Rápido seno / co-seno para ARMv7 + NEON: à procura de testadores ...

Question

Poderia alguém com acesso a um iPhone 3GS ou um Pandora favor testar o seguinte I assembly rotina acabou de escrever?

Supõe-se para senos e co-senos de computação realmente muito rápido na FPU NEON vetor. Eu sei que compila bem, mas sem hardware adequada não posso testá-lo. Se você poderia apenas computar algumas senos e co-senos e comparar os resultados com os de Sinf () e cosf () seria realmente ajuda.

Obrigado!

#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

Apenas testei no meu BeagleBoard .. Como disse nos comentários:. Mesmo CPU

Seu código é cerca de 15 vezes mais rápido que o clib .. Bem feito!

Eu medi 82 ciclos para cada chamada de sua implementação e 1260 para as quatro chamadas c-lib. Note que eu compilei com soft-float ABI e meu OMAP3 é o silício cedo, de modo que cada chamada para a versão do c-lib tem uma tenda NEON de pelo menos 40 ciclos.

Eu compactados juntos os resultados ..

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

O desempenho-counter coisas provavelmente não trabalho no iPhone.

A esperança é o que você está procurando.

Answer 2

Oh - antes que me esqueça: Talvez você pode segura-se um pouco de trabalho ..

Dê uma olhada nessas funções matemáticas NEON otimizado:

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