Question

我写了一个简单的C代码来计算数组中存在的N float的平均值。每个浮点数我得到10.5个ClockCyles作为大N的吞吐量。

arm_mean_f32()的表现实际上更差。

这个CCs /浮动太多了吗？

3个操作

从内存加载
蓄积的加载值
指针增量

可以并行发生。

ARM Cortex M4F会这样做吗？

该项目在定制板上运行，飞思卡尔K24处理器采用ARM Cortex M4F。

Answer 1

ARM实现是非常传统的你可以在Github上检查它们，它们只是循环展开以减少循环开销，然后累积每个循环的4个样本的总和，最后除去样本数，我用M4F试了一下每次浮动我得到5.3个周期。

这是我使用的代码

#include "arm_math.h" 
#define MAX_BLOCKSIZE 32

float32_t src_buf_f32[MAX_BLOCKSIZE] =
{
  -0.4325648115282207,  -1.6655843782380970,  0.1253323064748307,
   0.2876764203585489,  -1.1464713506814637,  1.1909154656429988,
   1.1891642016521031,  -0.0376332765933176,  0.3272923614086541,
   0.1746391428209245,  -0.1867085776814394,  0.7257905482933027,
  -0.5883165430141887,   2.1831858181971011, -0.1363958830865957,
   0.1139313135208096,   1.0667682113591888,  0.0592814605236053,
  -0.0956484054836690,  -0.8323494636500225,  0.2944108163926404,
  -1.3361818579378040,   0.7143245518189522,  1.6235620644462707,
  -0.6917757017022868,   0.8579966728282626,  1.2540014216025324,
  -1.5937295764474768,  -1.4409644319010200,  0.5711476236581780,
  -0.3998855777153632,   0.6899973754643451
};
float32_t result_f32; 

int main(void)
{
 arm_mean_f32(src_buf_f32, MAX_BLOCKSIZE, &result_f32);
 return 0;
}

我认为这是浮点运算可以获得的最佳性能，您的性能不佳可能是因为您正在测量错误的周期数或您的芯片。您也可以尝试增加编译器优化。

ARM CMSIS DSP平均N个浮点样本的吞吐量

1 个答案: