1.neon的使用方法

• NEON優化庫(Optimized libraries)
• 向量化編譯器(Vectorizing compilers)
• NEON intrinsics
• NEON assembly

? ? ? ?根據優化程度需求不同，第4種最為底層，若熟練掌握效果最佳，一般也會配合第3種一起使用。本文將會重點介紹第3、4種方法。先簡要介紹前兩種：

（1）Libraries：直接在程序中調用優化

• Ne10：一個ARM的開源項目，提供數學運算、圖像處理、FFT函數等。
• Libyuv ：一個包含YUV數據的轉換和擴展功能的開源庫。
• Skia ：一個開源的2D圖形庫，用作谷歌Chrome和Chrome OS、Android、Mozilla Firefox和Firefox OS以及其他許多產品的圖形引擎。
• OpenMax DL：支持加速視頻編解碼、信號處理、色彩空間轉換等。

（2）Vectorizing compilers:GCC編譯器的向量優化選項

• 在GCC選項中加入向量化表示能有助于C代碼生成NEON代碼，如-ftree-vectorize。

2.NEON intrinsics

? ? ? 提供了一個連接NEON操作的C函數接口，編譯器會自動生成相關的NEON指令，支持ARMv7-A或ARMv8-A平臺。所有的intrinsics函數都在：GNU官方說明文檔.

一個簡單的例子：

//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;} }

? ? ? ? 代碼中的vld1q_s32會被編譯器轉換成vld1.32 {d0, d1}, [r0]指令，同理vaddq_s32和vst1q_s32被轉換成vadd.i32 q0, q0, q0，vst1.32 {d0, d1}, [r0]。若不清楚指令意義，請參見ARM? Compiler armasm User Guide - Chapter 12 NEON and VFP Instructions。?

3.NEON asssembly

NEON可以有兩種寫法：

(1)Assembly文件

• 純匯編文件，后綴為”.S”或”.s”。注意對寄存器數據的保存。具體對通用寄存器的詳解不是本文的重點，有興趣的讀者請自行補充該部分知識。

(2)inline assembly內聯匯編

• 優點：在C代碼中嵌入匯編，調用簡單，無需手動存儲寄存器
• 缺點：有較為復雜的格式需要事先學習，不好移植到其他語言環境。

比如上述intrinsics代碼產生的匯編代碼為：

// 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"); }

4.NEON優化心得

建議的NEON調優步驟：

理清所需的寄存器、指令。 建議根據要實現的任務，畫出數據變換流程，和每步所需的具體指令，盡可能找到最優的實現流程。這一步非常關鍵，如果思路出錯或是不夠優化，則會影響使用NEON的效果，并且對程序修改帶來麻煩，一定要找到最優的實現算法哦~

先實現intrinsics（可選）。 初學者先實現intrinsics是有好處的，字面理解性更強，且有助于理解NEON指令。建議隨時打印關鍵步驟的數據，以檢查程序的正誤。

寫成匯編進一步優化。 將intrinsics生成的匯編代碼進行優化調整。一般來說，有以下幾點值得注意【干貨】：

• 只要intrinsics運算指令足夠精簡，運算類的匯編指令就不用大修；
• 大部分的問題會出在存取、移動指令的濫用、混亂使用上；
• 優化時要盡量減少指令間的相關性，包括結構相關、數據相關控制相關，保證流水線執行效率更高；
• 大概估算所有程序指令取指、執行、寫回的總理論時間，以此估算本程序可以優化的空間；
• 熟練對每條指令準備發射、寫回時間有一定的認識，有助于對指令的優化排序；
• 一定要多測試不同指令的處理時間！！原因是你所想跟實際有出入，且不同的編譯器優化的效果可能也有些不同；
• 一定要有一定的計算機體系結構基礎，對存儲結構、流水線有一定的體會！！

【注意】在此筆者溫馨提示各位看官(⊙o⊙)不僅是NEON，所有的性能優化是個經驗活兒，需要自己動手才能領悟更多的訣竅，總結一下NEON優化就是：

• 第一優化算法實現流程；
• 第二優化程序存取；
• 第三優化程序執行；
• 第四哪兒能優化，就優化哪兒~~

對NEON優化使用的好壞直接導致優化效果，優化效果好的會節省70%以上的時間。

5.內聯匯編使用心得

? ? ? ?當讀者熟練后就可以直接上手內聯匯編了。時間有限，本文中不具體介紹inline assembly的使用方法，我后續可能會將這部分單獨寫成一篇博客。感興趣者請參見ARM GCC Inline Assembler Cookbook

一些使用心得：

• inline assembly下面的三個冒號一定要注意
  • output/input registers的寫法一定要寫對，clobber list也一定要寫完全，否則會造成令你頭疼的問題 (T-T) …
  • 這個問題在給出的cookbook中也有介紹，但是并不全面，有些問題只有自己碰到了再去解決。 筆者就曾經被虐了很久，從生成的匯編發現編譯器將寄存器亂用，導致指針操作完全混亂，毫無頭緒…
  • 一般情況下建議的寫法舉例：

asm volatile (... /* assembly code */: "+r"(arg0) // %0"+r"(arg1) // %1 // Output Registers: "r"(arg2) // %2 // Input Registers: "cc", "memory", r0, r1

• 傳入內聯匯編程序段的C參數是有限的

• 筆者親測對于Cortex-A7平臺output/input registers基本在9以內才可保證，否則會報出can't find a register in class 'GENERAL_REGS' while reloading 'asm'錯誤。

?

?

? ?

總結

以上是生活随笔為你收集整理的neon使用和建议的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。