NEON ASM 中的 VLD3.8 不像 vld3q_u8 文档所说的那样工作？

Question

根据 ARM 参考，我们有 2 个函数分别加载 8 个和 16 个 uint8_t 实例：

 uint8x16x3_t  vld3q_u8(__transfersize(48) uint8_t const * ptr);  
                                             // VLD3.8 {d0, d2, d4}, [r0]

 uint8x8x3_t vld3_u8(__transfersize(24) uint8_t const * ptr);  
                                             // VLD3.8 {d0, d1, d2}, [r0]

在 NEON 内在函数中，我尝试了 vld3q_u8，一切正常，加载了 16 * 3 个 uint8 元素；但是，当我在 NEON 程序集中使用 VLD3.8 {d0, d2, d4} 时，只加载了 8 * 3 个 uint8 元素。

在我看来，没有使用 d1、d3 和 d5 寄存器。

我想完全使用 q0(d0, d1)、q1(d2, d3) 和 q3(d4, d5) 寄存器来加载 16 * 3 的 uint8 元素。

有人可以帮忙吗？

//sample code:
vld3.8 {d0, d2, d4}, [%[A]]!
vst.3.8 {d0, d2, d4}, [%[C]]!

我正在为 32 位 ARM 架构构建它。

Answer 1

在我看来，d1、d3 和 d5 寄存器没有被使用

确实不是，除非您加载它们。内在函数参考不太清楚的是 Q 形式的加载/存储内在函数每个扩展为 两条 指令 - 底层 vldn/vstn 指令仅针对 D 寄存器，但可以可以连续执行此操作，也可以以 2 的步长执行此操作，这样一对指令可以按适当的顺序加载成对的寄存器。

这是一个拆解的示例，说明 vld3q_u8 内在函数在原位的实际样子：

0:   f460650f        vld3.8  {d22,d24,d26}, [r0]
4:   e2802018        add     r2, r0, #24
...
c:   f462750f        vld3.8  {d23,d25,d27}, [r2]
...

这是针对 uint8x16x3_t 变量，编译器显然已为其分配 Q11-13。