NEON：将 uint8_t 数组加载到 128 位寄存器中

Question

我需要将 uint8 数组中的值加载到 128 NEON 寄存器中。有一个类似的question。但没有好的答案。

我的解决办法是：

uint8_t arr[4] = {1,2,3,4};

//load 4 of 8-bit vals into 64 bit reg
uint8x8_t _vld1_u8 = vld1_u8(arr);

//convert to 16-bit and move to 128-bit reg
uint16x8_t _vmovl_u8 = vmovl_u8(_vld1_u8);

//get low 64 bit and move them to 64-bit reg
uint16x4_t _vget_low_u16 = vget_low_u16(_vmovl_u8);

//convert to 32-bit and move to 128-bit reg
uint32x4_t ld32x4 = vmovl_u16(_vget_low_u16);

这很好用，但在我看来，这种方法并不是最快的。也许有更好更快的方法将 8bit 数据加载到 128 reg 作为 32bit ？

编辑：

感谢@FrankH。我用一些技巧想出了第二个版本：

uint8x16x2_t z = vzipq_u8(vld1q_u8(arr), q_zero);
uint8x16_t rr = *(uint8x16_t*)&z;
z = vzipq_u8(rr, q_zero);
ld32x4 = *(uint8x16_t*)&z;

归结为这个程序集（当编译器优化开启时）：

vld1.8 {d16, d17}, [r5]
vzip.8 q8, q9
vorr   q9, q4, q4
vzip.8 q8, q9

因此没有多余的存储，而且速度非常快。但它仍然比第一个解决方案慢大约 x1.5。

Answer 1

你可以用零做一个“双拉链”：

uint16x4_t zero = 0;

uint32x4_t ld32x4 =
    vreinterpretq_u32_u16(
        vzipq_u8(
            vzip_u8(
                vld1_u8(arr),
                vreinterpret_u8_u16(zero)
            ),
            zero
        )
    );

由于vreinterpretq_*() 是无操作的，这归结为三个指令。目前没有交叉编译器，无法验证:(

编辑： 不要误会我的意思……虽然vreinterpretq_*() 不会产生霓虹灯指令，但它不是是无操作的；那是因为它阻止编译器执行如果你改用widerVal.val[0] 时你会看到的那种时髦的事情。它告诉编译器的只是：

“你有一个uint8x16x2_t，但我只想使用其中的一半作为uint8x16_t，给我一半的寄存器。”

或者：

“您有一个 uint8x16x2_t，但我想将这些 reg 用作 uint32x4_t。”

即它告诉编译器 alias 套霓虹灯寄存器 - preventing 存储/加载到堆栈/从堆栈加载，如果您通过.val[...] 语法。

在某种意义上，.val[...] 语法“是一个 hack”，但 更好 方法，使用 vreinterpretq_*()，“看起来像一个 hack”。 不使用它会导致更多指令和更慢/更差的代码。