对于整数而言，ARM的NEON比浮点更快吗？

Question

浮点运算和整数运算都是相同的速度？如果不是这样，整数版本会快多少？

Answer 1

您可以找到有关Cortex-A8的Instruction-specific scheduling for Advanced SIMD instructions的信息（由于时间业务变得非常复杂，因此他们不会将其发布给新的核心。）

请参阅Advanced SIMD integer ALU instructions与Advanced SIMD floating-point instructions：

您可能需要阅读how to read those tables的解释。

为了给出完整的答案，通常浮点指令需要两个周期，而在ALU上执行指令需要一个周期。另一方面，long long（8字节整数）的乘法是四个周期（forum same source），而double的乘法是两个周期。

一般情况下，您似乎不应该关心浮点数与整数，但仔细选择数据类型（浮点数对双数，整数对长长数）更为重要。

Answer 2

这取决于您拥有的型号，但趋势是整数有更多机会使用128位宽的数据路径。在较新的CPU上不再适用。

当然，整数运算也使您有机会通过使用16位或8位运算来增加并行性。

与所有整数与浮点参数一样，它取决于具体问题以及您愿意投入多少时间进行调优，因​​为它们很少能运行完全相同的代码。

Answer 3

我会参考auselen的回答来获得所有参考文献的链接，然而，我发现实际的循环计数有点误导。确实，它可以“根据您需要的精度”“走两条路”，但是假设您在例程中有一些并行性，并且可以一次有效地操作两个单词（SP float）。让我们假设你需要精确的浮点数可能是一个好主意... 24位。

特别是在分析NEON性能时，请记住存在回写延迟（流水线延迟），因此如果需要将结果作为另一条指令的输入，则必须等待结果准备就绪。

对于固定点，您需要32位整数来表示至少24位精度：

• 将2×2的32位数相乘，得到64位结果。这需要两个周期，并需要一个额外的寄存器来存储广泛的结果。
• 将64位数字移回所需精度的32位数字。这需要一个周期，你必须等待乘法的回写（5-6周期）延迟。

对于浮点数：

• 将两个二比特的32位浮点数相乘。这需要一个周期。

因此，对于这种情况，你无法选择整数优于浮点数。

如果您正在处理16位数据，那么权衡更接近，尽管您可能仍需要额外的指令来将乘法结果移回所需的精度。为了在使用Q15时获得良好的性能，您可以在VQDMULH数据上使用s16指令，并使用比SP浮点更少的寄存器来实现更高的性能。

此外，正如auselen所提到的，新的核心具有不同的微架构，而且事情总是在变化。我们很幸运，ARM实际上公开了他们的信息。对于像Apple，高通和三星（可能是其他人......）那样修改微体系结构的供应商，唯一知道的方法就是尝试它，如果你正在编写程序集，这可能会有很多工作。不过，我认为官方ARM指令计时网站可能非常有用。我确实认为他们发布了numbers for A9，这些大多数都是相同的。