当前位置: 首页 > 工具软件 > NEO > 使用案例 >

neon介绍及建议

东郭弘方
2023-12-01

使用NEON主要有四种方法:

  1. NEON优化库(Optimized libraries)
  2. 向量化编译器(Vectorizing compilers)
  3. NEON intrinsics
  4. NEON assembly

根据优化程度需求不同,第4种最为底层,若熟练掌握效果最佳,一般也会配合第3种一起使用。本文将会重点介绍第3、4种方法。先简要介绍前两种。

  • Libraries:直接在程序中调用优化库
    • OpenMax DL:支持加速视频编解码、信号处理、色彩空间转换等;
    • Ne10:一个ARM的开源项目,提供数学运算、图像处理、FFT函数等。
  • Vectorizing compilers:GCC编译器的向量优化选项
    • 在GCC选项中加入向量化表示能有助于C代码生成NEON代码,如-ftree-vectorize

NEON intrinsics

提供了一个连接NEON操作的C函数接口,编译器会自动生成相关的NEON指令,支持ARMv7-A或ARMv8-A平台。

所有的intrinsics函数都在GNU官方说明文档

一个简单的例子:

//add for int array. assumed that count is multiple of 4
 
#include<arm_neon.h>
 
// C version
void add_int_c(int* dst, int* src1, int* src2, int count)
{
  int i;
  for (i = 0; i < count; i++)
    dst[i] = src1[i] + src2[i];
  }
}
 
// NEON version
void add_float_neon1(int* dst, int* src1, int* src2, int count)
{
  int i;
  for (i = 0; i < count; i += 4)
  {
    int32x4_t in1, in2, out;
    in1 = vld1q_s32(src1);
    src1 += 4;
    in2 = vld1q_s32(src2);
    src2 += 4;
    out = vaddq_s32(in1, in2);
    vst1q_s32(dst, out);
    dst += 4;
  }
}

代码中的vld1q_s32会被编译器转换成vld1.32 {d0, d1}, [r0]指令,同理vaddq_s32vst1q_s32被转换成vadd.i32 q0, q0, q0vst1.32 {d0, d1}, [r0]。若不清楚指令意义,请参见ARM® Compiler armasm User Guide - Chapter 12 NEON and VFP Instructions

NEON assembly

NEON可以有两种写法:

  1. Assembly文件
    • 纯汇编文件,后缀为”.S”或”.s”。注意对寄存器数据的保存。具体对通用寄存器的详解不是本文的重点,有兴趣的读者请自行补充该部分知识。
  2. inline assembly内联汇编
    • 优点:在C代码中嵌入汇编,调用简单,无需手动存储寄存器;
    • 缺点:有较为复杂的格式需要事先学习,不好移植到其他语言环境。

比如上述intrinsics代码产生的汇编代码为:

// ARMv7-A/AArch32

void add_float_neon2(int* dst, int* src1, int* src2, int count)
{
  asm volatile (
    "1:                                         \n"
    "vld1.32         {q0}, [%[src1]]!           \n"
    "vld1.32         {q1}, [%[src2]]!           \n"
    "vadd.f32        q0, q0, q1                  \n"
    "subs            %[count], %[count], #4     \n"
    "vst1.32         {q0}, [%[dst]]!            \n"
    "bgt             1b                         \n"
    : [dst] "+r" (dst)
    : [src1] "r" (src1), [src2] "r" (src2), [count] "r" (count)
    : "memory", "q0", "q1"
  );
}

NEON优化心得

笔者在前段时间连续使用NEON做ARM平台的优化,由于中文资料少得可怜,且英文资料零散琐碎,期间也遇到不少坑,先摘出部分经验至此,希望能够帮助到大家。︿( ̄︶ ̄)︿

建议的NEON调优步骤

  1. 理清所需的寄存器、指令。 建议根据要实现的任务,画出数据变换流程,和每步所需的具体指令,尽可能找到最优的实现流程。这一步非常关键,如果思路出错或是不够优化,则会影响使用NEON的效果,并且对程序修改带来麻烦,一定要找到最优的实现算法哦~

  2. 先实现intrinsics(可选)。 初学者先实现intrinsics是有好处的,字面理解性更强,且有助于理解NEON指令。建议随时打印关键步骤的数据,以检查程序的正误。

  3. 写成汇编进一步优化。 将intrinsics生成的汇编代码进行优化调整。一般来说,有以下几点值得注意【干货】

    • 只要intrinsics运算指令足够精简,运算类的汇编指令就不用大修;
    • 大部分的问题会出在存取、移动指令的滥用、混乱使用上
    • 优化时要尽量减少指令间的相关性,包括结构相关、数据相关控制相关,保证流水线执行效率更高;
    • 大概估算所有程序指令取指、执行、写回的总理论时间,以此估算本程序可以优化的空间;
    • 熟练对每条指令准备发射、写回时间有一定的认识,有助于对指令的优化排序;
    • 一定要多测试不同指令的处理时间!!原因是你所想跟实际有出入,且不同的编译器优化的效果可能也有些不同;
    • 一定要有一定的计算机体系结构基础,对存储结构、流水线有一定的体会!!

【注意】在此笔者温馨提示各位看官(⊙o⊙)不仅是NEON,所有的性能优化是个经验活儿,需要自己动手才能领悟更多的诀窍,总结一下NEON优化就是:

  • 第一优化算法实现流程;
  • 第二优化程序存取;
  • 第三优化程序执行;
  • 第四哪儿能优化,就优化哪儿~~

对NEON优化使用的好坏直接导致优化效果,优化效果好的会节省70%以上的时间。


内联汇编使用心得

当读者熟练后就可以直接上手内联汇编了。时间有限,本文中不具体介绍inline assembly的使用方法,我后续可能会将这部分单独写成一篇博客。感兴趣者请参见ARM GCC Inline Assembler Cookbook

一些使用心得:

  • inline assembly下面的三个冒号一定要注意
    • output/input registers的写法一定要写对,clobber list也一定要写完全,否则会造成令你头疼的问题 (T-T) …
    • 这个问题在给出的cookbook中也有介绍,但是并不全面,有些问题只有自己碰到了再去解决。 笔者就曾经被虐了很久,从生成的汇编发现编译器将寄存器乱用,导致指针操作完全混乱,毫无头绪…
    • 一般情况下建议的写法举例:
asm volatile (
  ... /* assembly code */

  : "+r"(arg0)  // %0
    "+r"(arg1)  // %1  // Output Registers
  : "r"(arg2)   // %2  // Input Registers
  : "cc", "memory", r0, r1
);
  • 传入内联汇编程序段的C参数是有限的
    • 笔者亲测对于Cortex-A7平台output/input registers基本在9以内才可保证,否则会报出can't find a register in class 'GENERAL_REGS' while reloading 'asm'错误。

 类似资料: