这取决于编译器。例如,当我编译代码与上面器armcc(5.01)和拆解,我所得到的样子(我只是把循环,我感动的循环之外阿尔法分配)
18: f420440d vld3.8 {d4-d6}, [r0]!
1c: e2822001 add r2, r2, #1 ; 0x1
20: eeb01b45 fcpyd d1, d5
24: eeb00b46 fcpyd d0, d6
28: eeb02b44 fcpyd d2, d4
2c: f401000d vst4.8 {d0-d3}, [r1]!
30: e1520003 cmp r2, r3
34: bafffff7 blt 18 <neonPermuteRGBtoBGRA_armcc+0x18>
如果我编译与海湾合作委员会(4.4.3),并再次我得到拆解代码,
40: f967 040f vld3.8 {d16-d18}, [r7]
44: 46d6 mov lr, sl
46: ecca 0b06 vstmia sl, {d16-d18}
4a: 9d02 ldr r5, [sp, #8]
4c: ed8d 8b1a vstr d8, [sp, #104]
50: 3718 adds r7, #24
52: e8be 000f ldmia.w lr!, {r0, r1, r2, r3}
56: f108 0801 add.w r8, r8, #1 ; 0x1
5a: c50f stmia r5!, {r0, r1, r2, r3}
5c: eddd 0b24 vldr d16, [sp, #144]
60: e89e 0003 ldmia.w lr, {r0, r1}
64: edcd 0b16 vstr d16, [sp, #88]
68: eddd 0b22 vldr d16, [sp, #136]
6c: edcd 0b18 vstr d16, [sp, #96]
70: e885 0003 stmia.w r5, {r0, r1}
74: ed9d 0b26 vldr d0, [sp, #152]
78: 9d03 ldr r5, [sp, #12]
7a: ed8d 0b14 vstr d0, [sp, #80]
7e: cd0f ldmia r5!, {r0, r1, r2, r3}
80: 46ae mov lr, r5
82: 465d mov r5, fp
84: c50f stmia r5!, {r0, r1, r2, r3}
86: e89e 000f ldmia.w lr, {r0, r1, r2, r3}
8a: e885 000f stmia.w r5, {r0, r1, r2, r3}
8e: 9501 str r5, [sp, #4]
90: 465d mov r5, fp
92: 2100 movs r1, #0
94: 2220 movs r2, #32
96: 4620 mov r0, r4
98: f7ff fffe bl 0 <memset>
9c: cd0f ldmia r5!, {r0, r1, r2, r3}
9e: 4625 mov r5, r4
a0: c50f stmia r5!, {r0, r1, r2, r3}
a2: f8dd c004 ldr.w ip, [sp, #4]
a6: e89c 000f ldmia.w ip, {r0, r1, r2, r3}
aa: e885 000f stmia.w r5, {r0, r1, r2, r3}
ae: ecd4 0b08 vldmia r4, {d16-d19}
b2: f946 000f vst4.8 {d16-d19}, [r6]
b6: 3620 adds r6, #32
b8: 45c8 cmp r8, r9
ba: dbc1 blt.n 40 <memset+0x40>
和执行时间与更快器armcc 10倍。
如果我编译生成器armcc汇编代码的函数(它看起来像现在阿尔法是早在循环:))与海湾合作委员会(内联汇编)
void neonPermuteRGBtoBGRA_gas(unsigned char* src, unsigned char* dst,
int numPix) {
asm(
" ASR r3,r2,#31\n"
" VMOV.I8 d1,#0xff\n"
" ADD r2,r2,r3,LSR #29\n"
" ASR r3,r2,#3\n"
" MOV r2,#0\n"
" CMP r3,#0\n"
" BLE end\n"
"loop:\n"
" VLD3.8 {d4,d5,d6},[r0]!\n"
" ADD r2,r2,#1\n"
" CMP r3,r2\n"
" VMOV.F64 d3,d5\n"
" VMOV.F64 d2,d6\n"
" VMOV.F64 d5,d1\n"
" VMOV.F64 d0,d4\n"
" VST4.8 {d2,d3,d4,d5},[r1]!\n"
" BGT loop\n"
"end:\n"
);
}
我得到相同的执行时间与海湾合作委员会,以及。
在到底是什么,我建议你要么拆卸您的二进制和检查编译器生成你想要什么,或者使用汇编。
顺便说一句,如果你想进一步提高这个函数的执行时间,我建议你去看看
- 手臂的PLD(预加载数据)指令
- 利用所有的循环可能NEON指令像循环展开(你会发现,实际带宽将内存中的数据加载时间)
无法将其转换为llvm内联汇编。必须将'vmov.u8,d3,#0xff'更改为'vmov.u8 d3,#0xff'。用上面的函数包装时仍然会导致崩溃。有任何想法吗? – 2012-08-16 05:32:49
'空隙neonPermuteRGBtoBGRA_gas(无符号字符* SRC,无符号字符* DST,整数numPix) { __asm__易失性( “MOV R2,R2,LSR#3 \ n” 个 “VMOV。#0xff \ n“ ”loop:\ n“ ”vld3.8 {d0-d2},[r0]!\ n“ ”subs r2,r2,#1 \ n“ ”vswp d0, D2 \ n”个 “vst4.8 {D0-D3},[R1] \ n” 个 “BGT环\ n” 个 “BX LR \ n” 个 );! } #endif' – 2012-08-16 05:34:12
我没有”牛逼器armcc要求应该是最优化的。我是想,如果你使用的NEON内在,你是在编译器的手说。 – auselen 2012-08-17 08:32:01