- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我有两个 float 标签。我需要将第一个选项卡中的元素乘以第二个选项卡中的相应元素,并将结果存储在第三个选项卡中。
我想使用 NEON 来并行化 float 乘法:同时进行四个 float 乘法而不是一个。
我预计会有显着的加速,但我只实现了大约 20% 的执行时间减少。这是我的代码:
#include <stdlib.h>
#include <iostream>
#include <arm_neon.h>
const int n = 100; // table size
/* fill a tab with random floats */
void rand_tab(float *t) {
for (int i = 0; i < n; i++)
t[i] = (float)rand()/(float)RAND_MAX;
}
/* Multiply elements of two tabs and store results in third tab
- STANDARD processing. */
void mul_tab_standard(float *t1, float *t2, float *tr) {
for (int i = 0; i < n; i++)
tr[i] = t1[i] * t2[i];
}
/* Multiply elements of two tabs and store results in third tab
- NEON processing. */
void mul_tab_neon(float *t1, float *t2, float *tr) {
for (int i = 0; i < n; i+=4)
vst1q_f32(tr+i, vmulq_f32(vld1q_f32(t1+i), vld1q_f32(t2+i)));
}
int main() {
float t1[n], t2[n], tr[n];
/* fill tables with random values */
srand(1); rand_tab(t1); rand_tab(t2);
// I repeat table multiplication function 1000000 times for measuring purposes:
for (int k=0; k < 1000000; k++)
mul_tab_standard(t1, t2, tr); // switch to next line for comparison:
//mul_tab_neon(t1, t2, tr);
return 1;
}
我运行以下命令进行编译: g++ -mfpu=neon -ffast-math neon_test.cpp
我的 CPU:ARMv7 处理器版本 0 (v7l)
您有什么想法可以实现更显着的加速吗?
最佳答案
Cortex-A8 和 Cortex-A9 每个周期只能执行两次 SP FP 乘法,因此您最多可以将这些(最流行的)CPU 的性能提高一倍。实际上,ARM CPU 的 IPC 非常低,因此最好尽可能多地展开循环。如果您想要终极性能,请使用汇编语言编写:gcc 的 ARM 代码生成器在任何地方都不如 x86。
我还建议使用特定于 CPU 的优化选项:“-O3 -mcpu=cortex-a9 -march=armv7-a -mtune=cortex-a9 -mfpu=neon -mthumb”用于 Cortex-A9;对于 Cortex-A15、Cortex-A8 和 Cortex-A5,相应地替换 -mcpu=-mtune=cortex-a15/a8/a5。 gcc 没有针对 Qualcomm CPU 的优化,因此对于 Qualcomm Scorpion 使用 Cortex-A8 参数(并且展开比平时更多),对于 Qualcomm Krait 尝试使用 Cortex-A15 参数(您需要最新版本的 gcc 支持它)。
关于c++ - NEON 浮点乘法比预期慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12420050/
用 ARM-NEON 编码的计算密集型算法的最佳指令吞吐量是多少? 例如,如果我有一个基于大量 8 位 -> 8 位操作的简单算法,那么可以维持的最快执行速度(以每个周期的 8 位操作衡量)是多少我们
我想为 armv6 构建我的库,如果设备支持,我会在运行时启用一些 neon 代码。 neon 代码使用 neon 内在函数,为了能够编译它,我必须启用 armeabi-v7a,但这会影响常规的 c
我正在寻找使用 NEON 内在函数测试 128 NEON 寄存器是否包含全零的最快方法。 我目前正在使用 3 个 OR 操作和 2 个 MOV: uint32x4_t vr = vorrq_u32(v
“无法加载JNI共享库“C:\ Program Files(x86)\ Java \ jre1.8.0_131 \ bin \ client \ jvm.dll” 我该如何解决此错误 最佳答案 是否根
实际上,我正在尝试找出一种比较从“unsigned short”数组加载的 NEON 寄存器值的好方法。由于我正在处理一个大型项目,因此无法解释共享整个代码部分。相反,我将分享一个类似的例子,以便每个
NEON 怎么会和 C 一样慢? 我一直在尝试构建一个快速直方图函数,通过为输入值分配一个值(这是它们最接近的范围阈值),将输入值分入范围。这是应用于图像的东西,因此它必须很快(假设图像数组为 640
我的 Zynq-7000 ARM Cortex-A9 处理器同时具有 NEON 和 VFPv3 扩展,Zynq-7000-TRM 表示处理器配置为具有“VFPv3 和高级 SIMD 指令的独立管道”。
我正在编译以下 ARM NEON 内在测试代码(在 Eclipse 和 Android NDK 中): void foo(uint64_t* Res) { uint64_t x = 0xff1
我是 NEON 内部函数(A9 处理器)的新手。 我想将 uint8x16_t 转换为 int32x4_t 值。我尝试使用 vreinterpret_s32_u8 来这样做,但没有用。 有人可以指导我
Eclipse Neon 在启动期间显示错误消息框并且不会打开。该消息提供了日志文件的文件路径。在该文件中,我看到此错误消息: !ENTRY org.eclipse.e4.ui.workbench.s
我有一个简单的单极低通滤波器(用于参数平滑),可以用以下公式解释: y[n] = (1-a) * y[n-1] + a * x[n] 如何在 ARM Neon 上有效矢量化这种情况 - 使用内在函数?
我用 polymer 构建了一个小型网络应用程序,并使用 NEON 动画。我想在特定动画(例如英雄动画和波纹动画)的自动测试中测量 fps。neon-animation中是否有animationEnd
有没有办法在保存文件时识别 Eclipse 发生了什么? 我的 Eclipse 运行速度非常慢(保存文件需要近 3 分钟)。只需在文件中添加一个空格并保存,它就会一直显示“正在更新导航器内容查看器”和
Eclipse Neon 启动后不到两分钟就不断卡住。没有显示错误消息或异常,工作台只是停止响应。 .log 文件中有无数异常,例如: !ENTRY org.eclipse.ui 4 4 2016-0
如何禁用 Eclipse Neon 中的欢迎屏幕? 虽然有 similar question for Eclipse Juno ,但建议的方法似乎在 Eclipse Neon 中不起作用。 我发现的一
我需要在 Neon 中实现以下循环。 int jump=4,c[8],i; //c[8] may be declared here int *src,sum=0; //**EDIT:** src p
这个问题在这里已经有了答案: arm neon compare operations generate negative one (2 个答案) 关闭 6 年前。 根据 Neon 文档: 如果一条车
假设我在 neon 中有一个 64 位 d 寄存器。假设它存储值 ABCDEFGH。现在我想添加 A&E、B&F、C&G、D&H 等等。这里是否有任何内在的东西可以进行这样的操作 我查看了文档,但没有
我正在努力将下面的代码翻译成 Neon Assembly。任何帮助将不胜感激。 void sum(int length, int *a, int *b, int *c, int *d, char *r
我试图改进一些代码,但我做不到,所以我在这里寻求帮助,我也尝试过使用内在函数,但是如果你想使用内在函数,你需要使用 GCC 编译器,这个编译器编译速度较慢比 LLVM,那么所有的代码都会变慢,所以最好
我是一名优秀的程序员,十分优秀!