Question

我的Zynq-7000 ARM Cortex-A9处理器同时具有NEON和VFPv3扩展，Zynq-7000-TRM表示该处理器配置为具有＆＃34; VFPv3的独立流水线和高级SIMD指令＆＃34;

到目前为止，我使用Linaro GCC 6.3-2017.05和-mfpu=neon选项编译了我的程序，以使用SIMD指令。但是在编译器还要发布非SIMD操作的情况下，使用-mfpu=neon-vfpv3会有所不同吗？ GCC的指令选择和调度程序是否会发出两个版本的指令，以便它可以利用这两个流水线来提高CPU的利用率？

Answer 1

技术上，是的。

现实，没有。

NEON在ARMv7上是可选的。

被许可人可以从下面选择一种配置：

无
仅限VFP
NEON加VFP

与NEON不同，ARMv7上有不同的VFP版本，Cortex-A8上的VFP-lite是最流行的非流水线版本，因此非常慢。

因此，从技术上讲，通过编译器选项指定CPU配置和架构版本是有意义的，这样编译器就可以为该特定架构/配置生成最优化的机器代码。

实际上，现在编译器忽略了大多数这些构建选项甚至指令。

并且VFP和NEON指令被分配给不同的管道并不会有多大帮助，因为它们都共享寄存器库。

通过利用尽可能多的寄存器来提升NEON的性能将带来的不仅仅是让VFP并行运行。

这让我感到很困惑，为什么以及如此多的人如此信任免费编译器。

最好的ARM编译器可以提供价值6,000美元+ DS-5旗舰版的ARM。他们的支持非常好，但我不确定它是否能证明价格合理。

Answer 2

ARM's Cortex-A9 NEON/VFP manual（Cortex™ -A9 NEON™ 媒体处理引擎）在第3.2节中编写最佳VFP和高级SIMD代码：

以下指南可为VFP和Advanced提供显着的性能提升   SIMD代码：尽可能避免：



...



混合高级SIMD指令仅包含VFP说明。

它表示它可以与ARM或Thumb指令并行执行NEON和VFP指令（即标量整数代码），＃34;除了同时加载和存储＆＃34;。

如果它们意味着完全避免让它们一下子飞行，或者它们意味着避免VFP和NEON指令之间存在数据依赖关系，那么它并非100％清晰。很容易想象后者因不适用于前者的原因而变坏（例如，在不同域中的执行单元之间可能没有旁路转发）。

同一文档中的循环时序表明VFP标量指令在管道中比NEON指令花费的时间更长（即使延迟看起来相同），因此可能使用VFP对于没有代码的代码来说是一个胜利矢量化，即使使用-ffast-math。或者，如果我正确读取此权限，NEON具有较低的延迟MUL，因此可能是长依赖链的胜利。

Cortex-A9，如果它有VFP，则具有完全流水线的VFP FPU。 e.g。

VADD / VSUB .F（Sn）或.D（Dn）（（VFP）：1c吞吐量。周期1需要输入，第4周期结果就绪。（4c延迟？）
VADD / VSUB Dn（NEON）：1c吞吐量。第2周期需要输入，第5周期结果就绪（第6周回写）。（所以4c或5c延迟？取决于消耗结果的东西）。
VADD / VSUB Qn（NEON）:( 1个）2c吞吐量。在第2周期然后第3周期间需要输入，结果在第5周期结束，然后是第6步。（回写1c晚于此）（所以4c或5c延迟？）。
VMUL .F Sd,Sn,Sm（VFP）：1c吞吐量，第1周期所需的输入，第5周期结果准备就绪（所以5c延迟？）
没有列出具有双精度的VMUL（VFP），只有VNMUL（2c吞吐量）。
VMUL（NEON）：与VADD / VSUB相同的时序。也许不处理denormals允许快捷方式？如果我正确读取此权限，它实际上比VFP更低的延迟，除了需要先发布的指令。

还有用于乘法累加的特殊结果转发。见PDF。

Answer 3

答案取决于gcc的版本，将来可能会发生变化。 current code in cortex-a9.md将NEON / VFP描述为组合单元。该行是，

(define_cpu_unit "ca9_issue_vfp_neon, cortex_a9_ls" "cortex_a9")

带有注释，

;; The Cortex-A9 core is modelled as a dual issue pipeline that has
;; the following components.
;; 1. 1 Load Store Pipeline.
;; 2. P0 / main pipeline for data processing instructions.
;; 3. P1 / Dual pipeline for Data processing instructions.
;; 4. MAC pipeline for multiply as well as multiply
;;    and accumulate instructions.
;; 5. 1 VFP and an optional Neon unit.
;; The Load/Store, VFP and Neon issue pipeline are multiplexed.
;; The P0 / main pipeline and M1 stage of the MAC pipeline are
;;   multiplexed.
;; The P1 / dual pipeline and M2 stage of the MAC pipeline are
;;   multiplexed.
;; There are only 4 integer register read ports and hence at any point of
;; time we can't have issue down the E1 and the E2 ports unless
;; of course there are bypass paths that get exercised.
;; Both P0 and P1 have 2 stages E1 and E2.
;; Data processing instructions issue to E1 or E2 depending on
;; whether they have an early shift or not.

ca9_issue_vfp_neon单位用于描述NEON和VFP指令。因此，调度程序在计算成本时不会知道指令可以流水线化。然而，它可能会发出两者并且你可能很幸运并且它们被流水线化。

在＆＃39; arm.c＆＃39;中，有许多实例使用NEON来传输数据。如果您的代码具有许多结构的浮点数，编译器可能会混合NEON和VFP代码，其中NEON用于移动数据。

exynos之类的机器有一些自定义调整，例如使用neon您的Zync CPU无法获得的字符串操作，因为它在arm.c中没有调整说明。

另外，如果您没有指定-mfpu=neon-vfpv3，则任何-line汇编程序与＆＃39; vfpv3＆＃39;说明将无效。

根据GCC版本，情况会有所变化。但是，您可以在＆＃39; cortex-a9.md＆＃39;中查找CPU说明。查看编译器是否可能以不同方式调度指令。此外，＆＃39; arm.c＆＃39;文件执行指令的成本计算;如果没有在那里实现NEON成本，那么编译器将永远不会发出指令。

在使用更简单的ARMv5 DSP指令时，即使这样做有用，你会发现只有1-2％的说明会改变。在数兆字节的图像中，像这样的选项只会因为其他人给出的原因（共享寄存器，浮点上的C＆＃39;语义等）而改变几百个操作码。

但是，如果-mfpu=neon-vfpv3描述了您的CPU，为什么不将它用于嵌入式应用程序？通用选项旨在生成可在多种类型的设备上运行的代码。

指定＆＃34; -mfpu = neon-vfpv3＆＃34;是否有优势？ over＆＃34; -mfpu = neon＆＃34;对于具有单独管道的ARM？

3 个答案: