问题标签 [sve]

我正在寻找有关 Arm 的新可扩展矢量单元 (SVE) 的信息。对我来说，使用能够并行计算 2048 位的蜜蜂进行图像处理等等，这看起来非常好。但我不确定它是否会在每个 Armv8（如 RPI 3）上运行，或者只是在某些超级计算机上运行。是否有人知道它将包含在 Linux 内核中的时间范围。

我阅读了 2016 年 8 月公告中的链接。但我希望能获得更新的信息。

我发现 ARMv8 现在支持来自128 bits to 2048 bits( scalable vector extension SVE) 的可变长度向量寄存器。具有更大的寄存器宽度以实现数据级并行性总是好的。但是，我们需要在什么基础上选择从 128 位到 2048 位的寄存器大小以实现最大性能呢？

例如，我想在 1920 X 1080 Y 图像上使用 3x3 掩码进行 Sobel 过滤。我需要选择什么寄存器宽度？

我想使用开源工具使用新的ARM SVE 指令。

作为开始，我想组装出现在以下位置的最小示例：https ://developer.arm.com/docs/dui0965/latest/getting-started-with-the-sve-compiler/assemble-sve-code

但是，当我在我的 Ubuntu 16.04 上尝试时：

它不识别任何 SVE 汇编指令，例如：

我认为这是因为我的 GNU AS 2.26.1 太旧并且还没有 SVE 支持。

我也可以使用 LLVM 或任何其他开源汇编程序。

一旦我设法组装，我想在 QEMU 用户模式下运行它，因为3.0.0 支持 SVE。

我目前正在移植一些应用程序以使用 ARM SVE 功能和 SVE 的 ARM C 语言扩展中定义的内在函数。

在检查文档后，我遇到了两个函数来使用归约来总结浮点向量的元素。那是使用从左到右和基于树的减少。

文档：

这些函数 (ADDV) 对浮点向量的所有活动元素求和。他们使用基于树而不是从左到右的缩减，因此结果可能与 ADDA 产生的结果不同。”

为什么基于树的归约不同于从左到右的归约？他们的意思是因为舍入错误还是我遗漏了什么？

我想编写一个 SVE/SVE2 代码（汇编和/或 C 内在）代码。哪个版本的 GNU 支持 SVE / SVE2？如果支持的话，我也对自动矢量化感兴趣。

我正在尝试使用 AArch64 SVE（或SVE2）实现 SIMD 算法，该算法采用元素列表并仅选择满足特定条件的元素。它通常被称为 Left Packing ( SSE/AVX/AVX-512 ) 或 Stream Compaction ( CUDA )？

是否可以使用 SVE 对该操作进行矢量化？

等效的 SQL 和标量代码可能如下所示：

可以使用 AVX-512 在 SIMD 中对其进行矢量化

如何使用 AArch64 SVE 实现它？有没有类似 AVX-512 compress_store的函数来压缩稀疏数据？

注意：SVE 既有 collect 也有scatter，详情请参阅SVE 的简短介绍。但我找不到等效的 SVE / 2 指令来保持元素的相对顺序。

我正在尝试在 Mac Intel 上使用 SVE 生成和运行一些 ARMv8 二进制文件，以确切了解 gdb 内部装配级别发生的情况，但我遇到了几个障碍。

支持 SVE（gcc 和 gdb）的工具链：如果我能够从不同的来源（ARM 网站，brew）轻松找到 macOS 上的 ARM 工具链，那么似乎没有一个支持 SVE。通过-march=armv8.5-a+sve给出以下错误：'armv8.5-a' does not support feature 'sve'

执行代码：qemu 似乎是最好的选择。但是，qemu-aarch64在 macOS 上似乎不存在，qemu-system-aarch64似乎只是为了启动一个完整的 ARM 操作系统。

有没有办法实现我想要做的事情？

此外，我阅读了以下说明：

那么，它们的作用和区别是什么？