转自: https://zyddora.github.io/2016/03/16/neon_2/
本文旨在介绍ARMv7开始增加的一项advanced SIMD extension——NEON技术。有助于帮助读者理解NEON概况,提供的实例分析有助于迅速上手NEON编程。阅读此文要求读者有基本的C/C++经验及汇编代码经验,若没有也没关系,多理解查阅资料即可。 关于第一讲请见ARM NEON优化(一)——NEON简介及基本架构Good luck~!
NEON编程基础
使用NEON主要有四种方法:
- NEON优化库(Optimized libraries)
- 向量化编译器(Vectorizing compilers)
- NEON intrinsics
- NEON assembly
根据优化程度需求不同,第4种最为底层,若熟练掌握效果最佳,一般也会配合第3种一起使用。本文将会重点介绍第3、4种方法。先简要介绍前两种。
- Libraries:直接在程序中调用优化库
- OpenMax DL:支持加速视频编解码、信号处理、色彩空间转换等;
- Ne10:一个ARM的开源项目,提供数学运算、图像处理、FFT函数等。
- Vectorizing compilers:GCC编译器的向量优化选项
- 在GCC选项中加入向量化表示能有助于C代码生成NEON代码,如
-ftree-vectorize
。
- 在GCC选项中加入向量化表示能有助于C代码生成NEON代码,如
NEON intrinsics
提供了一个连接NEON操作的C函数接口,编译器会自动生成相关的NEON指令,支持ARMv7-A或ARMv8-A平台。
所有的intrinsics函数都在GNU官方说明文档。
一个简单的例子:
//add for int array. assumed that count is multiple of 4
#include<arm_neon.h>
// C version void add_int_c(int* dst, int* src1, int* src2, int count)
{
int i;
for (i = 0; i < count; i++)
dst[i] = src1[i] + src2[i];
}
}
// NEON version void add_float_neon1(int* dst, int* src1, int* src2, int count)
{
int i;
for (i = 0; i < count; i += 4)
{
int32x4_t in1, in2, out;
in1 = vld1q_s32(src1);
src1 += 4;
in2 = vld1q_s32(src2);
src2 += 4;
out = vaddq_s32(in1, in2);
vst1q_s32(dst, out);
dst += 4;
}
}
代码中的vld1q_s32
会被编译器转换成vld1.32 {d0, d1}, [r0]
指令,同理vaddq_s32
和vst1q_s32
被转换成vadd.i32 q0, q0, q0
,vst1.32 {d0, d1}, [r0]
。若不清楚指令意义,请参见ARM® Compiler armasm User Guide - Chapter 12 NEON and VFP Instructions。
NEON assembly
NEON可以有两种写法:
- Assembly文件
- 纯汇编文件,后缀为”.S”或”.s”。注意对寄存器数据的保存。具体对通用寄存器的详解不是本文的重点,有兴趣的读者请自行补充该部分知识。
- inline assembly内联汇编
- 优点:在C代码中嵌入汇编,调用简单,无需手动存储寄存器;
- 缺点:有较为复杂的格式需要事先学习,不好移植到其他语言环境。
比如上述intrinsics代码产生的汇编代码为:
// ARMv7-A/AArch32
void add_float_neon2(int* dst, int* src1, int* src2, int count)
{
asm volatile (
"1: \n"
"vld1.32 {q0}, [%[src1]]! \n"
"vld1.32 {q1}, [%[src2]]! \n"
"vadd.f32 q0, q0, q1 \n"
"subs %[count], %[count], #4 \n"
"vst1.32 {q0}, [%[dst]]! \n"
"bgt 1b \n"
: [dst] "+r" (dst)
: [src1] "r" (src1), [src2] "r" (src2), [count] "r" (count)
: "memory", "q0", "q1"
);
}
NEON优化心得
笔者在前段时间连续使用NEON做ARM平台的优化,由于中文资料少得可怜,且英文资料零散琐碎,期间也遇到不少坑,先摘出部分经验至此,希望能够帮助到大家。︿( ̄︶ ̄)︿
建议的NEON调优步骤
-
理清所需的寄存器、指令。 建议根据要实现的任务,画出数据变换流程,和每步所需的具体指令,尽可能找到最优的实现流程。这一步非常关键,如果思路出错或是不够优化,则会影响使用NEON的效果,并且对程序修改带来麻烦,一定要找到最优的实现算法哦~
-
先实现intrinsics(可选)。 初学者先实现intrinsics是有好处的,字面理解性更强,且有助于理解NEON指令。建议随时打印关键步骤的数据,以检查程序的正误。
-
写成汇编进一步优化。 将intrinsics生成的汇编代码进行优化调整。一般来说,有以下几点值得注意【干货】:
- 只要intrinsics运算指令足够精简,运算类的汇编指令就不用大修;
- 大部分的问题会出在存取、移动指令的滥用、混乱使用上;
- 优化时要尽量减少指令间的相关性,包括结构相关、数据相关控制相关,保证流水线执行效率更高;
- 大概估算所有程序指令取指、执行、写回的总理论时间,以此估算本程序可以优化的空间;
- 熟练对每条指令准备发射、写回时间有一定的认识,有助于对指令的优化排序;
- 一定要多测试不同指令的处理时间!!原因是你所想跟实际有出入,且不同的编译器优化的效果可能也有些不同;
- 一定要有一定的计算机体系结构基础,对存储结构、流水线有一定的体会!!
【注意】在此笔者温馨提示各位看官(⊙o⊙)不仅是NEON,所有的性能优化是个经验活儿,需要自己动手才能领悟更多的诀窍,总结一下NEON优化就是:
- 第一优化算法实现流程;
- 第二优化程序存取;
- 第三优化程序执行;
- 第四哪儿能优化,就优化哪儿~~
对NEON优化使用的好坏直接导致优化效果,优化效果好的会节省70%以上的时间。
内联汇编使用心得
当读者熟练后就可以直接上手内联汇编了。时间有限,本文中不具体介绍inline assembly的使用方法,我后续可能会将这部分单独写成一篇博客。感兴趣者请参见ARM GCC Inline Assembler Cookbook
一些使用心得:
- inline assembly下面的三个冒号一定要注意
- output/input registers的写法一定要写对,clobber list也一定要写完全,否则会造成令你头疼的问题 (T-T) …
- 这个问题在给出的cookbook中也有介绍,但是并不全面,有些问题只有自己碰到了再去解决。 笔者就曾经被虐了很久,从生成的汇编发现编译器将寄存器乱用,导致指针操作完全混乱,毫无头绪…
- 一般情况下建议的写法举例:
asm volatile (
... /* assembly code */
: "+r"(arg0) // %0 "+r"(arg1) // %1 // Output Registers : "r"(arg2) // %2 // Input Registers : "cc", "memory", r0, r1
);
- 传入内联汇编程序段的C参数是有限的
- 笔者亲测对于Cortex-A7平台output/input registers基本在9以内才可保证,否则会报出
can't find a register in class 'GENERAL_REGS' while reloading 'asm'
错误。
- 笔者亲测对于Cortex-A7平台output/input registers基本在9以内才可保证,否则会报出
内容太多,笔者就先写到这儿,容看官慢慢消化,后续可能还会写一篇NEON优化进阶版,讲解一些优化小trick~敬请期待!