ARM Neon Assembler - 奇怪的管道问题答案

【问题标题】：ARM Neon Assembler - strange pipeline issueARM Neon Assembler - 奇怪的管道问题
【发布时间】：2012-04-01 05:18:06
【问题描述】：

我正在尝试使用 Neon 指令提高用 ARM 汇编程序编写的一段代码的性能。

为了测试和计算，我使用这个计算器： http://pulsar.webshaker.net/ccc/sample-706454b3

我注意到，在“n.34-0 1c n0”行，Neon 单元似乎必须等待（？）10 个周期。这可能是什么原因，还是只是计算器中的一个错误？

我还需要一些关于如何提高 ARM/Neon Assembler 性能的一般信息。

目标是 ARM Cortex-A9。对于编译，我使用带有内联汇编程序的最新 android-ndk。谢谢。

【问题讨论】：

标签： android assembly android-ndk arm neon

【解决方案1】：

事实上，这有点复杂。 BitBank 是对的，NEON 还要等 D4。

但您必须等待 10 个周期，因为 Neon 有一个加载/存储队列。并且队列之前被其他指令填充

vld1.64 d4, [r7, :64]

所以当你需要D4时，你必须等待这条指令的执行但要执行此指令，您必须执行所有之前推入 NEON 加载/存储队列的加载/存储指令。

【讨论】：

【解决方案2】：

您不应该在 NEON 工作时通过 ARM 访问内存。它会导致 NEON 完全制动。

显然，由于上述原因，您正在尝试某种具有破坏性的并行处理。

此外，ldrb 太多了。 ARM 上的字节访问也几乎是一种罪过。

我建议你先用 C 完全重写你的代码，只使用 32 位内存访问，然后评估它是否完全适用于 NEON，

【讨论】：

感谢您的评论。我只需要一个字节，所以如果我要一次读取 32 位，我需要再次 Shift/ANd 整个事情，这会更慢。该代码已经作为 C 和 ARM 汇编程序存在，我需要检查是否可以使用 Neon 指令加速它。理论上它应该快 30-40%。哪些操作可以并行完成。 ARM 算术和 Neon 加载/存储，但不是（？）Neon 算术和 ARM 加载/存储？
你不会相信：32位读取+屏蔽比字节读取快得多。
忘记并行处理。将值从 Neon 移动到 ARM 也会导致管道刷新浪费 11 个周期。当 Neon 完成整个工作时，ARM 将充当控制单元。
我会尝试加载 32Bit 和掩码，但我认为之前有人测试过它并且速度较慢。好的，谢谢你的信息。就我而言，我似乎无法通过 Neon 指令提高性能:-(
您为什么不尝试在 NEON 中完全重写您的函数呢？ Neon 非常有能力进行整数操作，并且不需要所有耗时的掩码操作。如果您的函数在循环中包含的 if-else 少于两个，那么 Neon 就是要走的路。

【解决方案3】：

NEON 单元必须在该指令处等待，因为您正在引用在前一个 NEON 指令 (n.33-0 1c n0) 中加载的寄存器 (D4)。加载不是瞬时的，并且由于流水线，即使数据来自缓存，数据的可用性也会有所延迟。您需要对 ARM 和 NEON 指令重新排序，以免在加载后立即尝试使用寄存器，否则最终会浪费周期（流水线停顿）。

【讨论】：

如果缓存命中，这些危害只有 1~2 个周期。在这种情况下，情况有所不同。