ARM NEON：如何实现 256 字节查找表答案

【问题标题】：ARM NEON: How to implement a 256bytes Look Up tableARM NEON：如何实现 256 字节查找表
【发布时间】：2014-04-05 04:12:36
【问题描述】：

我正在将我使用内联汇编编写的一些代码移植到 NEON。

我需要做的一件事是将范围 [0..128] 的字节值转换为表格中的其他字节值，该值取整个范围 [0..255]

表格很短，但其背后的数学运算并不容易，所以我认为每次“即时”计算它都不值得。所以我想试试查找表。

我在 32 字节的情况下使用了 VTBL，并且按预期工作

对于整个范围，一个想法是首先比较源所在的范围并进行不同的查找（即有 4 个 32 位查找表）。

我的问题是：有没有更有效的方法？

编辑

经过一些试验，我已经完成了四次查找，并且（仍未安排）我对结果感到满意。我在这里留下一段内联汇编中的代码行，以防有人发现它有用或认为它可以改进。

// Have the original data in d0
// d1 holds #32 value 
// d6,d7,d8,d9 has the images for the values [0..31] 

    //First we look for the 0..31 images. The values out of range will be 0
    "vtbl.u8 d2,{d6,d7,d8,d9},d0    \n\t"

    // Now we sub #32 to d1 and find the images for [32...63], which have been previously loaded in d10,d11,d12,d13
    "vsub.u8 d0,d0,d1\n\t"              
    "vtbl.u8 d3,{d10,d11,d12,d13},d1    \n\t"

    // Do the same and calculating images for [64..95]
    "vsub.u8 d0,d0,d1\n\t"
    "vtbl.u8 d4,{d14,d15,d16,d17},d0    \n\t"

    // Last step: images for [96..127]
    "vsub.u8 d0,d0,d1\n\t"
    "vtbl.u8 d5,{d18,d19,d20,d21},d0    \n\t"

    // Now we add all. No need to saturate, since only one will be different than zero each time
    "vadd.u8 d2,d2,d3\n\t"
    "vadd.u8 d4,d4,d5\n\t"
    "vadd.u8 d2,d2,d4\n\t"   // Leave the result in d2

【问题讨论】：

我认为你在正确的轨道上 - 如果你想要并行查找，4 x VTBL 可能是要走的路。
谢谢。在调度和优化之前看起来不错。刚刚用一个例子编辑了帖子
如果函数是单调的，可以省略vadds，重复使用vtbx d0, { dXXXX }, d0; vsub d0, d0, d1;。必须调整表格以考虑偏移 n*d1，确保已处理的值永远不会减去范围 0..31。
从来没有想过这个！在这种情况下，它不是单调的，但可以在某些情况下使用。

标签： optimization assembly arm neon

【解决方案1】：

正确的顺序是通过

vtbl d0, { d2,d3,d4,d5 }, d1   // first value
vsub d1, d1, d31               // decrement index
vtbx d0, { d6,d7,d8,d9 }, d1   // all the subsequent values
vsub d1, d1, d31               // decrement index
vtbx d0, { q5,q6 }, d1         // q5 = d10,d11
vsub d1, d1, d31
vtbx d0, { q7,q8 }, d1

vtbl 和 vtbx 之间的区别在于 vtbl 在 d1 >= 32 时将元素 d0 置零，而 vtbx 将 d0 中的原始值保持不变。因此，无需像我的评论中那样使用诡计，也无需合并部分值。

【讨论】：