NEON简单总结

 

对NEON加速做一个简单的总结，遇到其他问题再记录整理，这里感谢几位博主的奉献。

先贴一个简单的例子，例子参考https://blog.csdn.net/dwyane12138/article/details/78697210。

#include<iostream>
#include<time.h>
#include <arm_neon.h>

using namespace std;

float sum_array(float* arr,int len);
float sum_array_neon(float* arr,int len);

double time_calc(struct timespec &tp_start, struct timespec &tp_end)
{
  	return (double)(tp_end.tv_nsec -tp_start.tv_nsec) * 0.000001 + (double)(tp_end.tv_sec - tp_start.tv_sec) * 1000.0;
}

int main()
{ 
	long l=100000;
  	float array[l];
  	for(long i=0;i<l;i++)
    {
      	array[i]=1.0/3.0;//i/10000;
    } 

	struct timespec tp0,tp1,tp2,tp3;
	float Sum,Sum1;
	
	//calcuate without NEON
  	clock_gettime(CLOCK_MONOTONIC, &tp0);
 	//for(int round=1;round<=1000;round++)
 	//{ 
  		Sum=sum_array(array,l);
  		//cout<<Sum<<endl;
 	//}
 	clock_gettime(CLOCK_MONOTONIC, &tp1);
	printf ("no neon result = %f\n",Sum);
	printf ("no neon time=%lf ms \n\n\n", time_calc(tp0, tp1));
	
	//calculate with NEON
  	clock_gettime(CLOCK_MONOTONIC, &tp2);
 	//for(int round=1;round<=1000;round++)
 	//{ 
  		Sum1=sum_array_neon(array,l);
  		//cout<<Sum<<endl;
 	//}
 	clock_gettime(CLOCK_MONOTONIC, &tp3);
	printf ("neon result = %f\n",Sum1);
	printf ("with neon time=%lf ms \n", time_calc(tp2, tp3));
	
  	return 0;
}
 
float sum_array(float* arr,int len)
{ 
  	if(NULL== arr||len<1)
  	{
    	cout<<"input error\n";
     	return 0;
  	}
  	float sum(0.0);
  	for(long i=0;i<len;++i)
  	{
    	sum+=*arr++;
  	}
  
  	return sum;
}

float sum_array_neon(float* arr,int len)
{ 
	if(NULL== arr||len<1)
  	{
    	cout<<"input error\n";
      	return 0;
  	}
  	long dim4=len/4;
  	int left4=len%4;
  	float32x4_t sum_vec = vdupq_n_f32(0.0);
  	for(;dim4>0;dim4--,arr+=4)
    {
      	float32x4_t data_vec = vld1q_f32(arr);
      	sum_vec = vaddq_f32(sum_vec,data_vec);
    }
  	float sum = vgetq_lane_f32(sum_vec,0)+vgetq_lane_f32(sum_vec,1)+vgetq_lane_f32(sum_vec,2)+vgetq_lane_f32(sum_vec,3);
  	for(;left4>0;left4--,arr++)
    {
     	sum+=(*arr);
    }
   
  	return sum;
}

      使用NEON首先引入头文件<arm_neon.h>，其次就可以根据NEON的编程指令进行程序的加速和优化，下面将上面用到的函数介绍如下，此处借用无眠栀的介绍：

上面用到的函数有：
float32x4_t vdupq_n_f32 (float32_t value)
将value复制4分存到返回的寄存器中

float32x4_t vld1q_f32 (float32_t const * ptr)
从数组中依次Load4个元素存到寄存器中

相应的 有void vst1q_f32 (float32_t * ptr, float32x4_t val)
将寄存器中的值写入数组中

float32x4_t vaddq_f32 (float32x4_t a, float32x4_t b)
返回两个寄存器对应元素之和 r = a+b

相应的 有float32x4_t vsubq_f32 (float32x4_t a, float32x4_t b)
返回两个寄存器对应元素之差 r = a-b

float32_t vgetq_lane_f32 (float32x4_t v, const int lane)
返回寄存器某一lane的值

其他常用的函数还有：

float32x4_t vmulq_f32 (float32x4_t a, float32x4_t b)
返回两个寄存器对应元素之积 r = a*b

float32x4_t vmlaq_f32 (float32x4_t a, float32x4_t b, float32x4_t c)
r = a +b*c

float32x4_t vextq_f32 (float32x4_t a, float32x4_t b, const int n)
拼接两个寄存器并返回从第n位开始的大小为4的寄存器 0<=n<=3
例如
a: 1 2 3 4
b: 5 6 7 8
vextq_f32(a,b,1) -> r: 2 3 4 5
vextq_f32(a,b,2) -> r: 3 4 5 6
vextq_f32(a,b,3) -> r: 4 5 6 7

关于NEON函数的命名规则介绍如下，参考stn_lcd：

数据类型  

NEON Intrinsics内置的整数数据类型主要包括以下几种:

    (u)int8x8_t;
    (u)int8x16_t;
    (u)int16x4_t;
    (u)int16x8_t;
    (u)int32x2_t;
    (u)int32x4_t;
    (u)int64x1_t;

其中，第一个数字代表的是数据类型宽度为8/16/32/64位，第二个数字代表的是一个寄存器中该类型数据的数量。如int16x8_t代表16位有符号数，寄存器中共有8个数据。
常用指令

NEON Intrinsics支持的所有指令可参看ARM NEON Intrinsics，其包含了常用的arm汇编指令类型，如数学运算，逻辑运算等。另外，其引入了有针对性的加载／存储／转置／交叉存取等指令。部分常见的指令在会下面的示例环节中予以说明。需要注意的是，指令中的助记符与arm汇编是相同的。
示例1:

    int16x8_t vqaddq_s16 (int16x8_t, int16x8_t)
    int16x4_t vqadd_s16 (int16x4_t, int16x4_t)
    第一个字母'v'指明是vector向量指令，也就是NEON指令；
    第二个字母'q'指明是饱和指令，即后续的加法结果会自动饱和；
    第三个字段'add'指明是加法指令；
    第四个字段'q'指明操作寄存器宽度，为'q'时操作QWORD, 为128位；未指明时操作寄存器为DWORD，为64位；
    第五个字段's16'指明操作的基本单元为有符号16位整数，其最大表示范围为-32768 ~ 32767；
    形参和返回值类型约定与C语言一致。

其它可能用到的助记符包括:

    l 长指令，数据扩展
    w 宽指令，数据对齐
    n 窄指令, 数据压缩

示例2

    uint8x8_t vld1_u8 (const uint8_t *)
    第二个字段'ld'表示加载指令
    第三个字段'1'(注意是1，不是l)表示顺次加载。如果需要处理图像的RGB分量，可能会用到vld3。关于vld/vst指令更详细的说明，请自己参阅arm官方文档。

编译指令介绍如下，此处引用贺二公子的总结：

常用的CPU类型编译器选项

CPU类型	CPU类型选项	FP选项	FP + SIMD选项	备注
Cortex-A5	-mcpu=cortex-a5	-mfpu=vfpv3-fp16 -mfpu=vfpv3-d16-fp16	-mfpu=neon-fp16	-d16表明只有前16个浮点寄存器可用
Cortex-A7	-mcpu=cortex-a7	-mfpu=vfpv4 -mfpu=vfpv4-d16	-mfpu=neon-vfpv4	-fp16表明支持16bit半精度浮点操作
Cortex-A8	-mcpu=cortex-a8	-mfpu=vfpv3	-mfpu=neon
Cortex-A9	-mcpu=cortex-a9	-mfpu=vfpv3-fp16 -mfpu=vfpv3-d16-fp16	-mfpu=neon-fp16
Cortex-A15	-mcpu=cortex-a15	-mfpu=vfpv4	-mfpu=neon-vfpv4