我想用Neon Intrinsics优化这些代码。基本上是给定的输入
0 1 2 3 4 5 6 7 8
将产生输出,
2 1 0 5 4 3 8 7 6
void func(uint8_t* src, uint8_t* dst, int size){
for (int i = 0; i < size; i++){
dst[0] = src[2];
dst[1] = src[1];
dst[2] = src[0]
dst = dst+3;
src = src+3;
}
}
我能想到的唯一方法就是使用
uint8x8x3_t src = vld3_u8(src);
获取3个向量,然后从src [2],src [1],src [0]访问每个元素并写入内存。
有人可以帮忙吗?
谢谢。
答案 0 :(得分:1)
在基础指令集中这很容易,因为你要交换3元素结构中的两个元素,这实际上已经说明了相关的指令:
vld3.u8 {d0-d2}, [r0]
vswp d0, d2
vst3.u8 {d0-d2}, [r0]
在NEON Programmers Guide中甚至有这个确切的例子,因为它是RGB-BGR转换,而且这正是NEON设计的处理类型。
对于内在函数来说,它有点棘手,因为vswp
没有内在的东西;你只需要在C中表达它并信任编译器做正确的事情:
uint8x8x3_t data = vld3_u8(src);
uint8x8_t tmp = data.val[0];
data.val[0] = data.val[2];
data.val[2] = tmp;
vst3_u8(dest, data);
也就是说,随着编译器交付各种版本的GCC,我无法说服他们中的任何人实际发出vswp
代码生成,范围从次优到愚蠢。 Clang做得好多了,但仍然没有vswp
;其他编译器可能更聪明。