Optimization ARM霓虹灯组装和浮点舍入

我正在为使用NEON的ARM处理器进行代码优化。但是我有一个问题：我的算法包含以下浮点计算：

round(x*b - y*a)

结果可以是积极的，也可以是消极的

实际上，我使用2个VMUL和1个VSUB来进行并行计算（每个操作4个值，使用Q寄存器和32位浮点）

---

有办法解决这个问题吗？如果结果都是相同的符号，我知道我可以简单地先加上或减去0.5，NEON会有很长的延迟，尤其是在浮点乘法之后。 与vfp编程相比，使用两个vmul和一个vsub不会获得太多收益

因此，您的代码应该如下所示：

vmul.f32 result, x, b
vmls.f32 result, y, a

这些乘法累积/减法指令与前一条乘法指令背靠背发出，没有任何延迟。（本例中保存了9个循环）

不幸的是，我不理解你的实际问题。为什么有人要对浮点值进行四舍五入？显然，你打算提取整数部分，有几种方法可以做到这一点，我不能告诉你更多，因为你的问题总是太模糊了

我在这个论坛上关注你们的问题已经有相当长的一段时间了，我无法摆脱这样一种感觉：你们缺少一些非常基本的东西

---

我建议您先阅读ARM上的汇编参考指南pdf。

首先，NEON会有很长的延迟，尤其是在浮点乘法之后。 与vfp编程相比，使用两个vmul和一个vsub不会获得太多收益

因此，您的代码应该如下所示：

vmul.f32 result, x, b
vmls.f32 result, y, a

这些乘法累积/减法指令与前一条乘法指令背靠背发出，没有任何延迟。（本例中保存了9个循环）

不幸的是，我不理解你的实际问题。为什么有人要对浮点值进行四舍五入？显然，你打算提取整数部分，有几种方法可以做到这一点，我不能告诉你更多，因为你的问题总是太模糊了

我在这个论坛上关注你们的问题已经有相当长的一段时间了，我无法摆脱这样一种感觉：你们缺少一些非常基本的东西

---

我建议您先阅读ARM上的汇编参考指南pdf。

我不懂汇编，但使用C语言中的NEON intrinsic（我提到了它们的汇编等价物以帮助您浏览文档，尽管我自己无法使用它们），用于

round

函数的算法可以是：

// Prepare 3 vectors filled with all 0.5, all -0.5, and all 0
// Corresponding assembly instruction is VDUP
float32x4_t plus  = vdupq_n_f32(0.5);
float32x4_t minus = vdupq_n_f32(-0.5);
float32x4_t zero  = vdupq_n_f32(0);

// Assuming the result of x*a-y*b is stored in the following vector:
float32x4_t xa_yb;

// Compare vector with 0
// Corresponding assembly instruction is VCGT
uint32x4_t more_than_zero = vcgtq_f32(xa_yb, zero);
// Resulting vector will be set to all 1-bits for values where the comparison
// is true, all 0-bits otherwise.

// Use bit select to choose if you have to add or substract 0.5
// Corresponding assembly instruction is VBSL, its syntax is quite alike
// `more_than_zero ? plus : minus`.
float32x4_t to_add = vbslq_f32(more_than_zero, plus, minus);

// Add this vector to the vector to round
// Corresponding assembly instruction is VADD,
// but I guess you knew this one :D
float32x4_t rounded = vaddq_f32(xa_yb, to_add);

// Then cast to integers!

我想您将能够将此转换为汇编（无论如何，我不是）

---

请注意，我不知道这是否真的比标准代码、非SIMD代码更有效

我没有汇编方面的知识，但是使用C语言中的NEON intrinsic（我提到它们的汇编等价物是为了帮助您浏览文档，尽管我自己无法使用它们），用于

round

函数的算法可以是：

// Prepare 3 vectors filled with all 0.5, all -0.5, and all 0
// Corresponding assembly instruction is VDUP
float32x4_t plus  = vdupq_n_f32(0.5);
float32x4_t minus = vdupq_n_f32(-0.5);
float32x4_t zero  = vdupq_n_f32(0);

// Assuming the result of x*a-y*b is stored in the following vector:
float32x4_t xa_yb;

// Compare vector with 0
// Corresponding assembly instruction is VCGT
uint32x4_t more_than_zero = vcgtq_f32(xa_yb, zero);
// Resulting vector will be set to all 1-bits for values where the comparison
// is true, all 0-bits otherwise.

// Use bit select to choose if you have to add or substract 0.5
// Corresponding assembly instruction is VBSL, its syntax is quite alike
// `more_than_zero ? plus : minus`.
float32x4_t to_add = vbslq_f32(more_than_zero, plus, minus);

// Add this vector to the vector to round
// Corresponding assembly instruction is VADD,
// but I guess you knew this one :D
float32x4_t rounded = vaddq_f32(xa_yb, to_add);

// Then cast to integers!

我想您将能够将此转换为汇编（无论如何，我不是）

---

请注意，我不知道这是否真的比标准代码、非SIMD代码更有效

您好，是的，我需要提取整数部分。谢谢你的建议，我会尽快阅读参考指南，我也在关注你的博客，非常有趣。这样你就不必用浮点格式进行取整了。只需使用vcvt.s32.f32将float转换为1个分数位的int，然后就可以使用vrshr.s32进行舍入。这就是我所说的“对你的问题更加具体”的意思，我错过了VCVT指令中的#fbits可选值。我已经测试过你的解决方案：对于正值，它是可以的，但是负值没有正确舍入，-0.9舍入为0，而不是-1。哦，我明白了。那么这应该可以工作了：vshr.u32 temp，result，#31；veor.32结果，温度；vrshr.s32结果，#1直到负数出现错误-0.1至-0.9正常（0和-1），-1至-1.4错误（=0），-1.5至-1.9正常（=2），-2至-2.4错误（=1），-2.5至-2.9正常（=3）。。。等谢谢你的耐心。你好，是的，我需要提取整数部分取整。谢谢你的建议，我会尽快阅读参考指南，我也在关注你的博客，非常有趣。这样你就不必用浮点格式进行取整了。只需使用vcvt.s32.f32将float转换为1个分数位的int，然后就可以使用vrshr.s32进行舍入。这就是我所说的“对你的问题更加具体”的意思，我错过了VCVT指令中的#fbits可选值。我已经测试过你的解决方案：对于正值，它是可以的，但是负值没有正确舍入，-0.9舍入为0，而不是-1。哦，我明白了。那么这应该可以工作了：vshr.u32 temp，result，#31；veor.32结果，温度；vrshr.s32结果，#1直到负数出现错误-0.1至-0.9正常（0和-1），-1至-1.4错误（=0），-1.5至-1.9正常（=2），-2至-2.4错误（=1），-2.5至-2.9正常（=3）。。。等谢谢你的耐心。