c - ARM NEON 内部函数将 D(64 位)寄存器转换为 Q(128 位)寄存器的低半部分，而上半部分未定义

Question

我希望能够在没有开销的情况下将 uint8x8_t 强制类型转换为 uint8x16_t，同时保留高 64 位未定义。如果您只关心底部 64 位，但希望使用 128 位指令，这将很有用，例如:

uint8x16_t 数据 = (uint8x16_t)vld1_u8(src);//如果你能以某种方式做到这一点
uint8x16_t shifted = vextq_u8(oldData, data, 2);


根据我对 ARM 汇编的理解，这应该是可能的，因为可以将负载发布到 D 寄存器，然后解释为 Q 寄存器。

我能想到的一些方法是:

• data = vcombine_u8(vld1_u8(src), vdup_n_u8(0)); - 编译器似乎努力将上半部分设置为 0，即使这从来没有必要
• data = vld1q_u8(src); - 执行 128 位加载工作(在我的情况下没问题)，但在具有 64 位 NEON 单元的处理器上可能更慢？

我想 CPU 中可能存在部分依赖关系的棘手情况，只设置了半个这样的寄存器，但我宁愿编译器在这里找出最佳方法，而不是强制它使用 0 值。

有什么办法吗？

Answer 1

在 aarch32 上，您完全受制于编译器。 (这就是我用汇编写NEON例程的原因)

另一方面，在 aarch64 上，它几乎是自动的，因为无论如何都不能直接访问上层 64 位。

虽然编译器会在 vcombine 上执行 trn1 指令。

总而言之，在 aarch64 上总是有开销，而在 aarch32 上则不可预测。如果您的 aarch32 例程简单而简短，因此不需要很多寄存器，编译器很可能会巧妙地分配寄存器，但否则可能性很小。

顺便说一句，在 aarch64 上，如果您初始化低 64 位，CPU 会自动将高 64 位设置为零。我不知道这是否需要额外的时间。我确实花了好几天时间才发现一直以来出了什么问题。太烦人了!!!