Оптимизация сборки RGBA-> RGB arm64

Question

Я написал эту очень наивную реализацию NEON для преобразования из RGBA в RGB. Это работает, но мне было интересно, есть ли что-нибудь еще, что я мог бы сделать для дальнейшего улучшения производительности.

Я пробовал играть с размером предварительной выборки и разворачивать петлю немного больше, но характеристики не сильно изменились. Кстати, есть ли какое-либо эмпирическое правило, когда дело доходит до измерения предварительной выборки? Я не мог найти ничего полезного в сети. Кроме того, в «Обзор набора инструкций ARMv8» я вижу, что есть также предварительная выборка для магазина, как это полезно?

В настоящее время я получаю около 1,7 мс для преобразования изображения 1280х720 на iPhone5.

// unsigned int * rgba2rgb_neon(unsigned int * pDst, unsigned int * pSrc, unsigned int count); 
_rgba2rgb_neon: 
    cmp  w2, #0x7 
    b.gt loop 

    mov  w0, #0 
    ret 

loop: 
    prfm pldl1strm, [w1, #64] 

    ld4.8b {v0, v1, v2, v3}, [w1], #32 
    ld4.8b {v4, v5, v6, v7}, [w1], #32 

    prfm pldl1strm, [w1, #64] 

    st3.8b {v0, v1, v2}, [w0], #24 
    st3.8b {v4, v5, v6}, [w0], #24 

    subs w2, w2, #16 
    b.gt loop 

done: 
    ret 

Answer 1

Первый (так я предполагаю, что вы ориентируетесь IOS), vImage (часть Accelerate.framework) обеспечивает для вас это преобразование, так как vImageConvert_RGBA8888toRGB888. Это имеет то преимущество, что доступно для всех систем iOS и OS X, поэтому вам не нужно писать отдельные реализации для arm64, armv7s, armv7, i386, x86_64.

Теперь, возможно, вы пишете это преобразование как упражнение самостоятельно, а не потому, что просто не знаете, что он уже доступен. В этом случае:

• Избегайте использования ld[34] или st[34]. Они удобны, но в целом медленнее, чем использование ld1 и перестановка.
• Для обычных шаблонов доступа к данным, как это, ручная предварительная выборка не требуется.
• нагрузка четыре 16b RGBA векторов с ld1.16b, выделить три 16b RGB векторов из них с тремя tbl.16b инструкциями и хранить их с st1.16b
• Альтернативны, попробуйте использовать без временных нагрузок и магазины (ldnp/stnp), в качестве изображения размер слишком большой, чтобы поместиться в кешках.

Наконец, чтобы ответить на ваш вопрос: подсказка для препринтов для магазинов в первую очередь полезна, поскольку некоторые реализации могут иметь значительный лад для частичной записи строки, которая пропускает кеш. Особенно простые реализации могут иметь стойло для любой записи, которая пропускает кеш.

Answer 2

См. Также vImageFlatten_RGBA8888toRGB888, если вы хотите, чтобы что-то интересное сделало с альфа-каналом, кроме того, чтобы вытащить его через плечо.