ARM的NEON对于整数比浮点数更快吗？

Question

浮点运算和整数运算的速度相同吗？如果不是，整数版本有多快？

- MetallicPriest

Answer 1

您可以找到关于Cortex-A8的Advanced SIMD指令的特定调度信息（他们不再发布更新版本的相关信息，因为定时业务变得非常复杂）。参见Advanced SIMD整数ALU指令与Advanced SIMD浮点指令的区别。您可能需要阅读有关如何阅读这些表格的说明。总的来说，浮点指令需要两个周期，而在ALU上执行的指令则只需要一个周期。另一方面，长长的乘法（8字节整数）需要四个周期（同样的来源），而double的乘法只需要两个周期。总的来说，您似乎不应该关注浮点数与整数，但是仔细选择数据类型（float vs double，int vs long long）更为重要。

- auselen

Answer 2

这取决于您使用的模型，但倾向于整数具有更多使用128位宽数据路径的机会。但在新的CPU上已经不再是这样了。

当然，整数算术还可以通过使用16位或8位操作来增加并行性。

与所有整数与浮点数之间的争论一样，这取决于具体问题以及您愿意投入多少时间进行调优，因为它们很少能完全运行相同的代码。

- sh1

Answer 3

我会参考auselen的答案，提供所有相关链接的参考资料，但我发现实际的周期计数有些误导。确实，这取决于您所需的精度，但假设您的例程中有一些并行性，并且可以有效地同时处理两个字（SP浮点数）。假设您需要浮点数可能是一个好主意的精度... 24位。

特别是在分析NEON性能时，请记住存在写回延迟（流水线延迟），因此如果需要将结果作为另一个指令的输入，则必须等待结果准备就绪。

对于定点，您将需要32位整数来表示至少24位的精度：

- 将两个32位数字相乘，得到64位结果。这需要两个周期，并需要额外的寄存器来存储宽结果。 - 将64位数字移回所需精度的32位数字。这需要一个周期，并且您必须等待来自乘法的写回（5-6个周期）延迟。

对于浮点数：

- 将两个32位浮点数相乘。这需要一个周期。

因此，在这种情况下，你肯定不会选择整数而不是浮点数。

如果你正在处理16位数据，则权衡要更接近，尽管你可能仍需要额外的指令将乘法的结果移回所需的精度。如果你使用Q15并希望实现良好的性能，则可以在s16数据上使用VQDMULH指令，并且使用较少的寄存器就可以实现更高的性能，而不是使用SP float。

另外，正如auselen所提到的，新型芯片有不同的微架构，事情总是在变化中。我们很幸运，ARM实际上公开了他们的信息。对于像苹果、高通和三星（可能还有其他厂商...）这样修改微体系结构的厂商来说，唯一的办法就是去尝试，如果你在写汇编代码，这可能是很多工作。不过，我认为官方的ARM指令计时网站可能非常有用。我确实认为他们发布了A9的数字，而且这些数字基本相同。

- Peter M