问题标签 [neon]

我觉得需要速度。双 for 循环正在扼杀我的 iPad 应用程序性能。我需要 SIMD。如何在 iPad A4 处理器上执行整数 SIMD 操作？

谢谢，
道格

在 ARM Cortex-A8 处理器中，我了解 NEON 是什么，它是一个 SIMD 协处理器。

但是VFP（Vector Floating Point）单元，它也是一个协处理器，是否可以作为一个SIMD处理器工作？如果是这样，哪个更好用？

我读了一些链接，例如-

1. 链接1

2. 链接2。

但并不是很清楚它们的含义。他们说 VFP 从未打算用于 SIMD，但在Wiki上我读到以下内容 - “ VFP 架构还支持执行短向量指令，但这些指令按顺序对每个向量元素进行操作，因此不提供真正的 SIMD 的性能（单指令多数据）并行性。 ”

不太清楚该相信什么，有人可以详细说明这个话题吗？

注意：我们在客户端使用 lib_neon，在服务器端使用 Tomcat 和 servlet api。

问题如下：当客户端想要放置一些内容时，它会执行一个带有“Expect: 100-continue”标头的 PUT 请求，Tomcat 通过简单地返回状态 100 Continue 来处理它，然后客户端开始发送请求的剩余部分，并且它被我们的自定义过滤器处理并且通常它不会通过（例如用户未授权，或者试图放置太大的文件，超过用户限制，或其他）。过滤器立即发送错误响应，但客户端仅在提交完整请求正文时才读取响应。

似乎不可能手动发送一些东西而不是 100 Continue 状态，当一些检查失败时，并且这种行为被硬编码到tomcat中，当不可能时，有没有其他方法不上传请求正文？

我正在使用 Cortex-A8 处理器，但我不明白如何使用该-mfpu标志。

在 Cortex-A8 上，有vfpv3和neon协处理器。以前我不知道如何使用霓虹灯，所以我只使用

gcc -marm -mfloat-abi=softfp -mfpu=vfpv3

现在我已经了解了 SIMD 处理器是如何运行的，并且我已经使用 NEON 内部函数编写了某些代码。现在要使用 neon 协处理器，我的 -mfpu 标志必须更改为-mfpu=neon，所以我的编译器命令行如下所示

gcc -marm -mfloat-abi=softfp -mfpu=neon

现在，这是否意味着vfpv3不再使用 my 了？我有很多没有使用 NEON 的代码，这些部分没有使用vfpv3.

如果仍然使用 neon 和 vfpv3，那么我没有问题，但如果只使用其中一个，我该如何同时使用它们？

好的，我在最后一天一直在敲我的头，我确信这很简单，所以就这样吧。为什么这段代码不起作用？我正在使用 Xcode 3.2.5 和 LLVM，当我尝试编译这样的东西时：

我收到错误消息：“从不兼容的类型'int'分配给'int16x8_t'”我所有其他内在函数都可以正常工作，但由于某种原因我无法重新解释向量。有任何想法吗？提前致谢。

我正在尝试改进在 ARM cortex-a8 处理器上运行的图像处理项目。

我正在从内存中访问 8 位灰度图像数据。在我的函数中，现在我正在逐字节访问单个像素值。

我认为通过使用 NEON，我可以通过一次从内存中访问 128/8 = 16 个字节来改进这一点，然后在我的函数中使用它们。但是在运行更改后的版本时，我发现这实际上比逐字节访问要花费更多时间。我认为我使用 NEON 的获取正在成为一个瓶颈，花费的时间比我的计算时间还多。

ARM Cortex-A8 的数据总线大小是多少？在一次内存提取中从内存中访问了多少字节？

这个问题与 ARM NEON 内在函数有关。我正在使用 ARM neon 内在函数来实现 FIR。我想重新排序四字向量数据。例如，在 Neon 寄存器中有四个 32 位元素 - 例如 Q0 - 大小为 128 位。

A3 A2 A1 A0

我想将 Q0 重新排序为 A0 A1 A2 A3。

有什么选择吗？

考虑以下 NEON 优化函数：

为什么 GCC 4.5 会生成这种可憎的东西，用于加载第一个矩阵：

…而不仅仅是：

……？

我使用的选项：

请注意，使用 iPhoneOS 提供的编译器会产生相同的结果：

在我当前的项目中，我必须比较 128 位值（实际上是 md5 哈希），我认为可以通过使用 SSE 指令来加速比较。我的问题是我无法找到关于 SSE 说明的好的文档；我正在寻找一个 128 位整数比较指令，让我知道一个散列是否更大、更小或等于另一个。这样的指令存在吗？

PS：目标机器是带有SSE2指令的x86_64服务器；我也对同一工作的 NEON 指令感兴趣。

我有一个 ARGB 像素存储在 128 位 NEON 寄存器中，每个通道 32 位。我需要将它作为 8 位通道 ARGB（缩小和饱和）存储到内存中。

我在 vmla.32 q1, q2, d0 之后得到了结果；想知道我是否可以通过 mul 指令直接节省一些周期来实现缩小或饱和。

最好的方法是什么？