Эффективно накапливать знаковые биты в ручном неоне

ARM может сделать это за один vsri инструкция (спасибо @Jake'Alquimista'LEE).

Учитывая новый вектор, из которого вы хотите получить биты знака, замените младшие 15 бит каждого элемента на аккумулятор, сдвинутый вправо на 1.

Вы должны развернуться на 2, чтобы компилятору не нужна была инструкция mov для копирования результата обратно в тот же регистр, потому что vsri — это инструкция с двумя операндами, и то, как мы должны использовать ее здесь, дает нам результат в другом регистр, чем старый sign0 аккумулятор.

sign0 =  vsriq_n_u16(r0, sign0, 1);
// insert already-accumulated bits below the new bit we want

После 15 вставок (или 16, если вы начинаете с sign0 = 0 вместо очистки первой итерации и использования sign0=r0) все 16 битов (на элемент) sign0 будут битами знака из значений r0.

Предыдущее предложение: И с константой вектора, чтобы изолировать бит знака. Это более эффективно, чем две смены.

Ваша идея накопления с помощью VSRA для сдвига аккумулятора и добавления нового бита хороша, поэтому мы можем сохранить это и сократить общее количество инструкций до 2.

tmp = r0 & 0x8000;            // VAND
sign0 = (sign0 >> 1) + tmp;   // VSRA

или используя неоновые свойства:

uint16x8_t mask80 = vmovq_n_u16(0x8000);
r0 = vandq_u16(r0, mask80);        // VAND
sign0 = vsraq_n_u16(r0, sign0, 1); // VSRA

Реализуйте с помощью встроенных функций или ассемблера, как вам нравится, и напишите скалярную версию таким же образом, чтобы дать компилятору больше шансов на автоматическую векторизацию.

Для этого нужна векторная константа в регистре. Если вы очень ограничены в регистрах, то 2 смены могут быть лучше, но всего 3 смены, вероятно, будут узким местом в пропускной способности переключателей, если только чипы ARM обычно не тратят много места на переключатели SIMD.

В этом случае, возможно, используйте эту общую идею SIMD без ARM shift+accumulate или shift+insert.

tmp = r0 >> 15;     // logical right shift
sign0 += sign0;     // add instead of left shifting
sign0 |= tmp;       // or add or xor or whatever.

Это дает вам биты в обратном порядке. Если вы можете произвести их в обратном порядке, то отлично.

В противном случае, есть ли у ARM бит-реверс SIMD или только для скаляра? (Сгенерируйте в обратном порядке и переверните их в конце, с некоторой дополнительной работой для каждого векторного растрового изображения, надеюсь, только с одной инструкцией.)

Обновление: да, AArch64 имеет rbit, поэтому вы можете поменять местами биты внутри байта, а затем перетасовать байты, чтобы расположить их в правильном порядке. x86 может использовать pshufb LUT для реверсирования битов внутри байтов в двух 4-битных фрагментах. Однако это может не произойти раньше, чем дополнительная работа, поскольку вы накапливаете биты на x86.