工程建设标准强制性条文最新版本,seo分析,安徽网络优化公司排名,移动端显卡天梯图2021「发表于知乎专栏《移动端算法优化》」 本文主要介绍了 NEON 指令相关的知识#xff0c;首先通过讲解 arm 指令集的分类#xff0c;NEON寄存器的类型#xff0c;树立基本概念。然后进一步梳理了 NEON 汇编以及 intrinsics 指令的格式。最后结合指令的分类#xff0c;使用例…「发表于知乎专栏《移动端算法优化》」 本文主要介绍了 NEON 指令相关的知识首先通过讲解 arm 指令集的分类NEON寄存器的类型树立基本概念。然后进一步梳理了 NEON 汇编以及 intrinsics 指令的格式。最后结合指令的分类使用例子讲述 NEON 指令的使用方法。 个人简介一个全栈工程师的升级之路 个人专栏高性能HPC开发基础教程 CSDN主页 发狂的小花 人生秘诀学习的本质就是极致重复! 目录
一、 概述
二、NEON指令格式
2.1 Armv7Armv8Armv9的介绍
2.2 向量寄存器介绍
2.2.1 AArch64 向量寄存器
2.2.2 AArchh32 / ARMV7向量寄存器
2.3 汇编指令格式介绍
2.3.1 AArch64汇编指令格式
2.3.2 AArch32 / Armv7汇编指令格式
2.4 intrinsics指令格式
2.4.1 向量类型格式
2.4.2 NEON内联函数格式
三、intrinsics 指令介绍
3.1 intrinsics指令分类
3.2 NEON intrinsics指令详述
3.2.1 Load/Store
3.2.2 Arithmetic
3.2.3 Multiply
3.2.4 Shift
3.2.5 Logical and compare
3.2.6 Floating-point
3.2.7 Permutation
3.2.8 Miscellaneous
3.2.9 Data processing
3.2.10 Type conversion
四、NEON intrisics 指令在x86平台的仿真
五、 NEON指令的应用
5.1 RGB de-interleave 加载 / interleave 存储
5.2 查表操作
5.3 边缘处理
5.4 SAD操作
六、总结 一、 概述
ARM NEON 可以提升计算机视觉等计算密集型程序的性能编译器可以将 C/C 代码自动转换为 NEON 指令。但是想要有更好的性能还是需要手工编写 NEON 代码熟练掌握 NEON 指令是第一步。
本文接下来会详细的介绍 Armv7 和 Armv8 架构下 NEON 向量寄存器、NEON 汇编指令格式、NEON Intrinsics 指令格式、常用的 Intrinsics 指令以及作用、在 x86 平台调试 NEON 代码最后针对几个常用的 Intrinsics 指令结合实例进行说明。
二、NEON指令格式
2.1 Armv7Armv8Armv9的介绍
Armv7-A 和 Armv8-A 的关系如下图所示: ARM ISA
Armv8-A 的执行状态可以分为 AArch64 和 AArch32 两种状态。
AArch64 是 64 位执行状态支持 A64 指令集。AArch32 是 32 位执行状态支持 T32 和 A32 指令集同时 AArch32 与 AArch64 中一些的功能保持一致而且 AArch32 兼容 Armv7-A。
ARMV8 支持浮点类型的除法向量操作这是ARMV7所没有的。另外AArch64还支持double类型的操作。
Armv9-A 是 arm 当前最新的指令架构Armv9-A 除了向前兼容 Armv8-A在性能计算上有了很大的提升主要表现在安全、AI 以及改进矢量扩展SVE2和 DSP 能力。
2.2 向量寄存器介绍
向量寄存器用来存放向量数据每个向量元素的类型必须相同。向量寄存器根据处理元素的大小可以划分为 2/4/8/16 个通道。 SIMD register
2.2.1 AArch64 向量寄存器
AArch64 有 32 个 128bit 的向量寄存器这些寄存器又可以划分为
32 个 128bit 的 V 寄存器V0~V31。32 个 64bit 的 D 寄存器D0~D31。32 个 32bit 的 S 寄存器S0~S31。
每种类型寄存器的映射关系如下 AArch64 SIMD register
2.2.2 AArchh32 / ARMV7向量寄存器
AArch32/Armv7 有 16 个 128bit 的向量寄存器这些寄存器又可以划分为
16 个128bit 的 Q 寄存器Q0~Q15。32 个 64bit 的 D 寄存器D0~D31。32 个 32bit 的 S 寄存器S0~S31。
每种类型寄存器的映射关系如下 AArch32 SIMD register
2.3 汇编指令格式介绍
AArch64 与AArch32 / Armv7-A 的 NEON 汇编指令除了种类上存在差异格式上也存在很大差异。
其中指令中有一些通用的书写格式, 含义如下:
{}, 表示可选项, 表示必选项
2.3.1 AArch64汇编指令格式
{prefix}op{suffix} Vd.T, Vn.T, Vm.T
1prefix 表示前缀名字包括以下几类
S/U/F/P表示数据类型分别为 有符号整型/无符号整型/浮点型/布尔型。Q表示饱和Saturating计算。R表示舍入Rounding计算, Rounding 操作等价于加上 0.5 之后再截断。H表示折半Halving计算。D表示翻倍Doubling算。
2op 表示具体的操作例如 ADDSUB 等等
3suffix 表示后缀名字包括以下几类
V表示 Reduction 计算。P表示 Pairwise 计算。H表示结果只取每个通道的高半部分High。L/N/W/L2/N2/W2表示数据长度的变化 L / L2 表示输出向量是输入向量长度的 2 倍其中 L 表示输入寄存器的低 64bit 数据有效L2 表示输入寄存器的高 64bit 数据有效。 L/L2 N/N2表示输出向量是输入向量的 1/2 倍N 表示输出向量只有低 64bit 有效N2 则表示输出向量只有高 64bit 有效。 N/N2 W/W2表示输出向量和第一个输入向量长度相等且这两个向量是第二个向量长度的 2 倍其中 W 表示第二个输入向量的低 64bit 有效W2 表示第二输入向量的高 64bit 有效。 W/W2
4T 表示单个通道的数据类型8B/16B/4H/8H/2S/4S/2DB 表示 8bitH 表示 16bitS 表示 32bitD 表示 64bit。
汇编指令例子
SQRSHRN2 表示对向量进行 Rouding 类型的右移操作并对结果做饱和计算最后将结果赋给目的向量的高半部分并保持低半部分不改变具体示例如下
// 指令语句作用
// 将 V2 向量中每个元素按照 Rounding 方式右移动 2 位然后对结果做饱和操作,
// 并将结果保存到V0上半部分而且保证V0的下半部分保持不变
// 指令格式说明
// S -- 表示有符号操作
// Q -- 表示饱和操作
// R -- 表示舍入操作
// SHR -- 表示向右位移
// N2 -- 表示将结果保存到输出向量的高 64bit
// V2.2D -- 表示输入向量寄存器长度为 128bit一共两个通道每个通道 64bit
// V0.4S -- 表示输出向量寄存器长度为 128bit一共四个通道每个通道 32bitSQRSHRN2 V0.4S,V2.2D,2// 伪代码如下:
int shift 2;
int round_const (1 (shift - 1));
V0[2] SAT((V2[0] round_const) shift)
V0[3] SAT((V2[1] round_const) shift)SQRSHRN2
2.3.2 AArch32 / Armv7汇编指令格式
V{mod}op{shape}{cond}{.dt}dest1{,dest2},src1{,src2}
1V AArch32 / Armv7 的汇编指令以V开头
2mod 该修饰字可以表示为以下类型
Q, 表示饱和Saturating计算。R, 表示舍入Rounding计算Rounding 操作等价于加上 0.5 之后再截断。H, 表示折半Halving计算。D, 表示翻倍Doubling计算。
3op 表示具体的操作例如 ADDSUB等等
4shape 表示数据长度的变化L/N/W。
5cond 表示指令执行的条件
6.dt 表示数据类型默认为第二个操作数的数据类型。如果第二个操作数不存在为第一个操作数类型仍不存在为结果操作数类型。
7dest 表示输出操作数
8src1 src2表示两个输入操作数
汇编指令例子
VQDMULL 表示两向量相乘结果乘以 2。
// 指令语句作用
// 64bit 向量 D1 和 D3 中每个元素对应相乘并将结果乘以 2
// 最后的结果做饱和之后赋值给 128bit 向量 Q0
//
// 指令格式说明:
// Q -- 表示饱和操作
// D -- 表示 doubling 操作即乘以 2
// MUL -- 表示乘法操作
// L -- 输出向量是输入向量长度的 2 倍
// .S16 -- 表示操作元素的数据类型为有符号 16bit
// Q0 -- 表示输出向量寄存器长度为 128bit
// D1 -- 表示输入向量寄存器长度为 64bit
// D3 -- 表示输入向量寄存器长度为 64bitVQDMULL.S16 Q0, D1, D3// 伪代码
for (int i 0; i 4; i)
{q0[i] SAT(d1[i] * d3[i] * 2)
}VQDMULL.S16
2.4 intrinsics指令格式
相比于汇编指令NEON Intrinsics 是一种更简单的编写 NEON 代码的方法NEON Intrinsics 类似于 C 函数调用在编译时由编译器替换为相应的汇编指令使用时需要包含头文件arm_neon.h。
2.4.1 向量类型格式
// 非数组向量格式
typesizexnumber_of_lanes_t
// 数组向量格式
typesizexnumber_of_lanesxlength_of_array_t1type 数据类型如 int/uint/float/poly。
2size 元素大小如8/16/32/64。
3) number_of_lanes 通道数。
4) length_of_array 数组中元素个数。 向量类型示意图
2.4.2 NEON内联函数格式
vmodopnameshapeflags_type1mod
q表示饱和计算例如
// a加b的结果做饱和计算
int8x8_t vqadd_s8(int8x8_t a, int8x8_t b); h表示折半计算例如
// a减b的结果右移一位
int8x8_t vhsub_s8(int8x8_t a, int8x8_t b); d表示加倍计算例如
// a乘b的结果扩大一倍, 最后做饱和操作
int32x4_t vqdmull_s16(int16x4_t a, int16x4_t b); r表示舍入计算例如
// 将a与b的和减半,同时做rounding 操作, 每个通道可以表达为: (ai bi 1) 1
int8x8_t vrhadd_s8(int8x8_t a, int8x8_t b); p表示pairwise计算。例如
// 将a, b向量的相邻数据进行两两和操作
int8x8_t vpadd_s8(int8x8_t a, int8x8_t b);2) opname 表示具体操作比如 addsub。
3) shape
l表示long输出向量的元素长度是输入长度的2倍例如
uint16x8_t vaddl_u8(uint8x8_t a, uint8x8_t b);n表示 narrow输出向量的元素长度是输入长度的1/2倍例如
uint32x2_t vmovn_u64(uint64x2_t a);w表示 wide第一个输入向量和输出向量类型一样且是第二个输入向量元素长度的2倍例如
uint16x8_t vsubw_u8(uint16x8_t a, uint8x8_t b);_highAArch64专用而且和 l/n 配合使用。 当使用 l(Long) 时表示输入向量只有高 64bit 有效当使用 n(Narrow) 时表示输出只有高 64bit 有效。
// a 和 b 只有高 64bit 参与运算
int16x8_t vsubl_high_s8(int8x16_t a, int8x16_t b);_n表示有标量参与向量计算例如
// 向量 a 中的每个元素右移 n 位
int8x8_t vshr_n_s8(int8x8_t a, const int n);_lane 指定向量中某个通道参与向量计算例如
// 取向量 v 中下标为 lane 的元素与向量 a 做乘法计算
int16x4_t vmul_lane_s16(int16x4_t a, int16x4_t v, const int lane);4) flags
q表示使用 128bit 的向量否则使用 64bit 的向量。
5) type 表示单个通道的数据类型有u8、s8、u16、s16、u32、s32、f32、f64。 内联函数结构示意图
三、intrinsics 指令介绍
3.1 intrinsics指令分类
功能类别介绍Load/Store对数据进行向量加载和存储既可以对单个数据进行加载和存储也可以对向量结构体数据进行加载和存储Arithmetic对整数和浮点数向量加减运算Multiply整型或浮点型的向量乘法运算同时包含了乘法和加法混合运算以及乘法和减法的运算的混合运算Shift向量位移操作其中位移数据可以是立即数也可以是向量Logical and compare包含了逻辑运算与或非运算等和比较运算等于、大于、小于等Floating-point包含了浮点和其他类型数据之间的相互转化操作Permutation对向量进行重排操作Misecllaneous标量数据赋值到向量的操作Data processing一般性处理极值操作、绝对值差、数值取反、平方根倒数等Type conversion数值类型转换数据的组合及提取等
3.2 NEON intrinsics指令详述
本节将对每种类型的 NEON intrinsics 指令做出详细的描述。
3.2.1 Load/Store
以解交织的方式加载数据
// 以解交织方式加载数据到n个向量寄存器, n为1~4
Result_t vld[n]q_type(Scalar_t *p_addr);// 以解交织方式加载数据到n个向量寄存器的第N通道, n为1~4
Result_t vld[n]q_lane_type(Scalar_t *p_addr, Vector_t M, int N);以交织的方式存储数据
// 将n个向量寄存器数据以交织方式存储到内存中, n为1~4
void vst[n]q_type(Scalar_t* N, Vector_t M);// 将n个寄存器的N通道数据以交织方式存储到内存中, n为1~4
void vst[n]q_lane_type(Scalar_t *p_addr, Vector_t M, int N);2 个向量中多通道 load/store, 以及单个通道的load/store
3.2.2 Arithmetic
整数和浮点数的加减运算。
// 基本的加减操作
Result_t vaddq_type(Vector1_t N, Vector2_t M);
Result_t vsubq_type(Vector1_t N, Vector2_t M);// L(Long)类型的指令加减运算输出向量长度是输入的两倍。
Result_t vaddl_type(Vector1_t N, Vector2_t M);
Result_t vsubl_type(Vector1_t N, Vector2_t M);// W(Wide)类型的指令加减运算第一个输入向量的长度是第二个输入向量长度的两倍。
Result_t vaddw_type(Vector1_t N, Vector2_t M);
Result_t vsubw_type(Vector1_t N, Vector2_t M);// H(half)类型的加减运算将计算结果除以2。
Result_t vhaddq_type(Vector1_t N, Vector2_t M);
Result_t vhsubq_type(Vector1_t N, Vector2_t M);// Q(Saturated)饱和类型的加减操作
Result_t vqaddq_type(Vector1_t N, Vector2_t M);
Result_t vqsubq_type(Vector1_t N, Vector2_t M);// RH(Rounding Half)类型的加减运算
Result_t vrhaddq_type(Vector1_t N, Vector2_t M);
Result_t vrhsubq_type(Vector1_t N, Vector2_t M);// HN(half Narrow)类型的加减操作
Result_t vaddhn_type(Vector1_t N, Vector2_t M);
Result_t vsubhn_type(Vector1_t N, Vector2_t M);// RHN(rounding half Narrow)类型的加减操作
Result_t vraddhn_type(Vector1_t N, Vector2_t M);
Result_t vrsubhn_type(Vector1_t N, Vector2_t M);vhadd_s32 instrisics指令的操作
3.2.3 Multiply
整型和浮点型的乘法运算, 参与计算的都是向量
// 基本乘法操作
Result_t vmulq_type(Vector1_t N, Vector2_t M);// l(Long)类型的乘法操作
Result_t vmull_type(Vector1_t N, Vector2_t M);// QDL(Saturated, Double, Long)类型的乘法操作
Result_t vqdmull_type(Vector1_t N, Vector2_t M);// 基本的乘加和乘减操作
Result_t vmlaq_type(Vector1_t N, Vector2_t M, Vector3_t P);
Result_t vmlsq_type(Vector1_t N, Vector2_t M, Vector3_t P);// L(Long)类型的乘加和乘减操作
Result_t vmlal_type(Vector1_t N, Vector2_t M, Vector3_t P);
Result_t vmlsl_type(Vector1_t N, Vector2_t M, Vector3_t P);// QDL(Saturated, Double, Long)类型的乘加和乘减操作
Result_t vqdmlal_type(Vector1_t N, Vector2_t M, Vector3_t P);
Result_t vqdmlsl_type(Vector1_t N, Vector2_t M, Vector3_t P);// QDLH(Saturated, Double, Long, Half)类型的乘法操作
Result_t vqdmulhq_type(Vector1_t N, Vector2_t M);// QRDLH(Saturated, Rounding Double, Long, Half)类型的乘法操作
Result_t vqrdmulhq_type(Vector1_t N, Vector2_t M);带通道类型的乘法操作
// 基本的乘法操作
Result_t vmull_lane_type(Vector1_t N, Vector2_t M, int n);// 基本的乘加和乘减操作
Result_t vmlaq_lane_type(Vector1_t N, Vector2_t M, Vector3_t P, int n);
Result_t vmlsq_lane_type(Vector1_t N, Vector2_t M, Vector3_t P, int n);// L(long) 类型的乘加和乘减操作
Result_t vmlal_lane_type(Vector1_t N, Vector2_t M, Vector3_t P, int n);
Result_t vmlsl_lane_type(Vector1_t N, Vector2_t M, Vector3_t P, int n);// QDL(Saturated, Double, long) 类型的乘加和乘减操作
Result_t vqdmlal_lane_type(Vector1_t N, Vector2_t M, Vector3_t P, int n);
Result_t vqdmlsl_lane_type(Vector1_t N, Vector2_t M, Vector3_t P, int n);// QDH(Saturated, Double, Half) 类型的操作
Result_t vqdmulhq_lane_type(Vector1_t N, Vector2_t M, int n);vmla_lane_s32 intrinsics 指令的操作
向量和标量的乘法
// 基本的向量和标量的乘法
Result_t vmulq_n_type(Vector_t N, Scalar_t M);// L(Long) 类型的向量和标量的乘法
Result_t vmull_n_type(Vector_t N, Scalar_t M);// QDL(Saturated, Double, long) 类型的向量和标量的乘法
Result_t vqdmull_n_type(Vector_t N, Scalar_t M);// QDH(Saturated, Double, Half) 类型的向量和标量的乘法
Result_t vqdmulhq_n_type(Vector_t N, Scalar_t M);// QRDH(Saturated, Double, Half) 类型的向量和标量的乘法
Result_t vqrdmulhq_n_type(Vector_t N, Scalar_t M);// L(Long) 类型的乘加和乘减操作
Result_t vmlal_n_type(Vector1_t N, Vector2_t M, Scalar_t P);
Result_t vmlsl_n_type(Vector1_t N, Vector2_t M, Scalar_t P);// QDL(Saturated, Double, long) 类型的乘加和乘减
Result_t vqdmlal_n_type(Vector1_t N, Vector2_t M, Scalar_t P);
Result_t vqdmlsl_n_type(Vector1_t N, Vector2_t M, Scalar_t P);3.2.4 Shift
立即数类型的位移
// 基本的立即数左移和右移
Result_t vshrq_n_type(Vector_t N, int n);
Result_t vshlq_n_type(Vector_t N, int n);// R(rounding) 类型的右移操作
Result_t vrshrq_n_type(Vector_t N, int n);// QL(Saturated, long) 类型的右移操作
Result_t vqshlq_n_type(Vector_t N, int n);// 右移累加操作
Result_t vsraq_n_type(Vector1_t N, Vector2_t M, int n);// R(rounding) 类型的右移累加操作
Result_t vrsraq_n_type(Vector1_t N, Vector2_t M, int n);// Q(Saturated) 类型的左移操作,而且输入是有符号,输出是无符号的
Result_t vqshluq_n_type(Vector_t N, int n);// N(Narrow) 类型的右移操作
Result_t vshrn_n_type(Vector_t N, int n);// QN(Saturated, Narrow) 类型的右移操作, 而且输入是有符号,输出是无符号的
Result_t vqshrun_n_type(Vector_t N, int n);// QRN(Saturated, Rounding, Narrow) 类型的右移操作, 而且输入是有符号,输出是无符号的
Result_t vqrshrun_n_type(Vector_t N, int n);// QN(Saturated, Narrow) 类型的右移操作
Result_t vqshrn_n_type(Vector_t N, int n);// RN(Rounding, Narrow) 类型的右移操作
Result_t vrshrn_n_type(Vector_t N, int n);// QRN(Rounding, Rounding, Narrow) 类型的右移操作
Result_t vqrshrn_n_type(Vector_t N, int n);// N(Narrow) 类型的左移操作
Result_t vshll_n_type(Vector_t N, int n);非立即数类型的位移
// 左移
Result_t vshlq_type(Vector1_t N, Vector2_t M);// Q(Saturated) 类型的左移操作
Result_t vqshlq_type(Vector1_t N, Vector2_t M);// QR(Saturated, rounding) 类型的左移操作
Result_t vrshlq_type(Vector1_t N, Vector2_t M);移位并插入
// 将向量 M 中各个通道先右移动 n 位, 然后将移动后元素插入到 N 对应的元素中,
// 并保持 N 中每个元素的高 n 位保持不变
Result_t vsriq_n_type(Vector1_t N, Vector2_t M, int n);// 将向量 M 中各个通道先左移动 n 位, 然后将移动后元素插入到 N 对应的元素中,
// 并保持 N 中第每个元素的低 n 位保持不变
Result_t vsliq_n_type(Vector1_t N, Vector2_t M, int n);vsliq_n_u32 intrinsics 指令的操作
3.2.5 Logical and compare eq 表示相等 ge 表示大于或等于 gt 表示大于 le 表示小于或等于 lt 表示小于 逻辑比较操作比较结果为true输出向量的对应通道将被设置为全 1否则设置为全0 。
Result_t vceqq_type(Vector1_t N, Vector2_t M);
Result_t vcgeq_type(Vector1_t N, Vector2_t M);
Result_t vcleq_type(Vector1_t N, Vector2_t M);
Result_t vcgtq_type(Vector1_t N, Vector2_t M);
Result_t vcltq_type(Vector1_t N, Vector2_t M);向量的绝对值比较比较结果为true时输出向量对应通道将被设置为全1否则设置为全0。
Result_t vcageq_type(Vector1_t N, Vector2_t M);
Result_t vcaleq_type(Vector1_t N, Vector2_t M);
Result_t vcagtq_type(Vector1_t N, Vector2_t M);
Result_t vcaltq_type(Vector1_t N, Vector2_t M);- 按位与\或\非\异或操作
Result_t vandq_type(Vector1_t N, Vector2_t M);
Result_t vorrq_type(Vector1_t N, Vector2_t M);
Result_t vmvnq_type(Vector_t N);
Result_t veorq_type(Vector1_t N, Vector2_t M);vmvn_s32 intrinsics 指令操作
元素与操作
// 按通道做与操作为 true 时将输出向量对应通道设置为全 1否则设置为全 0
Result_t vtstq_type(Vector1_t N, Vector2_t M);其他
// M 作为 mask标识是否对 N 做清零操作。当 M 中某位为 1, 则将 N 中对应位清零
Result_t vbicq_type(Vector1_t N, Vector2_t M);// P 作为 mask按位 select。当 P 中某位是 1 时将选择 N 中对应位作为输出否则选择 M
Result_t vbslq_type(Vector1_t N, Vector2_t M, Vector3_t P);3.2.6 Floating-point
浮点数之间的转化, 以及浮点类型与整数类型之间的转化
// 单精度浮点转化为整数类型
Result_t vcvtq_type_f32(Vector_t N);// 整数类型转化为单精度浮点
Result_t vcvtq_f32_type(Vector_t N);// f16转化为f32
Result_t vcvt_f16_f32(Vector_t N);// f32转化为f16
Result_t vcvt_f32_f16(Vector_t N);浮点类型的乘加操作
Result_t vfmaq_type(Vector1_t N, Vector2_t M, Vector3_t P);浮点类型的乘减操作
Result_t vfmsq_type(Vector1_t N, Vector2_t M, Vector3_t P);vfms intrinsics 指令操作
3.2.7 Permutation
向量提取组合操作
Result_t vextq_type(Vector1_t N, Vector2_t M, int n);vextq_u8 intrinsics 指令操作
查表操作
Result_t vtbl[n]_type(Vector1_t N, Vector2_t M);
Result_t vtbx[n]_type(Vector1_t N, Vector2_t M, Vector3_t P);向量翻转操作
Result_t vrev64q_type(Vector_t N);
Result_t vrev32q_type(Vector_t N);
Result_t vrev16q_type(Vector_t N);vrev16q_type 按照 16bit 为块块内数据按照 8bit 为单位进行翻转 。 vrev32q_type 按照 32bit 为块块内数据按照 8bit16bit 为单位进行翻转 。 vrev64q_type 按照 64bit 为块块内数据按照8bit, 16bit, 32bit为单位进行翻转 。 vrev16_s8, vrev32_s8 intrinsics 指令操作
旋转操作
旋转指令包含了两种矩阵旋转的指令 TRN1, TRAN2 Result_t vtrn1q_type(Vector1_t N, Vector2_t M);
Result_t vtrn2q_type(Vector1_t N, Vector2_t M);vtrn1q_s32, vtrn2q_s32 intrinsics 指令操作 向量交织和解交织操作
// 交织操作
Result_t vzipq_type(Vector1_t N, Vector2_t M);// 解交织操作
Result_t vuzpq_type(Vector1_t N, Vector2_t M);vzip_u8 intrinsics 指令操作
3.2.8 Miscellaneous
将同一个标量填充到每个向量通道
Result_t vcreate_type(Scalar_t N);
Resutl_t vdup_type(Scalar_t N);
Result_t vdup_n_type(Scalar_t N);
Result_t vdupq_n_type(Scalar_t N);
Result_t vmov_n_type(Scalar_t N);
Result_t vmovq_n_type(Scalar_t N);将向量中某个通道的数据填充到指定的向量中
Result_t vdupq_lane_type(Vector_t N, int n);vdup_lane_s32 intrinsics 指令操作
3.2.9 Data processing
max\min操作
// 基本的 max, min
Result_t vmaxq_type(Vector1_t N, Vector2_t M);
Result_t vminq_type(Vector1_t N, Vector2_t M);// pairwise 类型的 max min
Result_t vpmax_type(Vector1_t N, Vector2_t M);
Result_t vpmin_type(Vector1_t N, Vector2_t M);vpmin_s16 intrinsics 指令操作
差的绝对值操作
// 基本的绝对值计算
Result_t vabsq_type(Vector_t N);// 差的绝对值操作
Result_t vabdq_type(Vector1_t N, Vector2_t M);// L(Long)类型, 差的绝对值
Result_t vabdl_type(Vector1_t N, Vector2_t M);// 差的绝对值并和另一个向量相加
Result_t vabaq_type(Vector1_t N, Vector2_t M, Vector3_t P);// L(Long)类型, 差的绝对值并和另一个向量相加, 输出是输入长度的两倍
Result_t vabal_type(Vector1_t N, Vector2_t M, Vector3_t P);取反操作
// 基本的取反操作
Result_t vnegq_type(Vector_t N);// Q(Saturated)类型带饱和的取反操作
Result_t vqnegq_type(Vector_t N);按位统计 0 或 1 的个数
// 统计每个通道 1 的个数
Result_t vcntq_type(Vector_t N);// 从符号位开始统计每个通道中与符号位相同的位的个数且这些位必须是连续的
Result_t vclsq_type(Vector_t N);// 从符号位开始统计每个通道连续0的个数
Result_t vclzq_type(Vector_t N);倒数和平方根求倒计算
// 对每个通道近似求倒
Result_t vrecpeq_type(Vector_t N);// 对每个通道使用 newton-raphson 求倒
Result_t vrecpsq_type(Vector1_t N, Vector2_t M);// 对每个通道平方根近似求倒
Result_t vrsqrteq_type(Vector_t N);// 对每个通道使用 newton-raphson 平方根近似求倒
Result_t vrsqrtsq_type(Vector1_t N, Vector2_t M);向量赋值
// N(Narrow) 类型的赋值取输入每个通道的高半部分赋给目的向量
Result_t vmovn_type(Vector_t N);// L(long) 类型的赋值使用符号拓展或者 0 拓展的方式将输入通道的数据赋给输出向量
Result_t vmovl_type(Vector_t N);// QN(Saturated, Narrow) 类型的赋值饱和的方式赋值输出是输入宽度的两倍
Result_t vqmovn_type(Vector_t N);// QN(Saturated, Narrow) 类型的赋值饱和的方式赋值输出是输入宽度的两倍而且输入为有符号数据输出无符号
Result_t vqmovun_type(Vector_t N);3.2.10 Type conversion
元素类型的重新解释
Result_t vreinterpretq_DSTtype_SRCtype(Vector1_t N);两个 64bit 向量组合成一个 128bit 向量
Result_t vcombine_type(Vector1_t N, Vector2_t M);提取 128bit 向量的高半部分或则低半部分
Result_t vget_high_type(Vector_t N);
Result_t vget_low_type(Vector_t N);vget_low_s32 \ vget_high_s32 intrinsics 指令操作 四、NEON intrisics 指令在x86平台的仿真
为了便于 NEON 指令从 ARM 平台移植到 x86 平台使用Intel 提供了一套转化接口 NEON2SSE用于将 NEON 内联函数转化为 Intel SIMD(SSE) 内联函数。大部分 x86 平台 C/C编译器均支持 SSE因此只需下载并包含接口头文件NEON_2_SSE.h即可在x86平台调试 NEON 指令代码。
#ifdef ARM_PLATFORM
# include arm_neon.h
#else
# include NEON_2_SSE.h
#endifNEON2SSE 提供了 1700 多个 NEON 内联函数的转换接口运算结果确保与 ARM 平台准确一致。 性能方面
对于使用 128 位向量运算的 NEON 操作NEON2SSE 在 x86 平台能得到与 ARM 类似的加速比如果使用 64 位向量做 NEON 运算x86 平台的加速比将低于 ARM 平台。
五、 NEON指令的应用
本节将会结合实际应用场景介绍 NEON 指令的使用方法。
5.1 RGB de-interleave 加载 / interleave 存储
使用 vld3q 以解交织的方式加载 RGB 图像vst3q 以交织的方式存储 RGB 图像。
// 输入地址为 in_ptr, 输出向量为 vec
uint8x16x3_t vec vld3q(in_ptr);// 输出地址为 out_ptr, 输入为 uint8x16x3_t 类型的 RGB 向量
vst3q(out_ptr, vec);load/store 示意图
5.2 查表操作
大多数的重排操作中重排模式都是固定的这在使用上带来了一定的局限性。
NEON 在常规重排指令外支持使用TBL和TBX指令来完成任意模式的重排操作这两条指令本身也是查表指令。
TBL和 TBX 输入参数介绍: 向量类型的下标通过下标向量到表中查找对应的元素。向量类型的表最多可以有 4 个寄存器向量值。
这两条指令使用下标向量到对应表中索引数据并把找到的数据存放到输出向量中去。 TBL和 TBX的不同在于当没有索引值超过范围时 TBL返回 0 TBX保持原有目的数据不变。 // a表示table, b表示index, c表示结果
uint8x8_t c vtbl2_u8(a, b)vtbl2_u8 intrisics 操作
5.3 边缘处理
处理图像边缘时经常会有使用常数填充边界的情况。
NEON 开发中可以使用DUP指令将常数填充到向量中然后使用EXT指令组建新向量。
例如 7x7 的 boxfilter处理边界时需要填充 3 个像素的值。 EXT指令还常常用于滤波向量的重组操作。
// 构造边界填充向量
uint8_t c_0 0;
uint8x8_t v_c0 v_dup_n_u8(c_0);// 构建v_1
uint8x8_t v_1 vext_u8(v_c0, v_0, 5)// 使用 vext 构建边界向量v0 表示从纵坐标为 0 起始的向量
uint8x8_t v_border vext_u8(v_1, v_c0, 3)边界扩展示意图
5.4 SAD操作
SAD(sum of absolute difference) 运算可以使用 NEON 指令来加速。
首先使用vabd做差的绝对值计算。然后使用vdot将上面的结果做累加。
// 初始化 v_sum 和 v_c1
uint32x4_t v_sum vmovq_n_u32(0);
uint8x16_t v_c1 vmovq_n_u8(1);// v_src0, v_src1为两幅图的输入
// 将做差的绝对值计算
uint8x16_t v_abd_res vabdq_u8(v_src0, v_src1);// 做 vdot操作
v_sum vdotq_u32(v_sum , v_abd_res, v_c1);
...
// 将最后的结果累加
uint32_t res vaddvq_u32(v_sum);NEON SAD 操作示意图
六、总结
本文主要介绍了 NEON 指令相关的知识首先通过讲解 arm 指令集的分类NEON寄存器的类型树立基本概念。然后进一步梳理了 NEON 汇编以及 intrinsics 指令的格式。最后结合指令的分类使用例子讲述 NEON 指令的使用方法。
七、附录
参考资料
[1] ARM Neon Programmers Guide
[2] ARM NEON programming quick reference
[3] ARM Architecture Reference Manual Armv8, for A-profile architecture
[4] https://developer.arm.com/architectures/instruction-sets/intrinsics/ 我的分享也就到此结束啦 如果我的分享也能对你有帮助那就太好了 若有不足还请大家多多指正我们一起学习交流 未来的富豪们点赞→收藏⭐→关注如果能评论下就太惊喜了 感谢大家的观看和支持最后☺祝愿大家每天有钱赚欢迎关注、关注
