math - 使用NEON对ARM汇编中的四字向量中的所有元素求和

我对组装不是很陌生，尽管 ARM 信息中心通常对您有所帮助，但有时这些说明可能会使新手感到困惑。基本上，我需要做的是在一个四字寄存器中求和4个浮点值，并将结果存储在单个精度寄存器中。我认为VPADD指令可以满足我的需求，但我不太确定。

最佳答案

似乎您想要获得一定长度数组的总和，而不仅仅是四个浮点值。

在这种情况下，您的代码可以运行，但远未优化:

许多许多管道互锁

每次迭代无需添加32位

假设数组的长度是8的倍数，并且至少是16:

  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-尽管是ARM指令而非NEON指令，但对性能至关重要。它大大提高了缓存命中率。

我希望上面的其余代码可以自我解释。

您会注意到此版本比最初的版本快许多倍。

关于math - 使用NEON对ARM汇编中的四字向量中的所有元素求和，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/6931217/