ARM处理器从cortex系列开始集成NEON处理单元,该单元可以简单理解为协处理器,专门为矩阵运算等算法设计,特别适用于图像、视频、音频处理等场景,应用也很广泛。

  本文先对NEON处理单元进行简要介绍,然后介绍如何在内核态下使用NEON,最后列举实例说明。

一.NEON简介

  其实最好的资料就是官方文档,Cortex-A Series Programmer’s Guide ,以下描述摘自该文档

1.1 SIMD

  NEON采用SIMD架构,single instruction multy data,一条指令处理多个数据,NEON中这多个数据可以很多,而且配置灵活(8bit、16bit、32bit为单位,可多个单位数据),这是优势所在。

  如下图,APU需要至少四条指令完成加操作,而NEON只需要1条,考虑到ld和st,节省的指令更多。

linux kernel态下使用NEON对算法进行加速-LMLPHP

  上述特性,使NEON特别适合处理块数据、图像、视频、音频等。

1.2 NEON architecture overview

  NEON也是load/store架构,寄存器为64bit/128bit,可形成向量化数据,配合若干便于向量操作的指令。

1.2.1 commonality with VFP

1.2.2 data type

  linux kernel态下使用NEON对算法进行加速-LMLPHP

    指令中的数据类型表示,例如VMLAL.S8:

  linux kernel态下使用NEON对算法进行加速-LMLPHP

  1.2.3 registers 

  32个64bit寄存器,D0~D31;同时可组成16个128 bit寄存器,Q0~Q15。与VFP公用。

  linux kernel态下使用NEON对算法进行加速-LMLPHP

  寄存器内部的数据单位为8bit、16bit、32bit,可以根据需要灵活配置。

  linux kernel态下使用NEON对算法进行加速-LMLPHP

  

  NEON的指令有Normal,Long,Wide,Narrow和Saturating variants等几种后缀,是根据操作的源src和dst寄存器的类型确定的。

  linux kernel态下使用NEON对算法进行加速-LMLPHP

  linux kernel态下使用NEON对算法进行加速-LMLPHP

1.2.4 instruction set

  linux kernel态下使用NEON对算法进行加速-LMLPHP

linux kernel态下使用NEON对算法进行加速-LMLPHP

   1.3 NEON 指令分类概述

    指令比较多, 详细可参考Cortex-A Series Programmer’s Guide。可大体分为:

  • NEON general data processing instructions  
  • NEON shift instructions 
  • NEON logical and compare operations 
  • NEON arithmetic instructions
  • NEON multiply instructions 
  • NEON load and store element and structure instructions B.8 NEON and VFP pseudo-instructions

  简单罗列一下各指令

  linux kernel态下使用NEON对算法进行加速-LMLPHP

linux kernel态下使用NEON对算法进行加速-LMLPHP

linux kernel态下使用NEON对算法进行加速-LMLPHP

linux kernel态下使用NEON对算法进行加速-LMLPHP

    linux kernel态下使用NEON对算法进行加速-LMLPHP

    无循环左移,负数左移按右移处理。

    load和store指令不太好理解,说明一下。

    linux kernel态下使用NEON对算法进行加速-LMLPHP

 

1.4 NEON 使用方式

1.4.1 NEON使用方式

  NEON有若干种使用方式:

  •   C语言被编译器自动向量化,需要增加编译选项,且C语言编码时有若干注意事项。这种方式不确定性太大,没啥实用价值
  •   NEON汇编,可行,汇编稍微复杂一点,但是核心算法还是值得的
  •   intrinsics,gcc和armcc等编译器提供了若干与NEON对应的inline函数,可直接在C语言里调用,这些函数反汇编时会直接编程响应的NEON指令。这种方式比较实用与C语言环境,且相对简单。本文后续使用这种方式进行详细说明。

1.4.2  C语言NEON数据类型

    需包含arm_neon.h头文件,该头文件在gcc目录里。都是向量数据。

typedef __builtin_neon_qi int8x8_t    __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_hi int16x4_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_si int32x2_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_di int64x1_t;
typedef __builtin_neon_sf float32x2_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_poly8 poly8x8_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_poly16 poly16x4_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_uqi uint8x8_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_uhi uint16x4_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_usi uint32x2_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_udi uint64x1_t;
typedef __builtin_neon_qi int8x16_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_hi int16x8_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_si int32x4_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_di int64x2_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_sf float32x4_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_poly8 poly8x16_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_poly16 poly16x8_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_uqi uint8x16_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_uhi uint16x8_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_usi uint32x4_t __attribute__ ((__vector_size__ ()));
typedef __builtin_neon_udi uint64x2_t __attribute__ ((__vector_size__ ())); typedef float float32_t;
typedef __builtin_neon_poly8 poly8_t;
typedef __builtin_neon_poly16 poly16_t; typedef struct int8x8x2_t
{
int8x8_t val[];
} int8x8x2_t; typedef struct int8x16x2_t
{
int8x16_t val[];
} int8x16x2_t; typedef struct int16x4x2_t
{
int16x4_t val[];
} int16x4x2_t; typedef struct int16x8x2_t
{
int16x8_t val[];
} int16x8x2_t; typedef struct int32x2x2_t
{
int32x2_t val[];
} int32x2x2_t; typedef struct int32x4x2_t
{
int32x4_t val[];
} int32x4x2_t; typedef struct int64x1x2_t
{
int64x1_t val[];
} int64x1x2_t; typedef struct int64x2x2_t
{
int64x2_t val[];
} int64x2x2_t; typedef struct uint8x8x2_t
{
uint8x8_t val[];
} uint8x8x2_t; typedef struct uint8x16x2_t
{
uint8x16_t val[];
} uint8x16x2_t; typedef struct uint16x4x2_t
{
uint16x4_t val[];
} uint16x4x2_t; typedef struct uint16x8x2_t
{
uint16x8_t val[];
} uint16x8x2_t; typedef struct uint32x2x2_t
{
uint32x2_t val[];
} uint32x2x2_t; typedef struct uint32x4x2_t
{
uint32x4_t val[];
} uint32x4x2_t; typedef struct uint64x1x2_t
{
uint64x1_t val[];
} uint64x1x2_t; typedef struct uint64x2x2_t
{
uint64x2_t val[];
} uint64x2x2_t; typedef struct float32x2x2_t
{
float32x2_t val[];
} float32x2x2_t; typedef struct float32x4x2_t
{
float32x4_t val[];
} float32x4x2_t; typedef struct poly8x8x2_t
{
poly8x8_t val[];
} poly8x8x2_t; typedef struct poly8x16x2_t
{
poly8x16_t val[];
} poly8x16x2_t; typedef struct poly16x4x2_t
{
poly16x4_t val[];
} poly16x4x2_t; typedef struct poly16x8x2_t
{
poly16x8_t val[];
} poly16x8x2_t; typedef struct int8x8x3_t
{
int8x8_t val[];
} int8x8x3_t; typedef struct int8x16x3_t
{
int8x16_t val[];
} int8x16x3_t; typedef struct int16x4x3_t
{
int16x4_t val[];
} int16x4x3_t; typedef struct int16x8x3_t
{
int16x8_t val[];
} int16x8x3_t; typedef struct int32x2x3_t
{
int32x2_t val[];
} int32x2x3_t; typedef struct int32x4x3_t
{
int32x4_t val[];
} int32x4x3_t; typedef struct int64x1x3_t
{
int64x1_t val[];
} int64x1x3_t; typedef struct int64x2x3_t
{
int64x2_t val[];
} int64x2x3_t; typedef struct uint8x8x3_t
{
uint8x8_t val[];
} uint8x8x3_t; typedef struct uint8x16x3_t
{
uint8x16_t val[];
} uint8x16x3_t; typedef struct uint16x4x3_t
{
uint16x4_t val[];
} uint16x4x3_t; typedef struct uint16x8x3_t
{
uint16x8_t val[];
} uint16x8x3_t; typedef struct uint32x2x3_t
{
uint32x2_t val[];
} uint32x2x3_t; typedef struct uint32x4x3_t
{
uint32x4_t val[];
} uint32x4x3_t; typedef struct uint64x1x3_t
{
uint64x1_t val[];
} uint64x1x3_t; typedef struct uint64x2x3_t
{
uint64x2_t val[];
} uint64x2x3_t; typedef struct float32x2x3_t
{
float32x2_t val[];
} float32x2x3_t; typedef struct float32x4x3_t
{
float32x4_t val[];
} float32x4x3_t; typedef struct poly8x8x3_t
{
poly8x8_t val[];
} poly8x8x3_t; typedef struct poly8x16x3_t
{
poly8x16_t val[];
} poly8x16x3_t; typedef struct poly16x4x3_t
{
poly16x4_t val[];
} poly16x4x3_t; typedef struct poly16x8x3_t
{
poly16x8_t val[];
} poly16x8x3_t; typedef struct int8x8x4_t
{
int8x8_t val[];
} int8x8x4_t; typedef struct int8x16x4_t
{
int8x16_t val[];
} int8x16x4_t; typedef struct int16x4x4_t
{
int16x4_t val[];
} int16x4x4_t; typedef struct int16x8x4_t
{
int16x8_t val[];
} int16x8x4_t; typedef struct int32x2x4_t
{
int32x2_t val[];
} int32x2x4_t; typedef struct int32x4x4_t
{
int32x4_t val[];
} int32x4x4_t; typedef struct int64x1x4_t
{
int64x1_t val[];
} int64x1x4_t; typedef struct int64x2x4_t
{
int64x2_t val[];
} int64x2x4_t; typedef struct uint8x8x4_t
{
uint8x8_t val[];
} uint8x8x4_t; typedef struct uint8x16x4_t
{
uint8x16_t val[];
} uint8x16x4_t; typedef struct uint16x4x4_t
{
uint16x4_t val[];
} uint16x4x4_t; typedef struct uint16x8x4_t
{
uint16x8_t val[];
} uint16x8x4_t; typedef struct uint32x2x4_t
{
uint32x2_t val[];
} uint32x2x4_t; typedef struct uint32x4x4_t
{
uint32x4_t val[];
} uint32x4x4_t; typedef struct uint64x1x4_t
{
uint64x1_t val[];
} uint64x1x4_t; typedef struct uint64x2x4_t
{
uint64x2_t val[];
} uint64x2x4_t; typedef struct float32x2x4_t
{
float32x2_t val[];
} float32x2x4_t; typedef struct float32x4x4_t
{
float32x4_t val[];
} float32x4x4_t; typedef struct poly8x8x4_t
{
poly8x8_t val[];
} poly8x8x4_t; typedef struct poly8x16x4_t
{
poly8x16_t val[];
} poly8x16x4_t; typedef struct poly16x4x4_t
{
poly16x4_t val[];
} poly16x4x4_t; typedef struct poly16x8x4_t
{
poly16x8_t val[];
} poly16x8x4_t;

  1.4.3  gcc的NEON函数

  跟NEON指令对应,详见gcc手册。

linux kernel态下使用NEON对算法进行加速-LMLPHP

二.内核状态下使用NEON的规则

  在linux里,应用态可以比较方便使用NEON instrinsic,增加头arm_neon.h头文件后直接使用。但是内核态下使用NEON有较多限制,在linux内核文档  /Documentation/arm/kernel_mode_neon.txt对此有详细说明。要点为:

  linux kernel态下使用NEON对算法进行加速-LMLPHP

   还有一点特别关键:

  linux kernel态下使用NEON对算法进行加速-LMLPHP

  CC [M]  /work/platform-zynq/drivers/zynq_fpga_driver/mmi_neon/lcd_hw_fs8812_neon.o
In file included from /home/liuwanpeng/lin/lib/gcc/arm-xilinx-linux-gnueabi/4.8./include/arm_neon.h::,
from /work/platform-zynq/drivers/zynq_fpga_driver/mmi_neon/lcd_hw_fs8812_neon.c::
/home/liuwanpeng/lin/lib/gcc/arm-xilinx-linux-gnueabi/4.8./include/stdint.h::: error: no include path in which to search for stdint.h
# include_next <stdint.h>
没有使用-ffreestanding编译选项时,在内核态下使用出现此编译错误。

三.实例

  NEON一般在图像等领域,最小处理单位就是8bit,而不是1bit,这方便的例子非常多,本文就不说明了。在实际项目中,我需要对液晶的一组数据按位操作,变换,形成新的数据,如果用传统ARM指令,掩码、移位、循环,想想效率就非常低。于是决定使用NEON的位相关指令完成上述任务。

 3.1 任务说明

  如下图,需要对各个bit进行转换,组成新的数据。

 linux kernel态下使用NEON对算法进行加速-LMLPHP

3.2 算法说明

 使用vmsk、vshl、vadd等位操作完成。

3.3 kernel配置

  必须配置内核支持NEON,否则kernel_neon_begin()和kernel_neon_end()等函数不会编辑进去。

  make menuconfig:Floating point emulation,如下图。

  linux kernel态下使用NEON对算法进行加速-LMLPHP

未使能“Support for NEON in kernel mode”时会报错:
mmi_module_amp: Unknown symbol kernel_neon_begin (err )
mmi_module_amp: Unknown symbol kernel_neon_end (err )

3.4 模块代码

 由于NEON代码需要单独设置编译选项,所以单独建立了一个内核模块,makefile如下:

CFLAGS_MODULE += -O3 -mfpu=neon -mfloat-abi=softfp -ffreestanding 

 核心代码:

#include <linux/module.h>
#include <linux/printk.h>
#include <arm_neon.h>
  // 来自GCC的头文件,必须用-ffreestanding编译选徐昂

  #define LCD_8812_ROW_BYTES 16
  #define LCD_8812_PAGE_ROWS8

  #define LCD_PAGE_BYTES(LCD_8812_ROW_BYTES*LCD_8812_PAGE_ROWS)

int fs8812_cvt_buf( uint8 * dst, uint8 * src )
{ uint8x16_t V_src[];
uint8x16_t V_tmp[];
uint8x16_t V_dst[];
uint8x16_t V_msk;
int8x16_t V_shift;
int8 RSHL_bits[] = {,,,,,,,};
int8 row,bit;
uint8 page;
uint8 * fb_page_x = NULL; // convert the frame_buf for fs8812
for( page=;page<;page++ ){
fb_page_x = src + page*LCD_PAGE_BYTES;
for( row=;row<LCD_8812_PAGE_ROWS;row++ )
V_src[row] = vld1q_u8( fb_page_x + row*LCD_8812_ROW_BYTES );
       for( bit=;bit<;bit++){
  V_msk = vdupq_n_u8(<<bit);
  for( row=;row<LCD_8812_PAGE_ROWS;row++){
  V_tmp[row] = vandq_u8(V_src[row],V_msk); // only process the desire bit
  V_shift = vdupq_n_s8( RSHL_bits[row]-bit );
  V_tmp[row] = vshlq_u8( V_tmp[row],V_shift );
  }
  V_dst[bit] = vorrq_u8(V_tmp[],V_tmp[]); // all bit_x convert to one row
  V_dst[bit] |= vorrq_u8(V_tmp[],V_tmp[]);
  V_dst[bit] |= vorrq_u8(V_tmp[],V_tmp[]);
  V_dst[bit] |= vorrq_u8(V_tmp[],V_tmp[]);
  }
  // store to ram
  fb_page_x = dst + page*LCD_PAGE_BYTES;
  for( row=;row<LCD_8812_PAGE_ROWS;row++ ){
   vst1q_u8(fb_page_x,V_dst[row]);
  fb_page_x += LCD_8812_ROW_BYTES;
  }
}
  return ;
} EXPORT_SYMBOL_GPL(fs8812_cvt_buf);

调用模块,务必没有“-mfpu=neon -mfloat-abi=softfp ”选项

    // convert the frame_buf for fs8812
kernel_neon_begin();
fs8812_cvt_buf( g_tmp_buf, frame_buf );
kernel_neon_end();

  

  

05-08 15:32