我正在使用 NEON 对 ARM 处理器进行代码优化。但是我有一个问题：我的算法包含以下浮点计算：
round(x*b - y*a)
结果可以是正面的也可以是负面的。
实际上，我使用 2 个 VMUL 和 1 个 VSUB 进行并行计算（每次操作使用 Q 寄存器和 32 位浮点数 4 个值）。
有办法解决这个问题吗？如果结果都是相同的符号，我知道我可以简单地加或减 0.5
【问题讨论】：
标签： optimization assembly arm neon
首先，NEON 的延迟很长，尤其是在浮点乘法之后。 因此，与 vfp 编程相比，使用两个 vmul 和一个 vsub 不会获得太多收益。
因此，您的代码应如下所示：
vmul.f32 result, x, b
vmls.f32 result, y, a
这些乘法累加/减法指令与前一个乘法指令背靠背发出，没有任何延迟。 （在这种情况下节省了 9 个周期）
不幸的是，我不明白你的实际问题。为什么有人要舍入浮点值？显然你打算提取整数部分，并且有几种方法可以做到这一点，我不能告诉你更多，因为你的问题总是太模糊。
我在这个论坛上关注你的问题已经有一段时间了，我无法摆脱你缺乏一些非常基本的东西的感觉。
我建议你先阅读 ARM 的汇编参考指南 pdf。
【讨论】：
我对汇编一无所知，但使用 C 中的 NEON 内部函数（我提到了它们的汇编等效项以帮助您浏览文档，即使我自己无法使用它们），round 的算法函数可能是：
// Prepare 3 vectors filled with all 0.5, all -0.5, and all 0
// Corresponding assembly instruction is VDUP
float32x4_t plus = vdupq_n_f32(0.5);
float32x4_t minus = vdupq_n_f32(-0.5);
float32x4_t zero = vdupq_n_f32(0);
// Assuming the result of x*a-y*b is stored in the following vector:
float32x4_t xa_yb;
// Compare vector with 0
// Corresponding assembly instruction is VCGT
uint32x4_t more_than_zero = vcgtq_f32(xa_yb, zero);
// Resulting vector will be set to all 1-bits for values where the comparison
// is true, all 0-bits otherwise.
// Use bit select to choose if you have to add or substract 0.5
// Corresponding assembly instruction is VBSL, its syntax is quite alike
// `more_than_zero ? plus : minus`.
float32x4_t to_add = vbslq_f32(more_than_zero, plus, minus);
// Add this vector to the vector to round
// Corresponding assembly instruction is VADD,
// but I guess you knew this one :D
float32x4_t rounded = vaddq_f32(xa_yb, to_add);
// Then cast to integers!
我猜你可以把它转换成程序集（反正我不是）
请注意，我不知道这是否真的比标准代码、非 SIMD 代码更有效！
【讨论】：