我有 128 个 32 位值（编号从 0 到 127），并按以下方式排序：
0, 32, 64, 96, 1, 33, 65, 97, ... 31, 63, 95, 127
通过这种排序，我将它们以 4 个为一组加载到 NEON 寄存器中以执行一些计算（这需要这种排序）。因此我有q0 = (0, 32, 64, 96)......等等。
我想知道是否有一些简单的方法将它们按自然顺序存储回内存（0 1 2 3 ...）
换句话说，是否有一些更简单的方法或技巧可以做到这一点：
vst1.u32 {d0[0]}, [r0]
vst1.u32 {d0[1]}, [r0,#128]
vst1.u32 {d1[0]}, [r0,#256]
vst1.u32 {d1[1]}, [r0,#384]
vst1.u32 {d2[0]}, [r0,#4]
vst1.u32 {d2[1]}, [r0,#132]
...
我不太明白@alignment后缀 withvstx和vldx指令的使用。这不是一个有用的案例吗？
对齐（@128，@256）用于提示处理器读/写不跨越缓存线。在这些情况下，可以减少执行的微操作（以及最终使用的周期）的数量。
相反，您的应用程序将受益于允许存储/加载列的指令格式。Arm 手册将这些通道称为小节（将 N 元素结构的单个通道存储到内存）。
该格式支持两个连续的寄存器：{d0,d1,d2,...} 和跳过一个寄存器 {d0,d2,d4,...}。
mov #128, r1 // initialize value for increment
vst4.32 { d0[0], d2[0], d4[0], d6[0] }, [r0], r1 // columns 0..1
vst4.32 { d0[1], d2[1], d4[1], d6[1] }, [r0], r1 // store at offset 128
vst4.32 { d1[0], d3[0], d5[0], d7[0] }, [r0], r1 // columns 2..3
vst4.32 { d1[1], d3[1], d5[1], d7[1] }, [r0], r1 // columns 2..3
... etc ...
这可能是最好的方法，因为没有足够的寄存器来调整所有内容。我相信需要 32 个 Q 寄存器。