NEON 指令集并行技术优化矩阵转置【Android】

核心代码如下：转置一个 4*4的矩阵，更大的矩阵（不能被4整除的需要特殊处理边界）都可以通过分块来进行转置

  

   

    

     

    
    

     

      void transpose32x4x4(float32x4_t *q0, float32x4_t *q1, float32x4_t *q2, float32x4_t *q3) {
     
    
   

    

     

    
    

     
    // ----------------------------------------------
     
    
   

    

     

    
    

     
    float32x4x2_t q01 = vtrnq_f32(*q0, *q1);
     
    
   

    

     

    
    

     
    float32x4x2_t q23 = vtrnq_f32(*q2, *q3);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    float32x4_t qq0 = q01.val[0];
     
    
   

    

     

    
    

     
    float32x2_t d00 = vget_low_f32(qq0);
     
    
   

    

     

    
    

     
    float32x2_t d01 = vget_high_f32(qq0);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    float32x4_t qq1 = q01.val[1];
     
    
   

    

     

    
    

     
    float32x2_t d10 = vget_low_f32(qq1);
     
    
   

    

     

    
    

     
    float32x2_t d11 = vget_high_f32(qq1);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    float32x4_t qq2 = q23.val[0];
     
    
   

    

     

    
    

     
    float32x2_t d20 = vget_low_f32(qq2);
     
    
   

    

     

    
    

     
    float32x2_t d21 = vget_high_f32(qq2);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    float32x4_t qq3 = q23.val[1];
     
    
   

    

     

    
    

     
    float32x2_t d30 = vget_low_f32(qq3);
     
    
   

    

     

    
    

     
    float32x2_t d31 = vget_high_f32(qq3);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

          *q0 = vcombine_f32(d00, d20);
     
    
   

    

     

    
    

     

          *q1 = vcombine_f32(d10, d30);
     
    
   

    

     

    
    

     

          *q2 = vcombine_f32(d01, d21);
     
    
   

    

     

    
    

     

          *q3 = vcombine_f32(d11, d31);
     
    
   

    

     

    
    

     
    // ----------------------------------------------
     
    
   

    

     

    
    

     

      }
     
    
  
 

 q0-q3 在内存中的初始值如下图所示

经过 vtrn 操作后的结果为：

取低位和高位的结果为：

 注意原始的4*4矩阵是

转置后应该为

所以，应该把 d00 和 d20 结合在一起，其他同理

最后验证一下转置的结果

  

   

    

     

    
    

     
    int ret = 0;
     
    
   

    

     

    
    

     
    for(int i = 0; i<COLS; i++)
     
    
   

    

     

    
    

     

          {
     
    
   

    

     

    
    

     
        for(int j = 0; j<ROWS; j++)
     
    
   

    

     

    
    

     

              {
     
    
   

    

     

    
    

     

                  ret = src[j*COLS + i] == dst[i*ROWS + j];
     
    
   

    

     

    
    

     
            if(!ret)
     
    
   

    

     

    
    

     

                  {
     
    
   

    

     

    
    

     
                LOGE("src[%d] != dst[%d] \t", j*COLS + i, i*ROWS + j);
     
    
   

    

     

    
    

     
                break;
     
    
   

    

     

    
    

     

                  }
     
    
   

    

     

    
    

     

              }
     
    
   

    

     

    
    

     

          }
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    if(ret)
     
    
   

    

     

    
    

     
        LOGE("Tranpose Correctly !\t");
     
    
  
 

如图所示，转置验证是正确的

1024*1024大小的矩阵， 大约提升了 42.7% 的性能

文章来源: panda1234lee.blog.csdn.net，作者：panda1234lee，版权归原作者所有，如需转载，请联系作者。

原文链接：panda1234lee.blog.csdn.net/article/details/85222973