Как использовать умножение и накопить intrinsics в Коре-a8 ARM?
как использовать Умножение - Накапливают intrinsics, обеспеченный GCC?
float32x4_t vmlaq_f32 (float32x4_t , float32x4_t , float32x4_t);
Может любой объяснять, что три параметра я должен передать этой функции. Я имею в виду Источник и целевые регистры и что возвращает функция?
На помощь!!!
2 ответа
Проще говоря, инструкция vmla выполняет следующее:
struct
{
float val[4];
} float32x4_t
float32x4_t vmla (float32x4_t a, float32x4_t b, float32x4_t c)
{
float32x4 result;
for (int i=0; i<4; i++)
{
result.val[i] = b.val[i]*c.val[i]+a.val[i];
}
return result;
}
И все это компилируется в одну инструкцию ассемблера: -)
Вы можете использовать этот встроенный НЕОН-ассемблер среди прочего в типичных умножениях матриц 4x4 для 3D-графики вот так:
float32x4_t transform (float32x4_t * matrix, float32x4_t vector)
{
/* in a perfect world this code would compile into just four instructions */
float32x4_t result;
result = vml (matrix[0], vector);
result = vmla (result, matrix[1], vector);
result = vmla (result, matrix[2], vector);
result = vmla (result, matrix[3], vector);
return result;
}
Это сэкономит пару циклов, потому что вам не нужно складывать результаты после умножения. Сложение используется так часто, что hsa с умножением становится в наши дни широко распространенным явлением (даже x86 добавила их в недавний набор инструкций SSE).
Также стоит упомянуть: подобные операции умножения-накопления очень распространены в приложениях линейной алгебры и DSP (цифровой обработки сигналов). ARM был очень умен и реализовал fast-path внутри Cortex-A8 NEON-Core. Этот быстрый путь срабатывает, если первый аргумент (аккумулятор) инструкции VMLA является результатом предыдущей инструкции VML или VMLA. Я мог бы вдаваться в подробности, но вкратце такая серия инструкций выполняется в четыре раза быстрее, чем серия VML / VADD / VML / VADD.
Взгляните на мою простую матрицу умножения: я сделал именно это. Благодаря такому быстрому пути он будет работать примерно в четыре раза быстрее, чем реализация, написанная с использованием VML и ADD вместо VMLA.
Google'd для vmlaq_f32 , обнаружил справочник по инструментам компилятора RVCT . Вот что он говорит:
Vector multiply accumulate: vmla -> Vr[i] := Va[i] + Vb[i] * Vc[i]
...
float32x4_t vmlaq_f32 (float32x4_t a, float32x4_t b, float32x4_t c);
И
Следующие типы определены для представления векторов. Типы векторных данных NEON именуются по следующему шаблону: <тип> <размер> x <количество полос> _t Например, int16x4_t - это вектор, содержащий четыре полосы, каждая из которых содержит 16-битное целое число со знаком. В таблице E.1 перечислены типы векторных данных.
IOW, возвращаемое значение из функции будет вектором, содержащим 4 32-битных числа с плавающей запятой, и каждый элемент вектора вычисляется путем умножения соответствующих элементов b и c ] и добавление содержимого a .
HTH