C ARM汇编程序中的可变大小int矩阵

我目前正试图在ARM汇编程序中实现矩阵乘法。我已经阅读了一些关于汇编程序中矩阵计算的教程，它们都在3x3或4x4浮点矩阵上使用霓虹灯指令。但这和我想做的完全不同。我有两个对称的int矩阵，所以两个矩阵的行数和列数是相同的，我的汇编函数将矩阵的大小作为参数，所以我不能像教程中那样为3x3或4x4矩阵编写matMul函数

所以我的问题是什么是最好最简单的方法？甚至可以将NEON指令与100x100或更大的矩阵一起使用吗？而且单精度和双精度寄存器也是不必要的，因为我只有整数

另一个问题是，我对ARM汇编程序几乎完全陌生，所以我不完全理解NEON指令。

MAIN PROC NEAR

  MOV DI,OFFSET M_RESULT
  MOV SI,OFFSET M_A
  MOV BX,OFFSET M_B

背景1： 莫夫奇，N 分队 MOV列，N

背景2：

  MOV AL,CH  
  MOV X,N
  MUL X
  ADD SI,AX
  MOV AH,0
  MOV AL,P
  ADD BX,AX
  MOV COUNTER,N 
  MOV TEMP,0

BACK3:
  MOV AL,[SI]
  MUL [BX] 
  ADD TEMP,AX
  INC SI
  ADD BX,N
DEC COUNTER
JNZ BACK3


  MOV AX,TEMP
  MOV [DI],AX
  ADD DI,2    
  MOV SI,OFFSET M_A 
  MOV BX,OFFSET M_B 
  INC P

DEC列 JNZ BACK2

  MOV P,0

DEC线 JNZ BACK1

;
MOV AX,4C00H   ;8- End of 
INT 21H        ;9- processing

主端点；程序结束 代码结束；段末 结束-开始；节目结束 ;作者：Mojtaba Alizadeh
INT 21H；9-处理 主端点；程序结束 代码结束；段末

---

结束-开始

你应该看看这篇博文上链接的一些教程。它们似乎在霓虹灯指示方面对一些人有所帮助。我会花一些时间来更全面地理解NEON，它会帮助您找到答案。您还可以通过递归处理较小的（例如4x4）块来乘以较大的矩阵。我不知道一个很好的链接到一个实现的解释，但这将是一个开始。好的，这听起来已经太复杂了，所以我将从简单的实现开始，并使用3个循环。在汇编程序中有分配内存的方法吗？或者我应该在c代码中分配它，并给汇编函数3个参数，2个指针用于乘法矩阵，1个指针用于结果矩阵？您可以使用NEON，但SIMD通常针对3x3或4x4矩阵进行优化。也就是说，“多数据”部分一次处理3或4个值（对于图形等很好）。要将SIMD用于较大的矩阵，您需要将其细分为较小的4x4操作/子矩阵。谢谢您的评论，但我真的无法想象将矩阵细分为较小的矩阵会如何工作。有人对这种方法有描述或信息吗？