ARMv7 + NEONの高速サイン/コサイン：テスターを探してい...

Question

iPhone 3GSまたはパンドラへのアクセス権を持つ誰かが私がちょうど書いた次のアセンブリルーチンをテストしてくださいもらえますか？

本当に速いNEONベクトルFPUの正弦と余弦を計算することになっています。私はそれがうまくコンパイル知っているが、十分なハードウェアなしで、私はそれをテストすることはできません。あなただけの）少数の正弦と余弦を計算し、SINF（）およびcosf（のものと結果を比較することができれば、それは本当に役立つだろう。

ありがとうございます。

#include <math.h>

/// Computes the sine and cosine of two angles
/// in: angles = Two angles, expressed in radians, in the [-PI,PI] range.
/// out: results = vector containing [sin(angles[0]),cos(angles[0]),sin(angles[1]),cos(angles[1])]
static inline void vsincos(const float angles[2], float results[4]) {
    static const float constants[]  = { 
    /* q1 */  0,                M_PI_2,           0,                M_PI_2,
    /* q2 */  M_PI,             M_PI,             M_PI,             M_PI,
    /* q3 */  4.f/M_PI,         4.f/M_PI,         4.f/M_PI,         4.f/M_PI,
    /* q4 */ -4.f/(M_PI*M_PI), -4.f/(M_PI*M_PI), -4.f/(M_PI*M_PI), -4.f/(M_PI*M_PI),
    /* q5 */  2.f,              2.f,              2.f,              2.f,
    /* q6 */  .225f,            .225f,            .225f,            .225f
    };  
    asm volatile(
        // Load q0 with [angle1,angle1,angle2,angle2]
        "vldmia %1, { d3 }\n\t"
        "vdup.f32 d0, d3[0]\n\t"
        "vdup.f32 d1, d3[1]\n\t"
        // Load q1-q6 with constants
        "vldmia %2, { q1-q6 }\n\t"
        // Cos(x) = Sin(x+PI/2), so
        // q0 = [angle1, angle1+PI/2, angle2, angle2+PI/2]
        "vadd.f32 q0,q0,q1\n\t"
        // if angle1+PI/2>PI, substract 2*PI
        // q0-=(q0>PI)?2*PI:0
        "vcge.f32 q1,q0,q2\n\t"
        "vand.f32 q1,q1,q2\n\t"
        "vmls.f32 q0,q1,q5\n\t"
        // q0=(4/PI)*q0 - q0*abs(q0)*4/(PI*PI)
        "vabs.f32 q1,q0\n\t"
        "vmul.f32 q1,q0,q1\n\t"
        "vmul.f32 q0,q0,q3\n\t"
        "vmul.f32 q1,q1,q4\n\t"
        "vadd.f32 q0,q0,q1\n\t"
        // q0+=.225*(q0*abs(q0) - q0)
        "vabs.f32 q1,q0\n\t"
        "vmul.f32 q1,q0,q1\n\t"
        "vsub.f32 q1,q0\n\t"
        "vmla.f32 q0,q1,q6\n\t"
        "vstmia %0, { q0 }\n\t"
        :: "r"(results), "r"(angles), "r"(constants)
        : "memory","cc","q0","q1","q2","q3","q4","q5","q6"
    );  
}

Answer 1

コメントで言ったように、

ちょうど..私のBeagleBoard上でそれをテストした：同じCPUを

。

あなたのコードはCLIBよりも約15倍速い..ですよくやりました！

私は4、C-libの通話のための実装および1260年の各呼び出しのための82サイクルを測定しました。私はソフトフロートABIでコンパイルした、私のOMAP3が早いシリコンなので、C-libのバージョンへの各呼び出しは、少なくとも40サイクルのNEONストールを持っていることに注意します。

私は一緒に結果をzip形式で圧縮しました..

http://torus.untergrund.net/code/sincos.zipする

パフォーマンスカウンタのものが最も可能性の高いiPhone上では動作しません。

あなたが探していたものです。

希望ます。

Answer 2

ああ - 私はそれを忘れて前に：たぶん、あなたは自分の仕事のビット安全にすることができます..

これらのNEONの最適化数学関数を見てみましょう。

http://code.google.com/p/math-neon/