Arm-neon-intrinsics

arm neon 方面的文档真的很少，所以整理下intrinsics指令的内容和文档 ：）

更详细的armeabi-v7a文档可以看ARMV7 NEON汇编指令详解中文版.pdf

指令周期，吞吐量可以看Cortex_A57_Software_Optimization_Guide_external.pdf

asm写法参考gcc内联汇编

intrinsics对应aarch64或aarch32 asm 指令说明

初始化寄存器

• vcreate_type: 将一个64bit的数据装入vector中，并返回元素类型为type的vector。r=a
• vdup_n_type/vmov_n_type: 用类型为type的数值，初始化一个元素类型为type的新vector的所有元素。ri=a
• vdupq_n_type/vmovq_n_type:
• vdup_lane_type: 用元素类型为type的vector的某个元素，初始化一个元素类型为type的新vector的所有元素。ri=a[b]
• vdupq_lane_type:
• vmovl_type: 将vector的元素bit位扩大到原来的两倍，元素值不变。
• vmovn_type: 用旧vector创建一个新vector，新vector的元素bit位是旧vector的一半。新vector元素只保留旧vector元素的低半部分。
• vqmovn_type: 用旧vector创建一个新vector，新vector的元素bit位是旧vector的一半。如果旧vector元素的值超过新vector元素的最大值，则新vector元素就取最大值。否则新vector元素就等于旧vector元素的值。
• vqmovun_type: 作用与vqmovn_type类似，但它输入的是有符号vector，输出的是无符号vector。

从内存加载数据进neon寄存器

• vld1_type: 按顺序将内存的数据装入neon寄存器，并返回元素类型为type格式的vector
• vld1q_type:
• vld1_lane_type：用旧vector创建一个同类型的新vector，同时将新vector中指定元素的值改为内存中的值。
• vld1q_lane_type:
• vld1_dup_type：用type类型的内存中第一个值，初始化一个元素类型为type的新vector的所有元素。
• vld1q_dup_type:
• vld2_type: 按交叉顺序将内存的数据装入2个neon寄存器（内存第1个数据放入第1个neon寄存器的第1个通道，内存第2个数据放入第2个neon寄存器的第1个通道，内存第3个数据放入第1个neon寄存器的第2个通道，内存第4个数据放入第2个neon寄存器的第2个通道。。。）。并返回有两个vector的结构体
• vld2q_type:
• vld2_lane_type:
• vld2q_lane_type:
• vld2_dup_type: 用type类型的内存中第一个值，初始化第一个新vector的所有元素，用内存中第二个值，初始化第二个新vector的所有元素。
• vld3_type: 交叉存放，本质上与vld2_type类似，只是这里装载3个neon寄存器
• vld3q_type:
• vld3_lane_type:
• vld3q_lane_type:
• vld3_dup_type: 本质上与vld2_dup_type类似
• vld4_type: 交叉存放，本质上与vld2_type类似，只是这里装载4个neon寄存器
• vld4q_type:
• vld4_lane_type:
• vld4q_lane_type:
• vld4q_dup_type: 本质上与vld2_dup_type类似

从neon寄存器加载数据进内存

• vst1_type: 将元素类型为type格式的vector的所有元素装入内存
• vst1q_type:
• vst1_lane_type: 将元素类型为type格式的vector中指定的某个元素装入内存
• vst1q_lane_type:
• vst2_type: 交叉存放，vld2_type的逆过程
• vst2q_type:
• vst2_lane_type:
• vst2q_lane_type:
• vst3_type: 交叉存放，vld3_type的逆过程
• vst3q_type:
• vst3_lane_type:
• vst3q_lane_type:
• vst4_type: 交叉存放，vld4_type的逆过程
• vst4q_type:
• vst4_lane_type:
• vst4q_lane_type:

直接获取neon寄存器某个通道的值

• vget_low_type: 获取128bit vector的低半部分元素，输出的是元素类型相同的64bit vector。
• vget_high_type: 获取128bit vector的高半部分元素，输出的是元素类型相同的64bit vector。
• vget_lane_type: 获取元素类型为type的vector中指定的某个元素值。
• vgetq_lane_type:

直接设置neon寄存器某个通道的值

• vset_lane_type: 设置元素类型为type的vector中指定的某个元素的值，并返回新vector。
• vsetq_lane_type:

寄存器数据重排

• vext_type: 取第2个输入vector的低n个元素放入新vector的高位，新vector剩下的元素取自第1个输入vector最高的几个元素(可实现vector内元素位置的移动)

• vextq_type: 如：src1 = {1,2,3,4,5,6,7,8} src2 = {9,10,11,12,13,14,15,16} dst = vext_type(src1,src2,3)时，则dst = {4,5,6,7,8, 9,10,11}

• vtbl1_type: 第二个vector是索引，根据索引去第一个vector（相当于数组）中搜索相应的元素，并输出新的vector，超过范围的索引返回的是0. 如：src1 = {1,2,3,4,5,6,7,8} src2 = {0,0,1,1,2,2,7,8} dst = vtbl1_u8(src1,src2)时，则dst = {1,1,2,2,3,3,8,0}

• vtbl2_type: 数组长度扩大到2个vector 如：src.val[0] = {1,2,3,4,5,6,7,8} src.val[1] = {9,10,11,12,13,14,15,16} src2 = {0,0,1,1,2,2,8,10} dst = vtbl2_u8(src,src2)时，则dst = {1,1,2,2,3,3,9,11}

• vtbl3_type:

• vtbl4_type:

• vtbx1_type: 根vtbl1_type功能一样，不过搜索到的元素是用来替换第一个vector中的元素，并输出替换后的新vector，当索引超出范围时，则不替换第一个vector中相应的元素。

• vtbx2_type:

• vtbx3_type:

• vtbx4_type:

• vrev16_type: 将vector中的元素位置反转

• vrev16q_type: 如：src1 = {1,2,3,4,5,6,7,8} dst = vrev16_u8(src1)时，则dst = {2,1,4,3,6,5,8,7}

• vrev32_type:

• vrev32q_type: 如：src1 = {1,2,3,4,5,6,7,8} dst = vrev32_u8(src1)时，则dst = {4,3,2,1,8,7,6,5}

• vrev64_type:

• vrev64q_type: 如：src1 = {1,2,3,4,5,6,7,8} dst = vrev32_u8(src1)时，则dst = {8,7,6,5,4,3,2,1}

• vtrn_type: 将两个输入vector的元素通过转置生成一个有两个vector的矩阵

• vtrnq_type: 如：src.val[0] = {1,2,3,4,5,6,7,8} src.val[1] = {9,10,11,12,13,14,15,16} dst = vtrn_u8(src.val[0], src.val[1])时， 则 dst.val[0] = {1,9, 3,11,5,13,7,15} dst.val[1] = {2,10,4,12,6,14,8,16}

• vzip_type: 将两个输入vector的元素通过交叉生成一个有两个vector的矩阵

• vzipq_type: 如：src.val[0] = {1,2,3,4,5,6,7,8} src.val[1] = {9,10,11,12,13,14,15,16} dst = vzip_u8(src.val[0], src.val[1])时， 则dst.val[0] = {1,9, 2,10,3,11,4,12} dst.val[1] = {5,13,6,14,7,15,8,16}

• vuzp_type: 将两个输入vector的元素通过反交叉生成一个有两个vector的矩阵（通过这个可实现n-way 交织）

• vuzpq_type: 如：src.val[0] = {1,2,3,4,5,6,7,8} src.val[1] = {9,10,11,12,13,14,15,16} dst = vuzp_u8(src.val[0], src.val[1])时， 则dst.val[0] = {1,3,5,7,9, 11,13,15} dst.val[1] = {2,4,6,8,10,12,14,16}

• vcombine_type: 将两个元素类型相同的输入vector拼接成一个同类型但大小是输入vector两倍的新vector。新vector中低部分元素存放的是第一个输入vector元素。

• vbsl_type:按位选择，参数为(mask, src1, src2)。mask的某个bit为1，则选择src1中对应的bit，为0，则选择src2中对应的bit。

• vbslq_type:

加法

• vadd_type: ri = ai + bi
• vaddq_type:
• vaddl_type: 变长加法运算，为了防止溢出
• vaddw_type: 第一个vector元素宽度大于第二个vector元素
• vaddhn_type: 结果vector元素的类型大小是输入vector元素的一半
• vqadd_type: ri = sat(ai + bi) 饱和指令，相加结果超出元素的最大值时，元素就取最大值。
• vqaddq_type:
• vhadd_type: 相加结果再除2。ri = (ai + bi) >> 1;
• vhaddq_type:
• vrhadd_type: 相加结果再除2(四舍五入)。ri = (ai + bi + 1) >> 1
• vrhaddq_type:
• vpadd_type: r0 = a0 + a1, ..., r3 = a6 + a7, r4 = b0 + b1, ..., r7 = b6 + b7
• vpaddl_type: r0 = a0 + a1, ..., r3 = a6 + a7;
• vpaddlq_type:
• vpadal_type: r0 = a0 + (b0 + b1), ..., r3 = a3 + (b6 + b7);

减法

• vsub_type: ri = ai - bi
• vsubq_type:
• vsubl_type:
• vsubw_type:
• vsubhn_type:
• vqsub_type: 饱和指令 ri = sat(ai - bi)
• vqsubq_type:
• vhsub_type: 相减结果再除2。ri = (ai - bi) >> 1
• vhsubq_type:
• vrsubhn_type: 相减结果再除2(四舍五入)。ri = (ai - bi + 1) >> 1

乘法

• vmul_type: ri = ai * bi
• vmulq_type:
• vmul_n_type: ri = ai * b
• vmulq_n_type:
• vmul_lane_type: ri = ai * b[c]
• vmulq_lane_type:
• vmull_type: 变长乘法运算，为了防止溢出
• vmull_n_type:
• vmull_lane_type:
• vqdmull_type: 变长乘法运算，参与运算的值是有符号数（所以可能溢出）,当结果溢出时，取饱和值
• vqdmull_n_type:
• vqdmull_lane_type:
• vqdmulh_type:
• vqdmulhq_type:
• vqdmulh_n_type:
• vqdmulhq_n_type:
• vqdmulh_lane_type:
• vqdmulhq_lane_type:
• vqrdmulh_type:
• vqrdmulhq_type:
• vqrdmulh_n_type:
• vqrdmulhq_n_type:
• vqrdmulh_lane_type:
• vqrdmulhq_lane_type:

乘加组合运算

• vmla_type: ri = ai + bi * ci
• vmlaq_type:
• vmla_n_type: ri = ai + bi * c
• vmlaq_n_type:
• vmla_lane_type: ri = ai + bi * c[d]
• vmlaq_lane_type:
• vmlal_type: 长指令 ri = ai + bi * ci
• vmlal_n_type:
• vmlal_lane_type:
• vfma_f32：ri = ai + bi * ci 在加法之前，bi、ci相乘的结果不会被四舍五入
• vqdmlal_type: ri = sat(ai + bi * ci) bi/ci的元素大小是ai的一半
• vqdmlal_n_type: ri = sat(ai + bi * c)
• vqdmlal_lane_type: ri = sat(ai + bi * c[d])

乘减组合运算

• vmls_type: ri = ai - bi * ci
• vmlsq_type:
• vmls_n_type: ri = ai - bi * c
• vmlsq_n_type:
• vmls_lane_type: ri = ai - bi * c[d]
• vmlsq_lane_type:
• vmlsl_type: 长指令 ri = ai - bi * ci
• vmlsl_n_type:
• vmlsl_lane_type:
• vfms_f32：ri = ai - bi * ci 在减法之前，bi、ci相乘的结果不会被四舍五入
• vqdmlsl_type: ri = sat(ai - bi * ci） bi/ci的元素大小是ai的一半
• vqdmlsl_n_type: ri = sat(ai - bi * c）
• vqdmlsl_lane_type: ri = sat(ai - bi * c[d]）

取整

• vrndn_f32: to nearest, ties to even
• vrndqn_f32:
• vrnda_f32: to nearest, ties away from zero
• vrndqa_f32:
• vrndp_f32: towards +Inf
• vrndqp_f32:
• vrndm_f32: towards -Inf
• vrndqm_f32:
• vrnd_f32: towards 0
• vrnqd_f32:

比较运算（结果为true，则所有的bit位被设置为1）

• vceq_type: ri = ai == bi ? 1...1 : 0...0
• vceqq_type:
• vcge_type: ri = ai >= bi ? 1...1:0...0
• vcgeq_type:
• vcle_type: ri = ai <= bi ? 1...1:0...0
• vcleq_type:
• vcgt_type: ri = ai > bi ? 1...1:0...0
• vcgtq_type:
• vclt_type: ri = ai < bi ? 1...1:0...0
• vcltq_type:
• vcage_f32: ri = |ai| >= |bi| ? 1...1:0...0
• vcageq_f32:
• vcale_f32: ri = |ai| <= |bi| ? 1...1:0...0
• vcaleq_f32:
• vcagt_f32: ri = |ai| > |bi| ? 1...1:0...0
• vcagtq_f32:
• vcalt_f32: ri = |ai| < |bi| ? 1...1:0...0
• vcaltq_f32:
• vtst_type: ri = (ai & bi != 0) ? 1...1:0...0
• vtstq_type:

绝对值

• vabs_type: ri = |ai|
• vabsq_type:
• vqabs_type: ri = sat(|ai|)
• vqabsq_type:
• vabd_type: ri = |ai - bi|
• vabdq_type:
• vabdl_type: 长指令
• vaba_type: ri = ai + |bi - ci|
• vabaq_type:
• vabal_type: 长指令

取最大最小值

• vmax_type: ri = ai >= bi ? ai : bi
• vmaxq_type:
• vpmax_type: r0 = a0 >= a1 ? a0 : a1, ..., r4 = b0 >= b1 ? b0 : b1, ...
• vmin_type: ri = ai <= bi ? ai : bi
• vminq_type:
• vpmin_type: r0 = a0 <= a1 ? a0 : a1, ..., r4 = b0 <= b1 ? b0 : b1, ...

倒数

• vrecpe_type: 求近似倒数，type是f32或者u32
• vrecpeq_type:
• vrecps_f32：(牛顿 - 拉夫逊迭代)
• vrecpsq_f32 注：vrecpe_type计算倒数能保证千分之一左右的精度，如1.0的倒数为0.998047。执行完如下语句后能提高百万分之一精度 float32x4_t recip = vrecpeq_f32(src);此时能达到千分之一左右的精度，如1.0的倒数为0.998047 recip = vmulq_f32 (vrecpsq_f32 (src, rec), rec);执行后能达到百万分之一左右的精度，如1.0的倒数为0.999996 recip = vmulq_f32 (vrecpsq_f32 (src, rec), rec);再次执行后能基本能达到完全精度，如1.0的倒数为1.000000

平方根倒数

• vrsqrte_type: 计算输入值的平方根的倒数，type是f32或者u32。输入值不能是负数，否则计算出来的值是nan。
• vrsqrteq_type:
• vrsqrts_f32
• vrsqrtsq_f32

移位运算

• vshl_type: ri = ai << bi 如果bi是负数，则变成右移

• vshlq_type:

• vshl_n_type: ri = ai << b 这里b是常数，如果传入的不是常数（即在编译的时候就要知道b的值），编译时会报错

• vshlq_n_type:

• vqshl_type: ri = sat(ai << bi)

• vqshlq_type:

• vrshl_type: ri = round(ai << bi)

• vrshlq_type:

• vqrshl_type: ri = sat&round(ai << bi)

• vqrshlq_type:

• vqshl_n_type: ri = sat(ai << b)

• vqshlq_n_type:

• vqshlu_n_type: ri = ai << b 输入vector是有符号，输出vector是无符号

• vqshluq_n_type:

• vshll_n_type:

• vshr_n_type: ri = ai >> b

• vshrq_n_type:

• vrshr_n_type: ri = round(ai >> b)

• vrshrq_n_type:

• vsra_n_type: ri = (ai >> c) + (bi >> c)

• vsraq_n_type:

• vrsra_n_type: ri = round((ai >> c) + (bi >> c))

• vrsraq_n_type:

• vshrn_n_type: 窄指令ri = ai >> b

• vqshrun_n_type:

• vqrshrun_n_type:

• vqshrn_n_type:

• vrshrn_n_type:

• vqrshrn_n_type:

• vsri_n_type:

• vsriq_n_type:

• vsli_n_type:

• vsliq_n_type:

取负

• vneg_type: ri = -ai
• vnegq_type:
• vqneg_type: ri = sat(-ai)
• vqnegq_type:

按位运算

• vmvn_type: ri = ~ai
• vmvnq_type:
• vand_type: ri = ai & bi
• vandq_type:
• vorr_type: ri = ai | bi
• vorrq_type:
• veor_type: ri = ai ^ bi
• veorq_type:
• vbic_type: ri = ~ai & bi
• vbicq_type:
• vorn_type: ri = ai | (~bi) -vornq_type:

统计

• vcls_type:
• vclz_type:
• vcnt_type: 统计向量每个元素有多少bit位是1
• vcntq_type:

数据类型转换

• vcvt_type1_type2: f32、u32、s32之间的转换。在f32转到u32时，是向下取整，且如果是负数，则转换后为0
• vcvtq_type1_type2:
• vcvt_n_type1_type2:
• vcvtq_n_type1_type2:
• vreinterpret_type1_type2: 将元素类型为type2的vector转换为元素类型为type1的vector。数据重新解析
• vreinterpretq_type1_type2: