使用 Neon aarch64 优化 gemm（矩阵乘法）

Question

我有一个矩阵乘法，如下所示：

void gemm_nn(int N, int K, float *A, float *B, float *C) {
    int j, k;
    for (k = 0; k < K; k++)
        for (j = 0; j < N; j++)
            C[j] += A[k] * B[k * N + j];
}

浮点数是单个的，4字节，32位。

我想用 armv8-a 64 位优化循环。

我可以在单个 128 位寄存器中加载 4 个连续的浮点数并进行一次乘法累加运算吗？

你能指出我应该尝试实现这个的说明吗？

Answer 1

需要原生 SIMD ld1 {v16.4s} 和 fmla 指令。