我对组装很陌生,虽然手臂信息中心通常很有帮助,但有时这些说明会让新手有点困惑。基本上我需要做的是在一个四字寄存器中对 4 个浮点值求和,并将结果存储在一个单精度寄存器中。我认为指令 VPADD 可以做我需要的,但我不太确定。
问问题
10265 次
3 回答
4
你可以试试这个(它不在 ASM 中,但你应该能够轻松地转换它):
float32x2_t r = vadd_f32(vget_high_f32(m_type), vget_low_f32(m_type));
return vget_lane_f32(vpadd_f32(r, r), 0);
在 ASM 中,它可能只有 VADD 和 VPADD。
我不确定这是否只是一种方法(也是最佳方法),但我还没有想出/找到更好的方法......
PS。我也是NEON的新手
于 2011-08-03T20:13:38.900 回答
2
下面是 ASM 中的代码:
vpadd.f32 d1,d6,d7 @ q3 is register that needs all of its contents summed
vadd.f32 s1,s2,s3 @ now we add the contents of d1 together (the sum)
vadd.f32 s0,s0,s1 @ sum += s1;
我可能忘了提到在 C 中的代码应该是这样的:
float sum = 1.0f;
sum += number1 * number2;
我已经省略了这段代码中的乘法。
于 2011-08-05T18:33:14.940 回答
2
似乎您想获得一定长度的数组的总和,而不仅仅是四个浮点值。
在这种情况下,您的代码将起作用,但远未优化:
许多许多管道联锁
每次迭代不必要的 32 位加法
假设数组的长度是 8 和至少 16 的倍数:
vldmia {q0-q1}, [pSrc]!
sub count, count, #8
loop:
pld [pSrc, #32]
vldmia {q3-q4}, [pSrc]!
subs count, count, #8
vadd.f32 q0, q0, q3
vadd.f32 q1, q1, q4
bgt loop
vadd.f32 q0, q0, q1
vpadd.f32 d0, d0, d1
vadd.f32 s0, s0, s1
- pld - 虽然是 ARM 指令而不是 NEON - 对性能至关重要。它大大提高了缓存命中率。
我希望上面的其余代码是不言自明的。
您会注意到此版本比您的初始版本快很多倍。
于 2011-11-01T06:21:12.783 回答