我希望能够基本上能够将uint8x8_t强制转换为uint8x16_t，而不会产生任何开销，而将高64位未定义。如果您只关心底部的64位，但希望使用128位指令，这很有用，例如：
uint8x16_t data = (uint8x16_t)vld1_u8(src); // if you can somehow do this
uint8x16_t shifted = vextq_u8(oldData, data, 2);
根据我对ARM汇编的理解，这应该是可能的，因为可以将负载发送到D寄存器，然后解释为Q寄存器。
我能想到的一些方法是：
data = vcombine_u8(vld1_u8(src), vdup_n_u8(0)); - 编译器似乎努力将上半部分设置为0，即使这是不必要的data = vld1q_u8(src); - 执行128位加载（在我的情况下很好），但在具有64位NEON单元的处理器上可能会更慢？我想在CPU中可能存在一个部分依赖的icky case，只设置了这样的寄存器的一半，但我宁愿编译器在这里找出最好的方法，而不是强迫它使用0值。
有没有办法做到这一点？
答案 0 :(得分：0)
在aarch32上，你完全处于编译器的怜悯之中。 （这就是我在装配中编写NEON例程的原因）
另一方面，在aarch64，它几乎是自动的，因为无论如何都无法直接访问高64位。
编译器将在trn1上执行vcombine指令。
总结一下，aarch64上总是存在开销，而aarch32上却无法预测。如果你的aarch32例程简单而且很短，那么就不需要很多寄存器，编译器很可能会巧妙地分配寄存器，但其他情况不太可能。
BTW，在aarch64上，如果初始化低64位，CPU会自动将高64位设置为零。我不知道它是否需要额外的时间。这花费了我几天，直到我一直发现出了什么问题。太烦人了!!!