我想我找到了我的问题的答案。VFP 有一个“fmacs”指令，它可以完成在 NEON/VFP 寄存器上进行标量计算的技巧。
我对 NEON 或 ARM 编程非常陌生...
我想将上三角矩阵加载到 NEON 寄存器中，并使用单精度积分（累积）向量的外积。基本思想是 A += x'*x 其中 A 是上三角矩阵。一些操作可以通过在四或双寄存器上使用 NEON 指令“vmla.f32”对操作进行矢量化来完成。但是，有时我一次只需要对一个单精度寄存器 1 进行操作，即不需要对 2 个或 4 个单精度寄存器进行操作。在下面的示例中（不起作用），我对这条线感兴趣
// A[8-14] += A[1]*x[1-7]
"mla s16, s16, d0[1]\n\t"
我想使用 NEON 寄存器来执行一个单精度操作。
代码片段：
__asm__ volatile (
//load x into registers
"vldmia %0, {d0-d3}\n\t"
// load A into registers
"vldmia %1, {d4-d12}\n\t"
"vldmia %1, {d13-d21}\n\t"
// A[0-7] += x[0]*x[0-7]
"vmla.f32 q2, q2, d0[0]\n\t"
"vmla.f32 q3, q3, d0[0]\n\t"
// A[8-14] += A[1]*x[1-7]
"mla s16, s16, d0[1]\n\t"
// output
:
// input
: "r"(A), "r"(x)
// registers
: "q0", "q1", "q2", "q3", "q4", "q5", "q6", "q7", "q8", "q9", "q10"
);