Math 使用NEON对ARM部件中四字向量中的所有元素求和

我对组装还比较陌生，虽然arm信息中心通常很有帮助，但有时对新手来说，说明可能有点混乱。基本上，我需要做的是将四字寄存器中的4个浮点值求和，并将结果存储在单个精度寄存器中。我认为VPADD指令可以满足我的需要，但我不太确定。

您可以试试这个（它不在ASM中，但您应该能够轻松转换）：

在ASM中，可能只有VADD和VPADD

我不确定这是否只是一种方法（也是最理想的），但我还没有找到更好的方法

---

另外，我对NEON也是新手

以下是ASM中的代码：

    vpadd.f32 d1,d6,d7    @ q3 is register that needs all of its contents summed          
    vadd.f32 s1,s2,s3     @ now we add the contents of d1 together (the sum)                
    vadd.f32 s0,s0,s1     @ sum += s1;

我可能忘了提到，在C语言中，代码如下所示：

float sum = 1.0f;
sum += number1 * number2;

---

我省略了这段小代码中的乘法。

似乎您想要得到数组某个长度的和，而不仅仅是四个浮点值

在这种情况下，您的代码可以工作，但远未优化：

多管道联锁

每次迭代不必要的32位加法

假设数组的长度为8的倍数，至少为16：

  vldmia {q0-q1}, [pSrc]!
  sub count, count, #8
loop:
  pld [pSrc, #32]
  vldmia {q3-q4}, [pSrc]!
  subs count, count, #8
  vadd.f32 q0, q0, q3
  vadd.f32 q1, q1, q4
  bgt loop

  vadd.f32 q0, q0, q1
  vpadd.f32 d0, d0, d1
  vadd.f32 s0, s0, s1

• pld是ARM指令，而不是霓虹灯，对性能至关重要。它大大提高了缓存命中率

我希望上面代码的其余部分是不言自明的

---

您会注意到，此版本的速度比初始版本快很多倍。

谢谢，我使用了一个VPADD和两个VADD实现了此功能。我希望只需使用1或2个说明，但我认为3个就可以了。您可以展示您的ASM吗？我认为它只需要一个VADD和一个VPADD（至少从C代码看是这样）

  vldmia {q0-q1}, [pSrc]!
  sub count, count, #8
loop:
  pld [pSrc, #32]
  vldmia {q3-q4}, [pSrc]!
  subs count, count, #8
  vadd.f32 q0, q0, q3
  vadd.f32 q1, q1, q4
  bgt loop

  vadd.f32 q0, q0, q1
  vpadd.f32 d0, d0, d1
  vadd.f32 s0, s0, s1