SSE 到霓虹灯 (_mm_movelh_ps)答案

【问题标题】：SSE to Neon (_mm_movelh_ps)SSE 到霓虹灯 (_mm_movelh_ps)
【发布时间】：2017-03-07 10:20:25
【问题描述】：

我正在将一些 SSE 代码移动到 Neon，但我找不到任何与 _mm_movelh_ps 等效的代码。我用谷歌搜索了很多东西……我错过了什么吗？是否有任何 Neon 功能可以做同样的事情，否则我将不得不在 CPU 上实现它（不理想）。

提前致谢！

【问题讨论】：

标签： c sse neon

【解决方案1】：

SSE 有 128 位向量寄存器 ("xmmN")。 _mm_movelh_ps() 从向量寄存器的低 64 位传输到向量寄存器的高 64 位。

ARM32 NEON 具有 64 位向量寄存器 ("dN")。两个连续的向量寄存器，第一个为偶数，可以组合成一个 128 位的向量寄存器（"qN"）。

要在 ARM32 NEON 中获得 _mm_movelh_ps 的功能，可以使用普通的 64 位向量移动。

#include <immintrin.h>
__m128 foo(__m128 a, __m128 b)
{
  return _mm_movelh_ps(a, b);
}

等价于下面的 gcc 向量内在函数

typedef float v4sf __attribute__((vector_size(16)));
typedef unsigned v4ui __attribute__((vector_size(16)));
v4sf bar(v4sf a, v4sf b)
{
  return __builtin_shuffle(a, b, (v4ui){0, 1, 4, 5});
}

在我的 gcc 4.8.4 上两者都编译成相同的代码：

movlhps %xmm1, %xmm0
ret

不幸的是，用于 ARM32 NEON 的 gcc 4.9.2 为此产生了可笑错误代码：

    vldr    d16, .L2
    vldr    d17, .L2+8
    vtbl.8  d18, {d0, d1, d2, d3}, d16
    vtbl.8  d19, {d0, d1, d2, d3}, d17
    vmov    q0, q9  @ v16qi
    bx      lr

所以你可能需要使用 NEON-intrinsics：

#include <arm_neon.h>

float32x4_t foo(float32x4_t a, float32x4_t b)
{
  return vcombine_f32(vget_low_f32(a), vget_low_f32(b));
}

编译为预期的简单移动指令：

    vmov    d1, d2  @ v2sf
    bx      lr

【讨论】：

你打败了我。在发布之前，我正在启动我的 Raspberry Pi 以进行验证！ :)
@Vallentin：这就是我一直在运行的原因 ;-)
这是一个非常古老的编译器。有没有办法升级？你建立在什么主机上？也许我可以找到你的链接。我不能放弃发布链接到更好的编译器的机会。
@sh1：嗯，x86-64 gcc 4.8.4 是我迫切需要放弃的古代 Mint 版本的默认设置。 ARM gcc 4.9.2 是 Raspian 的默认版本，并且是 AFAIK 提供的最新版本。在gcc.godbolt.org 上，gcc 5.4 生成相同的代码，而 5.4.1 失败得更可怕（似乎它没有正确的 NEON 标头？）。
我在 google 上搜索了一下，看起来 Stretch 中的 GCC 6.1 即将推出，所以也许只是坐等一下。但是，是的，我在 NEON 内在函数之外的 GCC 向量支持方面也遇到了很多麻烦，我对这个问题的持续存在并不完全感到惊讶。您也可以通过Clang nightlies 试试运气。