相关疑难解决方法(0)

这是参考问题: Intrinsics中Neon的校验和代码实现

打开链接中列出的子问题作为单独的个别问题.因为多个问题不被要求作为单个线程的一部分.

无论如何回答这个问题:

可以ARM和NEON(中的ARM Cortex-A8架构来说的),实际上是在并行工作？我怎样才能做到这一点？

有人可以指向我或分享一些使用ARM-NEON的互操作的示例实现(伪代码/算法/代码,而不是理论实现论文或会谈)吗？(使用intrinsics或inline-asm的实现都可以.)

我正在尝试使用内在函数为NEON实现校验和计算代码(2的补码加法).目前的校验和计算正在ARM上进行.

我的实现从存储器一次取128位到NEON寄存器并进行SIMD(加法),结果从128位数字折叠成16位数.

一切看起来都很好,但我的NEON实现消耗的时间比ARM版本多.

ARM版本需要:0.860000 s NEON版本需要:1.260000 s

注意:

1. 使用"time.h"中的实用程序进行概述
2. 校验和函数从示例应用程序调用10,000次,并在完成所有函数运行后计算时间

其他详情:

1. 使用GNU工具链(arm-none-linux-gnueabi-gcc)来编译内在代码而不是arm工具链.
2. Linux平台.
3. C内在代码.

问题:

1. 为什么NEON版本比ARM版本花费更多时间？(虽然我已经注意使用批次中具有最小循环的内在因素)

2. 如何实现我想要实现的目标？(与NEON的效率)

3. 有人可以指向我或分享一些使用ARM-NEON的互操作的示例实现(伪代码/算法/代码,而不是理论实现论文或会谈)吗？

任何帮助将非常感激.

这是我的代码:

uint16_t do_csum(const unsigned char * buff, int len)
{
int odd, count, i;

uint32x4_t result = veorq_u32( result, result), sum = veorq_u32( sum, sum); 
uint16x4_t data, data_hi, data_low, data8;
uint16x8_t dataq;
uint16_t result16, disp[20] = {0,0,0,0,0,0,0,0,0,0};

if (len <= 0)
    goto out;
odd = 1 & (unsigned long) buff;
if (odd) {
    uint8x8_t data1 = veor_u8( data1, data1); …