绍了FFTW在ELF2开发板的测试。其中我们提到--enable-neon选项在aarch64平台下无法启用。接下来测试一个专门用NEON指令优化的FFT库Ne10。

Ne10简介

NE10 是一个面向 ARM 架构的开源数学库，旨在为 ARM 处理器提供高效的数学运算支持，其主要特点和应用场景如下：

• 高度优化：充分利用 ARM 的 NEON SIMD（单指令多数据）指令集，对各种数学运算进行了深度优化，能显著提高计算密集型应用的执行速度，尤其在处理向量和矩阵运算时表现出色。
• 丰富的功能：提供了广泛的数学函数，涵盖了向量运算、矩阵运算、快速傅里叶变换（FFT）、数字滤波等多个领域，基本可以满足大多数科学计算、信号处理和机器学习等应用对数学运算的需求。
• 易于使用：具有简洁明了的 API，方便开发者调用。它的设计遵循了 C 语言的编程习惯，对于熟悉 C 语言的开发者来说，很容易上手和集成到自己的项目中。
• 开源可定制：作为开源库，开发者可以自由获取源代码，并根据自己的需求进行定制和修改。这使得它在不同的应用场景下具有很高的灵活性，能够适应各种特定的需求和优化。

NE10 在移动设备应用开发、嵌入式系统以及云计算等涉及 ARM 架构处理器的领域中应用广泛。例如在移动图像和视频处理中，用于加速图像滤波、特征提取等运算；在物联网设备中，帮助进行传感器数据的实时处理和分析；在基于 ARM 的服务器上，为机器学习算法和科学计算提供高效的数学运算支持。

不过这个库已经被ARM的ACL库取代。之所以这次编译Ne10，是因为它比较小，编译难度比ACL低。

交叉编译Ne10

下载Ne10源码：https://github.com/projectNe10/Ne10 。

修改GNUlinux_config.cmake 为以下内容：

set(GNULINUX_PLATFORM ON)
set(CMAKE_SYSTEM_NAME "Linux")
set(CMAKE_SYSTEM_PROCESSOR "arm")

set(NE10_LINUX_TARGET_ARCH "aarch64")

if(NE10_LINUX_TARGET_ARCH STREQUAL "armv7")
   set(CMAKE_C_COMPILER arm-linux-gnueabihf-gcc)
   set(CMAKE_CXX_COMPILER arm-linux-gnueabihf-g++)
   set(CMAKE_ASM_COMPILER arm-linux-gnueabihf-as)
   find_program(CMAKE_AR NAMES "arm-linux-gnueabihf-ar")
   find_program(CMAKE_RANLIB NAMES "arm-linux-gnueabihf-ranlib")
elseif(NE10_LINUX_TARGET_ARCH STREQUAL "aarch64")
   set(CMAKE_C_COMPILER aarch64-linux-gnu-gcc)
   set(CMAKE_CXX_COMPILER aarch64-linux-gnu-g++)
   set(CMAKE_ASM_COMPILER aarch64-linux-gnu-as)
   find_program(CMAKE_AR NAMES "aarch64-linux-gnu-ar")
   find_program(CMAKE_RANLIB NAMES "aarch64-linux-gnu-ranlib")
endif()

mark_as_advanced(CMAKE_AR)
mark_as_advanced(CMAKE_RANLIB)

构建build目录，进入新建的build目录，执行以下命令：

cmake -DCMAKE_TOOLCHAIN_FILE=../GNUlinux_config.cmake .. 
make -j16

测试

测试程序

还是使用豆包生成测试程序。

#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <NE10.h>

// 计算时间差（单位：微秒）
long long get_time_diff_us(struct timespec start, struct timespec end) {
    return (end.tv_sec - start.tv_sec) * 1000000LL + (end.tv_nsec - start.tv_nsec) / 1000;
}

int main() {
    const int N = 2048;
    ne10_fft_cpx_float32_t *input, *output, *ifft_output;
    ne10_fft_cfg_float32_t cfg_fft, cfg_ifft;
    struct timespec start, end;
    long long fft_time_us, ifft_time_us;

    // 初始化NE10库
    if (ne10_init() != NE10_OK) {
        fprintf(stderr, "Failed to initialize NE10.\n");
        return 1;
    }

    // 分配内存
    input = (ne10_fft_cpx_float32_t*) malloc(N * sizeof(ne10_fft_cpx_float32_t));
    output = (ne10_fft_cpx_float32_t*) malloc(N * sizeof(ne10_fft_cpx_float32_t));
    ifft_output = (ne10_fft_cpx_float32_t*) malloc(N * sizeof(ne10_fft_cpx_float32_t));

    // 初始化输入数据
    for (int i = 0; i < N; i++) {
        input[i].r = (float)i;
        input[i].i = 0.0f;
    }

    // 创建FFT配置
    cfg_fft = ne10_fft_alloc_c2c_float32(N);
    if (cfg_fft == NULL) {
        fprintf(stderr, "Failed to allocate FFT configuration.\n");
        free(input);
        free(output);
        free(ifft_output);
        return 1;
    }

    // 记录FFT开始时间
    clock_gettime(CLOCK_MONOTONIC, &start);

    // 执行FFT
    ne10_fft_c2c_1d_float32(output, input, cfg_fft, 0);

    // 记录FFT结束时间
    clock_gettime(CLOCK_MONOTONIC, &end);

    // 计算FFT时间
    fft_time_us = get_time_diff_us(start, end);

    // 创建IFFT配置
    cfg_ifft = ne10_fft_alloc_c2c_float32(N);
    if (cfg_ifft == NULL) {
        fprintf(stderr, "Failed to allocate IFFT configuration.\n");
        free(input);
        free(output);
        free(ifft_output);
        ne10_fft_destroy_c2c_float32(cfg_fft);
        return 1;
    }

    // 记录IFFT开始时间
    clock_gettime(CLOCK_MONOTONIC, &start);

    // 执行IFFT
    ne10_fft_c2c_1d_float32(ifft_output, output, cfg_ifft, 1);

    // 记录IFFT结束时间
    clock_gettime(CLOCK_MONOTONIC, &end);

    // 计算IFFT时间
    ifft_time_us = get_time_diff_us(start, end);

    // 输出结果
    printf("2048点单精度FFT所需时间: %lld 微秒\n", fft_time_us);
    printf("2048点单精度IFFT所需时间: %lld 微秒\n", ifft_time_us);

    // 释放资源
    ne10_fft_destroy_c2c_float32(cfg_fft);
    ne10_fft_destroy_c2c_float32(cfg_ifft);
    free(input);
    free(output);
    free(ifft_output);

    return 0;
}    

代码说明：

1. 头文件包含：引入了必要的头文件，如stdio.h用于输入输出，time.h用于时间测量，NE10.h用于 NE10 库的功能。
2. 时间计算函数：get_time_diff_us函数用于计算两个timespec结构体之间的时间差，单位为微秒。
3. NE10 库初始化：调用ne10_init()函数初始化 NE10 库。
4. 内存分配：使用malloc函数为输入、输出和逆变换结果分配内存。
5. 数据初始化：将输入数据的实部初始化为从 0 到 2047 的整数，虚部初始化为 0。
6. FFT 和 IFFT 配置创建：使用ne10_fft_alloc_c2c_float32函数创建 FFT 和 IFFT 的配置。
7. 时间测量：在执行 FFT 和 IFFT 前后分别调用clock_gettime记录时间，然后计算时间差。
8. 结果输出：输出 FFT 和 IFFT 所需的时间。
9. 资源释放：使用ne10_fft_destroy_c2c_float32销毁配置，使用free释放内存。

 

测试结果

编译测试程序：

aarch64-linux-gnu-gcc -o ne10test ne10test.c -lNE10 -lm -I../inc -L./modules

然后在ELF2开发板上运行测试程序。

 

和FFTW对比，大概快10几微秒。

结语

通过对 NE10 库的实践与探索，可以看出NE10 凭借对 NEON 指令集的深度优化，持续为各类应用注入高效动力。如果你在实践中有新的优化思路、踩坑经验或应用案例，欢迎在评论区留言交流。未来，我们也将继续挖掘ELF2开发板进行FFT运算 的潜力，探索更多与前沿技术结合的创新应用，期待与各位一同见证计算效率的不断突破！