使用 NEON 内在函数存储非相邻 d 寄存器的最快方法
Fastest way of storing non-adjacent d registers with NEON intrinsics
我正在将 32 位 NEON asm 代码移植到 NEON 内在函数，我想知道是否可以使用内在函数以简洁的方式编写此代码：
vst4.32 {d0[0], d2[0], d4[0], d6[0]}, [%[v1]]!
1) 前面的代码对q寄存器进行操作，但是在存储时，没有使用q0、q1、q2和[=15] =]，它必须重新创建每个部分都在 d 寄存器之一中的向量，例如v1[0] = d0[0], v1[1] = d2[0] ... v2[0] = d0[1], v2[1] = d2[1] ... v3[0] = d1[0], v3[1] = d3[0] ...等
此操作是 asm 中的单行操作，但对于内在函数，我不知道我是否可以在不首先拆分高位和低位并构建新的 float32x4x4_t 变量以提供给 vst4_f32.
这可能吗？
2) 我不完全确定 [%[v1]]! 做了什么（是的，我用谷歌搜索了很多）：它应该是对名为 v1 的变量的引用，感叹号将做 writeback，这应该意味着指针增加了与同一行上的指令写入的相同数量。
对吗？有什么方法可以用内在函数复制它吗？
好像是内联汇编。
无论如何，答案是：
1) 否
2) 是
原则上，足够智能的编译器可以使用您想要的 vst4_f32 内在指令，但实际上，没有哪个编译器那么好。
要得到post-索引写回，你可以写
vst4_f32(ptr, v);
ptr += 4;
一些编译器会识别这一点。 GCC 5.1（发布时）至少在某些情况下会这样做。
[编辑：误读了问题，vst4q_lane_f32 确实完美地映射到所需的指令]
经过更多调查后，我发现了这条针对 store a specific lane of an array of 4 vectors 的特定指令，因此无需拆分为高位和低位变量：
float32x4x4_t u = { q0, q1, q2, q3 };
vst4q_lane_f32(v1, u, 0);
v1 += 4;
正如@charlesbaylis 所写，Writeback 只是一个增加的指针。
我正在将 32 位 NEON asm 代码移植到 NEON 内在函数，我想知道是否可以使用内在函数以简洁的方式编写此代码：
vst4.32 {d0[0], d2[0], d4[0], d6[0]}, [%[v1]]!
1) 前面的代码对q寄存器进行操作，但是在存储时，没有使用q0、q1、q2和[=15] =]，它必须重新创建每个部分都在 d 寄存器之一中的向量，例如v1[0] = d0[0], v1[1] = d2[0] ... v2[0] = d0[1], v2[1] = d2[1] ... v3[0] = d1[0], v3[1] = d3[0] ...等
此操作是 asm 中的单行操作，但对于内在函数，我不知道我是否可以在不首先拆分高位和低位并构建新的 float32x4x4_t 变量以提供给 vst4_f32.
这可能吗？
2) 我不完全确定 [%[v1]]! 做了什么（是的，我用谷歌搜索了很多）：它应该是对名为 v1 的变量的引用，感叹号将做 writeback，这应该意味着指针增加了与同一行上的指令写入的相同数量。
对吗？有什么方法可以用内在函数复制它吗？
好像是内联汇编。 无论如何，答案是：
1) 否
2) 是
原则上，足够智能的编译器可以使用您想要的 vst4_f32 内在指令，但实际上，没有哪个编译器那么好。
要得到post-索引写回，你可以写
vst4_f32(ptr, v);
ptr += 4;
一些编译器会识别这一点。 GCC 5.1（发布时）至少在某些情况下会这样做。
[编辑：误读了问题，vst4q_lane_f32 确实完美地映射到所需的指令]
经过更多调查后，我发现了这条针对 store a specific lane of an array of 4 vectors 的特定指令，因此无需拆分为高位和低位变量：
float32x4x4_t u = { q0, q1, q2, q3 };
vst4q_lane_f32(v1, u, 0);
v1 += 4;
正如@charlesbaylis 所写，Writeback 只是一个增加的指针。