ARM Cortex-A8: различный вывод сборки из кросс-компилятора при использовании простого умножения с плавающей точкой
Я экспериментирую с платой i.MX53 с Linux Ubuntu. Я работаю над ssh с помощью кросс-компилятора (arm-linux-gnueabihf) на моей хост-системе.
Для теста производительности операций с плавающей запятой на процессоре (ARM Cortex-A8) я создал две следующие программы, каждая из которых содержит простой цикл. В первой программе цикл содержит одно умножение, во второй такое же умножение с дополнительным сложением.
Я скомпилировал две программы с помощью следующего вызова компилятора:
arm-linux-gnueabihf-g++-4.8 -O3 -ffast-math -Ofast -Wall -fmessage-length=0 -Wno-multichar -Wno-unknown-pragmas -std=c++11 -mcpu=cortex-a8 -mfpu=neon -mfloat-abi=hard -save-temps loopMul.cpp -o loopMul
Теперь мой вопрос: Зачем выводить компилятор такой разный код сборки для части цикла?
(см. код сборки)
Я понял, что в первой программе компилятор генерирует инструкции NEON для умножения, а во второй — только медленные инструкции VFP.
первая программа (loopMul.cpp):
#include <iostream>
#include <ctime>
using namespace std;
int main(int argc, char **argv)
{
size_t length = 10E7;
float test = 1;
clock_t start = clock();
for(size_t i=1; i<length; i++)
{
test *= i;
}
clock_t elapsed = clock() - start;
cout << test << endl;
float elapsed_seconds = float(elapsed) / float(CLOCKS_PER_SEC);
cout << "loop took " << elapsed_seconds << "seconds" << endl;
return 0;
}
вторая программа (loopMulAdd):
#include <iostream>
#include <ctime>
using namespace std;
int main(int argc, char **argv)
{
size_t length = 10E7;
float test = 1;
clock_t start = clock();
for(size_t i=1; i<length; i++)
{
test *= i;
test += 1;
}
clock_t elapsed = clock() - start;
cout << test << endl;
float elapsed_seconds = float(elapsed) / float(CLOCKS_PER_SEC);
cout << "loop took " << elapsed_seconds << "seconds" << endl;
return 0;
}
сборочный вывод первой программы (loopMul.s):
.syntax unified
.cpu cortex-a8
.eabi_attribute 27, 3
.eabi_attribute 28, 1
.fpu neon
.eabi_attribute 23, 1
.eabi_attribute 24, 1
.eabi_attribute 25, 1
.eabi_attribute 26, 2
.eabi_attribute 30, 2
.eabi_attribute 34, 1
.eabi_attribute 18, 4
.thumb
.file "loopMul.cpp".section .text.startup,"ax",%progbits
.align 2
.global main
.thumb
.thumb_func
.type main, %function
main:
.fnstart
.LFB1265:
@ args = 0, pretend = 0, frame = 0
@ frame_needed = 0, uses_anonymous_args = 0
push {r4, lr}
.save {r4, lr}
fstmfdd sp!, {d8, d9, d10, d11}
.vsave {d8, d9, d10, d11}
bl clock
vmov.i32 q11, #4 @ v4si
vmov.f32 q9, #1.0e+0 @ v4sf
movw r2, #30783
movt r2, 381
movs r3, #0
vldr d16, .L8
vldr d17, .L8+8
mov r4, r0
.L3:
vcvt.f32.s32 q10, q8
adds r3, r3, #1
cmp r3, r2
vadd.i32 q8, q8, q11
vmul.f32 q9, q9, q10
bne .L3
vmov.i32 q8, #0 @ v16qi
vext.8 q4, q9, q8, #8
vmul.f32 q4, q4, q9
vext.8 q5, q4, q8, #4
bl clock
flds s15, .L8+16
vmul.f32 q4, q5, q4
vmov.32 r3, d8[0]
fmsr s0, r3
fmuls s0, s0, s15
fcvtds d0, s0
subs r4, r0, r4
movw r0, #:lower16:_ZSt4cout
movt r0, #:upper16:_ZSt4cout
bl _ZNSo9_M_insertIdEERSoT_
bl _ZSt4endlIcSt11char_traitsIcEERSt13basic_ostreamIT_T0_ES6_
movw r0, #:lower16:_ZSt4cout
movw r1, #:lower16:.LC0
movt r0, #:upper16:_ZSt4cout
movt r1, #:upper16:.LC0
bl _ZStlsISt11char_traitsIcEERSt13basic_ostreamIcT_ES5_PKc
fmsr s15, r4 @ int
fsitos s0, s15
flds s15, .L8+20
fmuls s0, s0, s15
fcvtds d0, s0
bl _ZNSo9_M_insertIdEERSoT_
movw r1, #:lower16:.LC1
movt r1, #:upper16:.LC1
bl _ZStlsISt11char_traitsIcEERSt13basic_ostreamIcT_ES5_PKc
bl _ZSt4endlIcSt11char_traitsIcEERSt13basic_ostreamIT_T0_ES6_
fldmfdd sp!, {d8-d11}
movs r0, #0
pop {r4, pc}
.L9:
.align 3
.L8:
.word 1
.word 2
.word 3
.word 4
.word 1733542428
.word 897988541
.fnend
.size main, .-main
.align 2
.thumb
.thumb_func
.type _GLOBAL__sub_I_main, %function
_GLOBAL__sub_I_main:
.fnstart
.LFB1422:
@ args = 0, pretend = 0, frame = 0
@ frame_needed = 0, uses_anonymous_args = 0
push {r4, lr}
movw r4, #:lower16:.LANCHOR0
movt r4, #:upper16:.LANCHOR0
mov r0, r4
bl _ZNSt8ios_base4InitC1Ev
mov r0, r4
movw r1, #:lower16:_ZNSt8ios_base4InitD1Ev
movw r2, #:lower16:__dso_handle
movt r1, #:upper16:_ZNSt8ios_base4InitD1Ev
movt r2, #:upper16:__dso_handle
pop {r4, lr}
b __aeabi_atexit
.cantunwind
.fnend
.size _GLOBAL__sub_I_main, .-_GLOBAL__sub_I_main
.section .init_array,"aw",%init_array
.align 2
.word _GLOBAL__sub_I_main(target1)
.section .rodata.str1.4,"aMS",%progbits,1
.align 2
.LC0:
.ascii "loop took \000".space 1
.LC1:
.ascii "seconds\000".bss
.align 2
.LANCHOR0 = . + 0
.type _ZStL8__ioinit, %object
.size _ZStL8__ioinit, 1
_ZStL8__ioinit:
.space 1
.hidden __dso_handle
.ident "GCC: (Ubuntu/Linaro 4.8.1-10ubuntu7) 4.8.1".section .note.GNU-stack,"",%progbits
Сборочный вывод второй программы (loopMulAdd.s):
.syntax unified
.cpu cortex-a8
.eabi_attribute 27, 3
.eabi_attribute 28, 1
.fpu neon
.eabi_attribute 23, 1
.eabi_attribute 24, 1
.eabi_attribute 25, 1
.eabi_attribute 26, 2
.eabi_attribute 30, 2
.eabi_attribute 34, 1
.eabi_attribute 18, 4
.thumb
.file "loopMulAdd.cpp".section .text.startup,"ax",%progbits
.align 2
.global main
.thumb
.thumb_func
.type main, %function
main:
.fnstart
.LFB1265:
@ args = 0, pretend = 0, frame = 0
@ frame_needed = 0, uses_anonymous_args = 0
push {r4, lr}
.save {r4, lr}
fstmfdd sp!, {d8}
.vsave {d8}
bl clock
fconsts s16, #112
mov r2, #57600
movt r2, 1525
movs r3, #1
fcpys s14, s16
mov r4, r0
.L3:
fmsr s13, r3 @ int
adds r3, r3, #1
cmp r3, r2
fsitos s15, s13
fcpys s13, s14
fmacs s13, s16, s15
fcpys s16, s13
bne .L3
bl clock
fcvtds d0, s16
subs r4, r0, r4
movw r0, #:lower16:_ZSt4cout
movt r0, #:upper16:_ZSt4cout
bl _ZNSo9_M_insertIdEERSoT_
bl _ZSt4endlIcSt11char_traitsIcEERSt13basic_ostreamIT_T0_ES6_
movw r0, #:lower16:_ZSt4cout
movw r1, #:lower16:.LC0
movt r0, #:upper16:_ZSt4cout
movt r1, #:upper16:.LC0
bl _ZStlsISt11char_traitsIcEERSt13basic_ostreamIcT_ES5_PKc
fmsr s15, r4 @ int
fsitos s0, s15
flds s15, .L7
fmuls s0, s0, s15
fcvtds d0, s0
bl _ZNSo9_M_insertIdEERSoT_
movw r1, #:lower16:.LC1
movt r1, #:upper16:.LC1
bl _ZStlsISt11char_traitsIcEERSt13basic_ostreamIcT_ES5_PKc
bl _ZSt4endlIcSt11char_traitsIcEERSt13basic_ostreamIT_T0_ES6_
fldmfdd sp!, {d8}
movs r0, #0
pop {r4, pc}
.L8:
.align 2
.L7:
.word 897988541
.fnend
.size main, .-main
.align 2
.thumb
.thumb_func
.type _GLOBAL__sub_I_main, %function
_GLOBAL__sub_I_main:
.fnstart
.LFB1422:
@ args = 0, pretend = 0, frame = 0
@ frame_needed = 0, uses_anonymous_args = 0
push {r4, lr}
movw r4, #:lower16:.LANCHOR0
movt r4, #:upper16:.LANCHOR0
mov r0, r4
bl _ZNSt8ios_base4InitC1Ev
mov r0, r4
movw r1, #:lower16:_ZNSt8ios_base4InitD1Ev
movw r2, #:lower16:__dso_handle
movt r1, #:upper16:_ZNSt8ios_base4InitD1Ev
movt r2, #:upper16:__dso_handle
pop {r4, lr}
b __aeabi_atexit
.cantunwind
.fnend
.size _GLOBAL__sub_I_main, .-_GLOBAL__sub_I_main
.section .init_array,"aw",%init_array
.align 2
.word _GLOBAL__sub_I_main(target1)
.section .rodata.str1.4,"aMS",%progbits,1
.align 2
.LC0:
.ascii "loop took \000".space 1
.LC1:
.ascii "seconds\000".bss
.align 2
.LANCHOR0 = . + 0
.type _ZStL8__ioinit, %object
.size _ZStL8__ioinit, 1
_ZStL8__ioinit:
.space 1
.hidden __dso_handle
.ident "GCC: (Ubuntu/Linaro 4.8.1-10ubuntu7) 4.8.1".section .note.GNU-stack,"",%progbits
Решение
Q: Почему выводит компилятор такой другой код сборки для цикла
часть?
Причина довольно проста.
В первом случае (цикл умножения) компилятор смог автоматически векторизовать цикл и использовал возможности SIMD блока NEON.
Во втором случае компилятор оказался не таким умным. Он не нашел способа векторизовать цикл и поэтому не использовал NEON, а набор команд vfp.
Насколько я помню, вы можете заставить компилятор использовать NEON вместо FPU, используя опцию. Если это увеличивает производительность или нет, сильно зависит от природы вашего кода с плавающей запятой.
Другие решения
Других решений пока нет …