使用simd指令、openmp分别对向量规约，或者累加进行加速

 普通的累加

float accumulation(float* a, int len)
{
    float sum = 0;
    for (int i = 0; i < len; i++)
    {
        sum += a[i];
    }
    return sum；
}

假如了simd指令如下：

float accumulation_simd(float* a, int len)
{
    //定义两个128bit的寄存器，每个寄存器可以装4个32bit数据
    float32x4_t a_, b_;

    //vdupq_n_f32是设置一个val=0的float32x4_t 的数据，里面含有四个为0 float 的数据
    a_ = vdupq_n_f32(0.0);
    
    //128bit寄存器可以装4个32bit数，所以i+=4，一次性处理了4个数据；
    for (int i = 0; i < len/4*4; i+=4)
    {
        //向b_中加载4个数据
        b_ = vld1q_f32(a+i);

        //把b_累加到a_里面
        a_ = vaddq_f32(a_, b_);
    }

    float sum = 0.0;
    //我们把四个通道的数据依次累加到sum里面，主体的累加做完
    sum = vgetq_lane_f32(a, 0)+vgetq_lane_f32(a, 1)+vgetq_lane_f32(a, 2)+vgetq_lane_f32(a, 3);
    
    //不足4个数据的尾巴，则在最后单独累加到sum里面
    for (; i < len; i++)
    {
        sum += a[i];
    }
    return sum;
}

这里面，我们要了解这几个指令， vdupq_n_f32、vld1q_f32、vaddq_f32、vgetq_lane_f32。

vdupq_n_f32（0），返回出一个全是0的float32x4_t 的数据。

vld1q_f32（*ptr），从指针后面依次取四个float32数据，返回一个float32x4_t 数据。

vaddq_f32（float32x4_t ， float32x4_t ），输入两个float32x4_t 数据，返回各个位置相加的一个float32x4_t 数据。

vgetq_lane_f32（float32x4_t ，lane）返回第lane个float32的数据。

具体大家可以参考这个网址，有十分详细的接口说明。Intrinsics – Arm Developer

以下是使用openmp进行加速：

float accumulation_openmp(float* a, int len)
{
    float sum;

    pragma omp parallel for reduction(+: sum) 

    for (int i = 0; i < len; i++)
    {
        sum += a[i];
    }
    
}

总的来说，还是比较简单的，openmp的使用是比较简单的，只需要加上#pragma omp parallel for reduction(+: sum) 这行，就会对最近的一个for循环进行规约操作，具体详细的的应用可以参照这篇博客，是比较适合初学者阅读的。OpenMP用法大全（个人整理版）_ArrowYL的博客-CSDN博客_openmp

博主下一篇会介绍一下怎么把openmp和simd结合起来加速。