imx6ull移植Ne10库

imx6ull cortex-A7 armv7架构，已经引入了neon技术。ubuntu版本是16.04。Ne10则是引用了该技术，对数学计算进行优化，例如傅里叶变换、滤波、矩阵计算等。Ne10库在github上有源码，我用的版本是截至目前最新的。在一块老的A9平台编译，使用最新的版本编译，出现了很多问题，最后重新下载了最低的Ne10的版本，编译通过了。

编译Ne10需要用到cmake,如果环境中没有，需要安装下。Ne10下载包的doc里有building.md，讲述了如何编译。首先要使用cmake配置编译选项，涉及两个文件，第一个文件是GUNlinux_config.cmake，另一个是CMakeList.txt。

一步一步来，根据building.md里边的提示敲命令行：
//
cd $NE10_PATH
mkdir build && cd build
export NE10_LINUX_TARGET_ARCH=armv7 # Can also be “aarch64”
cmake -DCMAKE_TOOLCHAIN_FILE=…/GNUlinux_config.cmake …
make
//
当执行到cmake这句时，出现问题：

该错误和编译链有关，在GUNlinux_config.cmake文件中指定下编译链，再编译。在GUNlinux_config.cmake文件中添加的内容如下：
set(CMAKE_C_COMPILER /opt/imx6ull-yocto-L4.1.15-2.1.0/toolchain-qt5.6.2/sysroots/x86_64-pokysdk-linux/usr/bin/arm-poky-linux-gnueabi/arm-poky-linux-gnueabi-gcc)
set(CMAKE_CXX_COMPILER /opt/imx6ull-yocto-L4.1.15-2.1.0/toolchain-qt5.6.2/sysroots/x86_64-pokysdk-linux/usr/bin/arm-poky-linux-gnueabi/arm-poky-linux-gnueabi-g++)
set(CMAKE_ASM_COMPILER /opt/imx6ull-yocto-L4.1.15-2.1.0/toolchain-qt5.6.2/sysroots/x86_64-pokysdk-linux/usr/bin/arm-poky-linux-gnueabi/arm-poky-linux-gnueabi-as)

再次编译，又一次出现问题：

编译链是找到了，但编译过程中需要搜索的路径不对。mmp. 百度了下，GUNlinux_config.cmake文件中指定了下CMAKE_SYSROOT参数：set(CMAKE_SYSROOT “/opt/imx6ull-yocto-L4.1.15-2.1.0/toolchain-qt5.6.2/sysroots/cortexa7hf-neon-poky-linux-gnueabi”)；再次编译，依然出错：

百度呗。意思是检测我的编译链不行，太low。mmp，就非要用这个链编译。于是在cmake又多加俩参数，配置成功了。 cmake -DCMAKE_TOOLCHAIN_FILE=…/GNUlinux_config.cmake -DCMAKE_C_COMPILER_WORKS=ON -DCMAKE_CXX_COMPILER_FORCED=ON …

接下来就是执行make。开始编译库。刚执行，又报错，fk. 如下：

又没有头文件，不都指定了吗，继续百度吧。是编译选项不对，没指定-mfloat-abi编译选项，加吧。把build文件夹删除，然后在GUNlinux_config.cmake文件中添加如下语句：
set(CMAKE_C_FLAGS “-mfloat-abi=hard”)

从头再来！
//
mkdir build && cd build
export NE10_LINUX_TARGET_ARCH=armv7 # Can also be “aarch64”
cmake -DCMAKE_TOOLCHAIN_FILE=…/GNUlinux_config.cmake …
make
//

呦吼！！！编译过了。如图：

我编译的是静态库，如果想编译动态库，可以在CMakeList.txt中修改。
//
option(NE10_BUILD_SHARED “Build NE10 shared libraries” OFF)
option(NE10_BUILD_STATIC “Build NE10 static libraries” ON)
//
默认的是编译静态库。如果想编译动态库，就把第一行OFF改成ON，把第二行ON改为OFF。没测试编译动态库。

至此，Ne10的库就编译完成了。编译好的静态库在build/modules文件夹里libNE10.a。注意引用的时候还需要引用头文件，在inc目录里。build目录里还有个samples文件夹，里边有个demo，NE10_test_static，这个拷贝到开发板上，可以直接运行，计算fft啥的。

再说一下使用neon和不使用的对比。我所运行的代码包括fft、滤波、比特转符号等操作，对算法不熟悉，其实是在同事那拷贝过来的，然后替换部分函数使用neon，做对比。imx6ull开发板cpu运行在528M，不开启优化等级的时候：

当不使用neon时，运行一次所用时间大约是10.101ms。使用了neon后，运行一次大约是7.544ms。
使用neon分为两种情况：

第一种情况，使用Ne10库。原始代码中fft是自行编写，优化后是使用Ne10库中的fft计算。ne10_fft_c2c_1d_float32(dst, src, cfg, 0);如何使用请看demo。
这种情况运行一次所用时间大约是7.742ms。

第二种情况，使用编译链中提供的neon函数，在第一种情况基础上再次优化。编译链中提供的函数在arm_neon.h里，是内联函数。

使用这些函数计算编译后对应就是使用neon指令进行操作，在汇编文件已经查看：

指令前带v的，应该都是neon指令。说一下函数怎么用。先粘贴正常的代码：
for(i = 0; i < 2304; i++)
{
data= data1[i] + data2[i];
data = Modtopi(data);
data3[i] = data ;
}
变量都是int32类型的。

再粘一下使用arm_neon.h里函数的：

int32x4_add_neon(&data[0], (int32_t *)&data2[0], data3);

static void int32x4_add_neon(int32_t * sum, int32_t* sum2, int32_t* sum3)
{
int32_t sum4[2304];
int32x4_t sum1_v, sum2_v, sum_v;
uint16_t i, j;

for(i = 0; i < 576; i++)
{
	sum1_v = vld1q_s32(&sum[4*i]);  
	sum2_v = vld1q_s32(&sum2[4*i]);    
	sum_v = vaddq_s32 (sum1_v, sum2_v); 
	vst1q_s32 (&sum4[4*i], sum_v) ; 
	Mod2Pi_x(&sum4[4*i], &sum3[4*i]);
}

}

能够看出来，变量全是矢量了，所以分别把数组转换成矢量，然后加法，然后再把矢量转为数组。矢量类型int32x4_t 的含义是4个int32的数（个人理解，不一定对）。然后vld1q_s32转换时一次能转换4个int32数据到int32x4_t 里，所以长度是2304的数据需要转换576次。替换的代码不难，但是确有提升。arm_neon.h里有很多函数，需要慢慢查看。

个人纪录，如有错误，还望指正。

																																										与君共勉