ネオンで改善するコード

Question

私はいくつかのコードを改善しようとしましたが、できませんでしたのでここで助けを求めます。また、組み込み関数で試しましたが、組み込み関数を使用するにはGCCコンパイラを使用する必要があります。このコンパイラはLLVMよりも低速のコードをコンパイルしますが、すべてのコードが遅くなります。そのため、最適なオプションは直接asmを使用することです。 私は両方の機能を私が改善したい、ネオンのコードに入れて、コードはナンセンスの数字を返しています。 私は本当にこれで助けが必要です、正しい方向への任意のポイントは私をたくさん助けることができます。

私は改善したいコード：

inline unsigned des(const unsigned char* v0) 
{ 
unsigned r; 
r = v0[0]*v0[0]; 
r += v0[1]*v0[1]; 
r += v0[2]*v0[2]; 
r += v0[3]*v0[3]; 
r += v0[4]*v0[4]; 
r += v0[5]*v0[5]; 
r += v0[6]*v0[6]; 
r += v0[7]*v0[7]; 
return r; 
} 


inline unsigned suma(const unsigned char* v0) 
{ 
unsigned r; 
r = v0[0]; 
r += v0[1]; 
r += v0[2]; 
r += v0[3]; 
r += v0[4]; 
r += v0[5]; 
r += v0[6]; 
r += v0[7]; 
return r; 
} 

ネオンコードが

unsigned desneon(unsigned v0[8]) 
{ 
asm volatile (
       "vld1.32  {d2- d5}, [%0]   \n\t" 
       "vld1.32  {d6- d9}, [%0]   \n\t" 
       "vmul.s32   d0, d2, d6    \n\t" //d0= d2*d6 
       "vmla.s32   d0, d3, d7    \n\t" //d0 = d0 + d3*d7 
       "vmla.s32  d0, d4, d8    \n\t" //d0 = d0 + d4*d8 
       "vmla.s32  d0, d5, d9    \n\t" //d0 = d0 + d5*d9 
      "vpadd.s32   d0, d0     \n\t" //d0 = d[0] + d[1] 


       :: "r"(v0) : 
      );  
} 

おかげでたくさん働いていません！

Answer 1

実際に値を返す必要があります。私はあなたがこのようなことをしたいと思う：

unsigned desneon(unsigned v0[8]) 
{ 
    unsigned outlo; 
    __asm__ volatile (
         "vld1.32  {d2- d5}, [%1]   \n\t" 
         "vld1.32  {d6- d9}, [%1]   \n\t" 
         "vmul.s32  d0, d2, d6    \n\t" //d0= d2*d6 
         "vmla.s32  d0, d3, d7    \n\t" //d0 = d0 + d3*d7 
         "vmla.s32  d0, d4, d8    \n\t" //d0 = d0 + d4*d8 
         "vmla.s32  d0, d5, d9    \n\t" //d0 = d0 + d5*d9 
         "vpadd.s32 d0, d0     \n\t" //d0 = d[0] + d[1] 
         "vmov   %0, r4, d0    \n\t" 
         :"=r"(outlo) 
         :"r"(v0) 
         :"d0", "d2", "d3", "d4", "d5", "d6", "d7", "d8", "d9", "r4" 
        ); 
    return outlo; 
} 

私は正しい結果を与えてくれたようだ。 @ Nyx0ufが述べているように、Accelerateフレームワークを見てみたいと思うかもしれません.NEONを手書きするのではなく、標準のメソッド呼び出しでこれを行うのに便利なことがたくさんあります。

Answer 2

なぜデータが符号なしの操作で署名されたのですか？

なぜ同じデータを2回読みますか？

Cコードの入力データは8ビットですが、ネオンコードは32ビットです。

unsigned desneon(unsigned v0[8]) 
{ 
asm volatile (
      "vldmia  {q0-q1}, [%0]   \n\t" 
      "vmul.u32 q0, q0, q0    \n\t" 
      "vmla.u32 q0, q1, q1    \n\t" 
      "vpaddl.u32 q0, q0     \n\t"  
      "vadd.u64 d0, d0, d1    \n\t"  
      "vmov  r0, s0     \n\t"  

       :: "r"(v0) : 
      );  
} 

印象的なショートを見て、最適化されるように見えるが、このネオンのバージョンが原因でずっと速く（あるいは遅く）なりません：

私はお勧め、32ビットの入力データを仮定し

"VMOV R0、S0"（11サイクル） 前にほとんどすべてのステップ

巨大なしゃっくり

• パイプラインインターロック

  この場合、オリジナルのCコードを使用することをお勧めします。