我需要将uint8数组中的值加载到128个NEON寄存器中。有一个类似的question。但是没有好的答案。NEON:将uint8_t数组加载到128位寄存器中
我的解决办法是:
uint8_t arr[4] = {1,2,3,4};
//load 4 of 8-bit vals into 64 bit reg
uint8x8_t _vld1_u8 = vld1_u8(arr);
//convert to 16-bit and move to 128-bit reg
uint16x8_t _vmovl_u8 = vmovl_u8(_vld1_u8);
//get low 64 bit and move them to 64-bit reg
uint16x4_t _vget_low_u16 = vget_low_u16(_vmovl_u8);
//convert to 32-bit and move to 128-bit reg
uint32x4_t ld32x4 = vmovl_u16(_vget_low_u16);
这工作得很好,但在我看来,这种做法是不是最快的。也许有更好更快的方式将8位数据加载到128位的32位?
编辑:
感谢@FrankH。
uint8x16x2_t z = vzipq_u8(vld1q_u8(arr), q_zero);
uint8x16_t rr = *(uint8x16_t*)&z;
z = vzipq_u8(rr, q_zero);
ld32x4 = *(uint8x16_t*)&z;
它归结为这个组件(当编译器的优化上):我已经使用一些黑客想出了第二个版本
vld1.8 {d16, d17}, [r5]
vzip.8 q8, q9
vorr q9, q4, q4
vzip.8 q8, q9
所以没有多余的商店,这是很快速。但仍然是第一个解决方案比x1.5慢。
但是vzip_u8返回uint8x8x2_t,而vzipq_u8需要uint8x16_t。 – Max
试过这个:ld32x4 = vzipq_u8(vzipq_u8(vld1q_u8(arr),q_zero).val [0],q_zero).val [0];但它比我的变体慢了约30%。不管怎么说,还是要谢谢你! – Max
不 - 不要做'.val [...''的事。这将强制存储/重新加载。使用'vreinterpretq _ *()' - 根据类型/大小将uint8x8x2_t转换为uint8x16_t和uint8x16x2_t成为uint8x32_t等等,它只是告诉编译器以不同的方式解释一组两个/四个霓虹灯区域。 –