4

我想在 ARMv7 内核上复制图像。天真的实现是每行调用 memcpy。

for(i = 0; i < h; i++) {
  memcpy(d, s, w);
  s += sp;
  d += dp;
}

我知道以下

d, dp, s, sp, w

都是 32 字节对齐的，所以我的下一个（仍然很天真）实现是沿着

for (int i = 0; i < h; i++) {
  uint8_t* dst = d;
  const uint8_t* src = s;
  int remaining = w;
  asm volatile (
    "1:                                               \n"
    "subs     %[rem], %[rem], #32                     \n"
    "vld1.u8  {d0, d1, d2, d3}, [%[src],:256]!        \n"
    "vst1.u8  {d0, d1, d2, d3}, [%[dst],:256]!        \n"
    "bgt      1b                                      \n"
    : [dst]"+r"(dst), [src]"+r"(src), [rem]"+r"(remaining)
    :
    : "d0", "d1", "d2", "d3", "cc", "memory"
  );
  d += dp;
  s += sp;
}

在大量迭代中，它比 memcpy 快 150%（在不同的图像上，因此不利用缓存）。我觉得这应该远非最佳，因为我还没有使用预加载，但是当我这样做时，我似乎只能使性能大大降低。有人对此有任何见解吗？

4

1 回答 1

5

ARM 对此有很好的技术说明。

http://infocenter.arm.com/help/index.jsp?topic=/com.arm.doc.faqs/ka13544.html

您的性能肯定会因微架构而异，ARM 的注释在 A8 上，但我认为它会给您一个不错的想法，底部的摘要是对各种优缺点的很好讨论，而不仅仅是常规数字，例如哪些方法导致寄存器使用量最少等。

是的，正如另一位评论者所提到的，预取很难做到正确，并且在不同的微架构下工作方式不同，这取决于缓存有多大、每行有多大以及有关缓存的许多其他细节设计。如果你不小心，你最终可能会颠簸你需要的线条。对于可移植代码，我建议避免使用它。

于 2013-02-12T16:46:55.910 回答