linux kernel态下使用NEON对算法进行加速

2024-02-17 07:48

本文主要是介绍linux kernel态下使用NEON对算法进行加速,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

https://www.cnblogs.com/liuwanpeng/p/7833000.html

ARM处理器从cortex系列开始集成NEON处理单元,该单元可以简单理解为协处理器,专门为矩阵运算等算法设计,特别适用于图像、视频、音频处理等场景,应用也很广泛。

  本文先对NEON处理单元进行简要介绍,然后介绍如何在内核态下使用NEON,最后列举实例说明。

    一.NEON简介

  其实最好的资料就是官方文档,Cortex-A Series Programmer’s Guide ,以下描述摘自该文档

     1.1 SIMD

  NEON采用SIMD架构,single instruction multy data,一条指令处理多个数据,NEON中这多个数据可以很多,而且配置灵活(8bit、16bit、32bit为单位,可多个单位数据),这是优势所在。

  如下图,APU需要至少四条指令完成加操作,而NEON只需要1条,考虑到ld和st,节省的指令更多。

 

  上述特性,使NEON特别适合处理块数据、图像、视频、音频等

     1.2 NEON architecture overview

  NEON也是load/store架构,寄存器为64bit/128bit,可形成向量化数据,配合若干便于向量操作的指令。

       1.2.1 commonality with VFP 

       1.2.2 data type

  

    指令中的数据类型表示,例如VMLAL.S8:

  

  1.2.3 registers 

  32个64bit寄存器,D0~D31;同时可组成16个128 bit寄存器,Q0~Q15。与VFP公用。

  

  寄存器内部的数据单位为8bit、16bit、32bit,可以根据需要灵活配置。

  

  

  NEON的指令有Normal,Long,Wide,Narrow和Saturating variants等几种后缀,是根据操作的源src和dst寄存器的类型确定的。

  

   

        1.2.4 instruction set

  

                     

   1.3 NEON 指令分类概述

    指令比较多, 详细可参考Cortex-A Series Programmer’s Guide。可大体分为:

  • NEON general data processing instructions  
  • NEON shift instructions 
  • NEON logical and compare operations 
  • NEON arithmetic instructions
  • NEON multiply instructions 
  • NEON load and store element and structure instructions B.8 NEON and VFP pseudo-instructions

  简单罗列一下各指令

  

                

                  

                

    

    无循环左移,负数左移按右移处理。

    load和store指令不太好理解,说明一下。

    

 

      1.4 NEON 使用方式

      1.4.1 NEON使用方式

  NEON有若干种使用方式:

  •   C语言被编译器自动向量化,需要增加编译选项,且C语言编码时有若干注意事项。这种方式不确定性太大,没啥实用价值
  •   NEON汇编,可行,汇编稍微复杂一点,但是核心算法还是值得的
  •   intrinsics,gcc和armcc等编译器提供了若干与NEON对应的inline函数,可直接在C语言里调用,这些函数反汇编时会直接编程响应的NEON指令。这种方式比较实用与C语言环境,且相对简单。本文后续使用这种方式进行详细说明。

         1.4.2  C语言NEON数据类型

    需包含arm_neon.h头文件,该头文件在gcc目录里。都是向量数据。

复制代码
typedef __builtin_neon_qi int8x8_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_hi int16x4_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_si int32x2_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_di int64x1_t;
typedef __builtin_neon_sf float32x2_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_poly8 poly8x8_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_poly16 poly16x4_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_uqi uint8x8_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_uhi uint16x4_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_usi uint32x2_t    __attribute__ ((__vector_size__ (8)));
typedef __builtin_neon_udi uint64x1_t;
typedef __builtin_neon_qi int8x16_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_hi int16x8_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_si int32x4_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_di int64x2_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_sf float32x4_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_poly8 poly8x16_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_poly16 poly16x8_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_uqi uint8x16_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_uhi uint16x8_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_usi uint32x4_t    __attribute__ ((__vector_size__ (16)));
typedef __builtin_neon_udi uint64x2_t    __attribute__ ((__vector_size__ (16)));typedef float float32_t;
typedef __builtin_neon_poly8 poly8_t;
typedef __builtin_neon_poly16 poly16_t;typedef struct int8x8x2_t
{int8x8_t val[2];
} int8x8x2_t;typedef struct int8x16x2_t
{int8x16_t val[2];
} int8x16x2_t;typedef struct int16x4x2_t
{int16x4_t val[2];
} int16x4x2_t;typedef struct int16x8x2_t
{int16x8_t val[2];
} int16x8x2_t;typedef struct int32x2x2_t
{int32x2_t val[2];
} int32x2x2_t;typedef struct int32x4x2_t
{int32x4_t val[2];
} int32x4x2_t;typedef struct int64x1x2_t
{int64x1_t val[2];
} int64x1x2_t;typedef struct int64x2x2_t
{int64x2_t val[2];
} int64x2x2_t;typedef struct uint8x8x2_t
{uint8x8_t val[2];
} uint8x8x2_t;typedef struct uint8x16x2_t
{uint8x16_t val[2];
} uint8x16x2_t;typedef struct uint16x4x2_t
{uint16x4_t val[2];
} uint16x4x2_t;typedef struct uint16x8x2_t
{uint16x8_t val[2];
} uint16x8x2_t;typedef struct uint32x2x2_t
{uint32x2_t val[2];
} uint32x2x2_t;typedef struct uint32x4x2_t
{uint32x4_t val[2];
} uint32x4x2_t;typedef struct uint64x1x2_t
{uint64x1_t val[2];
} uint64x1x2_t;typedef struct uint64x2x2_t
{uint64x2_t val[2];
} uint64x2x2_t;typedef struct float32x2x2_t
{float32x2_t val[2];
} float32x2x2_t;typedef struct float32x4x2_t
{float32x4_t val[2];
} float32x4x2_t;typedef struct poly8x8x2_t
{poly8x8_t val[2];
} poly8x8x2_t;typedef struct poly8x16x2_t
{poly8x16_t val[2];
} poly8x16x2_t;typedef struct poly16x4x2_t
{poly16x4_t val[2];
} poly16x4x2_t;typedef struct poly16x8x2_t
{poly16x8_t val[2];
} poly16x8x2_t;typedef struct int8x8x3_t
{int8x8_t val[3];
} int8x8x3_t;typedef struct int8x16x3_t
{int8x16_t val[3];
} int8x16x3_t;typedef struct int16x4x3_t
{int16x4_t val[3];
} int16x4x3_t;typedef struct int16x8x3_t
{int16x8_t val[3];
} int16x8x3_t;typedef struct int32x2x3_t
{int32x2_t val[3];
} int32x2x3_t;typedef struct int32x4x3_t
{int32x4_t val[3];
} int32x4x3_t;typedef struct int64x1x3_t
{int64x1_t val[3];
} int64x1x3_t;typedef struct int64x2x3_t
{int64x2_t val[3];
} int64x2x3_t;typedef struct uint8x8x3_t
{uint8x8_t val[3];
} uint8x8x3_t;typedef struct uint8x16x3_t
{uint8x16_t val[3];
} uint8x16x3_t;typedef struct uint16x4x3_t
{uint16x4_t val[3];
} uint16x4x3_t;typedef struct uint16x8x3_t
{uint16x8_t val[3];
} uint16x8x3_t;typedef struct uint32x2x3_t
{uint32x2_t val[3];
} uint32x2x3_t;typedef struct uint32x4x3_t
{uint32x4_t val[3];
} uint32x4x3_t;typedef struct uint64x1x3_t
{uint64x1_t val[3];
} uint64x1x3_t;typedef struct uint64x2x3_t
{uint64x2_t val[3];
} uint64x2x3_t;typedef struct float32x2x3_t
{float32x2_t val[3];
} float32x2x3_t;typedef struct float32x4x3_t
{float32x4_t val[3];
} float32x4x3_t;typedef struct poly8x8x3_t
{poly8x8_t val[3];
} poly8x8x3_t;typedef struct poly8x16x3_t
{poly8x16_t val[3];
} poly8x16x3_t;typedef struct poly16x4x3_t
{poly16x4_t val[3];
} poly16x4x3_t;typedef struct poly16x8x3_t
{poly16x8_t val[3];
} poly16x8x3_t;typedef struct int8x8x4_t
{int8x8_t val[4];
} int8x8x4_t;typedef struct int8x16x4_t
{int8x16_t val[4];
} int8x16x4_t;typedef struct int16x4x4_t
{int16x4_t val[4];
} int16x4x4_t;typedef struct int16x8x4_t
{int16x8_t val[4];
} int16x8x4_t;typedef struct int32x2x4_t
{int32x2_t val[4];
} int32x2x4_t;typedef struct int32x4x4_t
{int32x4_t val[4];
} int32x4x4_t;typedef struct int64x1x4_t
{int64x1_t val[4];
} int64x1x4_t;typedef struct int64x2x4_t
{int64x2_t val[4];
} int64x2x4_t;typedef struct uint8x8x4_t
{uint8x8_t val[4];
} uint8x8x4_t;typedef struct uint8x16x4_t
{uint8x16_t val[4];
} uint8x16x4_t;typedef struct uint16x4x4_t
{uint16x4_t val[4];
} uint16x4x4_t;typedef struct uint16x8x4_t
{uint16x8_t val[4];
} uint16x8x4_t;typedef struct uint32x2x4_t
{uint32x2_t val[4];
} uint32x2x4_t;typedef struct uint32x4x4_t
{uint32x4_t val[4];
} uint32x4x4_t;typedef struct uint64x1x4_t
{uint64x1_t val[4];
} uint64x1x4_t;typedef struct uint64x2x4_t
{uint64x2_t val[4];
} uint64x2x4_t;typedef struct float32x2x4_t
{float32x2_t val[4];
} float32x2x4_t;typedef struct float32x4x4_t
{float32x4_t val[4];
} float32x4x4_t;typedef struct poly8x8x4_t
{poly8x8_t val[4];
} poly8x8x4_t;typedef struct poly8x16x4_t
{poly8x16_t val[4];
} poly8x16x4_t;typedef struct poly16x4x4_t
{poly16x4_t val[4];
} poly16x4x4_t;typedef struct poly16x8x4_t
{poly16x8_t val[4];
} poly16x8x4_t;
复制代码

 

    1.4.3  gcc的NEON函数

  跟NEON指令对应,详见gcc手册。

 

    二.内核状态下使用NEON的规则

  在linux里,应用态可以比较方便使用NEON instrinsic,增加头arm_neon.h头文件后直接使用。但是内核态下使用NEON有较多限制,在linux内核文档  /Documentation/arm/kernel_mode_neon.txt对此有详细说明。要点为:

  

   还有一点特别关键:

  

复制代码
  CC [M]  /work/platform-zynq/drivers/zynq_fpga_driver/mmi_neon/lcd_hw_fs8812_neon.o
In file included from /home/liuwanpeng/lin/lib/gcc/arm-xilinx-linux-gnueabi/4.8.3/include/arm_neon.h:39:0,from /work/platform-zynq/drivers/zynq_fpga_driver/mmi_neon/lcd_hw_fs8812_neon.c:8:
/home/liuwanpeng/lin/lib/gcc/arm-xilinx-linux-gnueabi/4.8.3/include/stdint.h:9:26: error: no include path in which to search for stdint.h# include_next <stdint.h>没有使用-ffreestanding编译选项时,在内核态下使用出现此编译错误。                         
复制代码

    三.实例

  NEON一般在图像等领域,最小处理单位就是8bit,而不是1bit,这方便的例子非常多,本文就不说明了。在实际项目中,我需要对液晶的一组数据按位操作,变换,形成新的数据,如果用传统ARM指令,掩码、移位、循环,想想效率就非常低。于是决定使用NEON的位相关指令完成上述任务。

 3.1 任务说明

  如下图,需要对各个bit进行转换,组成新的数据。

 

   3.2 算法说明

 使用vmsk、vshl、vadd等位操作完成。

   3.3 kernel配置

  必须配置内核支持NEON,否则kernel_neon_begin()和kernel_neon_end()等函数不会编辑进去。

  make menuconfig:Floating point emulation,如下图。

  

未使能“Support for NEON in kernel mode”时会报错:
mmi_module_amp: Unknown symbol kernel_neon_begin (err 0)
mmi_module_amp: Unknown symbol kernel_neon_end (err 0)

   3.4 模块代码

 由于NEON代码需要单独设置编译选项,所以单独建立了一个内核模块,makefile如下:

CFLAGS_MODULE += -O3 -mfpu=neon -mfloat-abi=softfp -ffreestanding 

 

 核心代码:

复制代码

#include <linux/module.h> 
#include <linux/printk.h>
#include <arm_neon.h>  // 来自GCC的头文件,必须用-ffreestanding编译选徐昂

  #define LCD_8812_ROW_BYTES 16
  #define LCD_8812_PAGE_ROWS 8
  #define LCD_PAGE_BYTES (LCD_8812_ROW_BYTES*LCD_8812_PAGE_ROWS)

int fs8812_cvt_buf( uint8 * dst, uint8 * src )
{uint8x16_t V_src[8];uint8x16_t V_tmp[8];uint8x16_t V_dst[8];uint8x16_t V_msk;int8x16_t V_shift;int8 RSHL_bits[8] = {0,1,2,3,4,5,6,7};int8 row,bit;uint8 page;uint8 * fb_page_x = NULL;    // convert the frame_buf for fs8812for( page=0;page<4;page++ ){fb_page_x = src + page*LCD_PAGE_BYTES;for( row=0;row<LCD_8812_PAGE_ROWS;row++ )V_src[row] = vld1q_u8( fb_page_x + row*LCD_8812_ROW_BYTES );for( bit=0;bit<8;bit++){V_msk = vdupq_n_u8(1<<bit);for( row=0;row<LCD_8812_PAGE_ROWS;row++){V_tmp[row] = vandq_u8(V_src[row],V_msk);    // only process the desire bitV_shift = vdupq_n_s8( RSHL_bits[row]-bit );V_tmp[row] = vshlq_u8( V_tmp[row],V_shift );}    V_dst[bit]  =  vorrq_u8(V_tmp[0],V_tmp[1]);     // all bit_x convert to one rowV_dst[bit] |=  vorrq_u8(V_tmp[2],V_tmp[3]);V_dst[bit] |=  vorrq_u8(V_tmp[4],V_tmp[5]);V_dst[bit] |=  vorrq_u8(V_tmp[6],V_tmp[7]);               }// store to ramfb_page_x = dst + page*LCD_PAGE_BYTES;for( row=0;row<LCD_8812_PAGE_ROWS;row++ ){vst1q_u8(fb_page_x,V_dst[row]);fb_page_x += LCD_8812_ROW_BYTES;}}return 0;
}EXPORT_SYMBOL_GPL(fs8812_cvt_buf);
复制代码

 

 调用模块,务必没有“-mfpu=neon -mfloat-abi=softfp ”选项

    // convert the frame_buf for fs8812kernel_neon_begin();fs8812_cvt_buf( g_tmp_buf, frame_buf );kernel_neon_end();


这篇关于linux kernel态下使用NEON对算法进行加速的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/717129

相关文章

C++使用栈实现括号匹配的代码详解

《C++使用栈实现括号匹配的代码详解》在编程中,括号匹配是一个常见问题,尤其是在处理数学表达式、编译器解析等任务时,栈是一种非常适合处理此类问题的数据结构,能够精确地管理括号的匹配问题,本文将通过C+... 目录引言问题描述代码讲解代码解析栈的状态表示测试总结引言在编程中,括号匹配是一个常见问题,尤其是在

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Nginx设置连接超时并进行测试的方法步骤

《Nginx设置连接超时并进行测试的方法步骤》在高并发场景下,如果客户端与服务器的连接长时间未响应,会占用大量的系统资源,影响其他正常请求的处理效率,为了解决这个问题,可以通过设置Nginx的连接... 目录设置连接超时目的操作步骤测试连接超时测试方法:总结:设置连接超时目的设置客户端与服务器之间的连接

Java中String字符串使用避坑指南

《Java中String字符串使用避坑指南》Java中的String字符串是我们日常编程中用得最多的类之一,看似简单的String使用,却隐藏着不少“坑”,如果不注意,可能会导致性能问题、意外的错误容... 目录8个避坑点如下:1. 字符串的不可变性:每次修改都创建新对象2. 使用 == 比较字符串,陷阱满

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何

使用C++实现链表元素的反转

《使用C++实现链表元素的反转》反转链表是链表操作中一个经典的问题,也是面试中常见的考题,本文将从思路到实现一步步地讲解如何实现链表的反转,帮助初学者理解这一操作,我们将使用C++代码演示具体实现,同... 目录问题定义思路分析代码实现带头节点的链表代码讲解其他实现方式时间和空间复杂度分析总结问题定义给定

Linux使用nload监控网络流量的方法

《Linux使用nload监控网络流量的方法》Linux中的nload命令是一个用于实时监控网络流量的工具,它提供了传入和传出流量的可视化表示,帮助用户一目了然地了解网络活动,本文给大家介绍了Linu... 目录简介安装示例用法基础用法指定网络接口限制显示特定流量类型指定刷新率设置流量速率的显示单位监控多个

ElasticSearch+Kibana通过Docker部署到Linux服务器中操作方法

《ElasticSearch+Kibana通过Docker部署到Linux服务器中操作方法》本文介绍了Elasticsearch的基本概念,包括文档和字段、索引和映射,还详细描述了如何通过Docker... 目录1、ElasticSearch概念2、ElasticSearch、Kibana和IK分词器部署

JavaScript中的reduce方法执行过程、使用场景及进阶用法

《JavaScript中的reduce方法执行过程、使用场景及进阶用法》:本文主要介绍JavaScript中的reduce方法执行过程、使用场景及进阶用法的相关资料,reduce是JavaScri... 目录1. 什么是reduce2. reduce语法2.1 语法2.2 参数说明3. reduce执行过程

如何使用Java实现请求deepseek

《如何使用Java实现请求deepseek》这篇文章主要为大家详细介绍了如何使用Java实现请求deepseek功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1.deepseek的api创建2.Java实现请求deepseek2.1 pom文件2.2 json转化文件2.2