Android NDK 之NEON最佳化

       近期正在往Android平台移植演算法。確切地說，是針對ARM A8 A9 平台進行最佳化。發現不同晶片的浮點能力差別頗大。A9系列明顯強於A8系列，大約有3倍多的提升，應該就是VFP管線化的優勢。不過即使相同核心，不同廠家的晶片也會有不少差別。起初用本人手機，ATRIX，Tegra2處理器，A9雙核。測算了一下，跑浮點演算法速度是我台式機的三分之一。折算為相同頻率的話，已經相差無幾了。PC的演算法直接編譯就可以使用，速度直接達標，DSP時期的什麼浮點轉定點，直接就Pass掉，啥最佳化不用，真是驚歎。不過拿上其他A8板子，驚喜立馬就飛走了，最佳化還是得做的，活省不了。主要可用的就是NEON了。

      最佳化NEON時，挑了幾個典型函數，比如向量內積、比例求和、互相干係數，讓人去嘗試看看。一開始按照TI DSP的慣用招數，將運算用一系列NEON內嵌函式去整，發現速度僅提升了10%，搞不下去。我分析了彙編代碼，發現編出來的有很多棧操作，比如關鍵的運算語句就一條，但前後 vstd 和 vldr 有十來條，不慢才怪。網上搜搜，也有類似情況，似乎編譯器對NEON內聯的最佳化較弱，沒法把運算串起來。使出最後一招：嵌入式彙編手工最佳化，看了半天指令集，挑了最簡單的比例求和函數，其實彙編的話，也就對應三條運算語句，就是算上載入和儲存，也就十來句，比起編譯器出來的幾十條省了很多。運行一下，速度提升了5倍。這下有搞頭了，讓工程師把其他幾個也整了，最高有20倍提升。就是編起來有點費勁，半天一個小函數，只能用於最佳化核心費時的部分。

     有兩個比較不錯的參考資料：

    http://hilbert-space.de/?p=22  RGB轉灰階的最佳化執行個體，裡面展現了函數對應的彙編指令，以及手工彙編的結果，主要是對載入、儲存進行了最佳化。

  
http://blogs.arm.com/software-enablement/241-coding-for-neon-part-3-matrix-multiplication/ 官方執行個體，矩陣乘法的NEON移植分析與實現。

   另外 OpenMAX庫也可以看看。