在 arm neon 中有效地计算两个不同的数字

Question

我有一个由 16 个整数组成的数组，我想从这个数组中找到一对彼此之间具有最大差异的整数。 可以用这个（伪）代码计算差异：

int diss(uint32_t x, uint32_t y)
{   // it could do square for each byte of the number instead.
    return
    abs(((x >> 24) & 0xFF) - ((y >> 24) & 0xFF)) + 
    abs(((x >> 16) & 0xFF) - ((y >> 16) & 0xFF)) + 
    abs(((x >>  8) & 0xFF) - ((y >>  8) & 0xFF)) + 
    abs(((x >>  0) & 0xFF) - ((y >>  0) & 0xFF));
}

void findDissimilar(uint32_t buf[16], uint32_t& x, uint32_t& y)
{
    int maxDiss = 0;
    for (int i=0; i<16; ++i)
    {
        for (int j=0; j<16; ++j)
        {
            int d = diss(buf[i], bud[j]);
            if (d > maxDiss)
            {
                maxDiss = d;
                x = buf[i];
                y = buf[j];
            }
        }
    }
}

输入buf 已经在霓虹灯寄存器中，如果这很重要的话。在输出时，我应该得到两个整数（在霓虹灯 reg 中可能会更好）。 我怎样才能在手臂霓虹灯中有效地做到这一点，我应该尝试什么方法？澄清一下，问题的重点是优化findDissimilar。

Answer 1

diss 在 neon 中计算很简单，它可能会以这种方式实现（未经测试的代码）：

uint32x4_t diss_x4(uint32x4_t x4, uint32x4_t y4)
{
    uint8x16_t diff = vabdq_u8(vreinterpretq_u8_u32(x4), vreinterpretq_u8_u32(x4));
    uint16x8_t m0 = vmull_u8(vget_low_u8(diff), vget_low_u8(diff));
    uint16x8_t m1 = vmull_u8(vget_high_u8(diff), vget_high_u8(diff));
    uint16x4_t s0 = vpadd_u16(vget_low_u8(m0), vget_high_u8(m0));
    uint16x4_t s1 = vpadd_u16(vget_low_u8(m1), vget_high_u8(m1));
    uint16x4_t sx = vpadd_u16(s0, s1);
    return vmovl_u16(sx);
}

但对findDissimilar 来说并不是那么微不足道。我认为最好的方法是执行以下操作： - 在 4 个 q 寄存器 {q0, q1, q2, q3} 中加载所有 16 个整数。 - 第一个 q0 reg 包含 { buf[0], buf[1], buf[2], buf[3] } - 然后我可以循环 15 次并从 4 个输入 q regs 中提取到 qext 值，例如 vextq_u32(q0, q1, 1) 用于第一次迭代等。 - 计算 q0 和 qext 之间的最小值。

那么应该对 q1、q2、q3 执行相同的过程。

也许如果我按字节对{q0, q1, q2, q3} 进行解交错，它可能会得到更好的优化。