-
Notifications
You must be signed in to change notification settings - Fork 7
/
matrix_transpose.cpp
209 lines (195 loc) · 6.89 KB
/
matrix_transpose.cpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
/*!
* \brief Matrix Transpose.
*/
#include <stdio.h>
#include <time.h>
#include <arm_neon.h>
void TransposeInt32Normal(int *src, int width) {
for (int i = 0; i < width; i++) {
for (int j = 0; j <= i; j++) {
int temp = *(src + i * width + j);
*(src + i * width + j) = *(src + j * width + i);
*(src + j * width + i) = temp;
}
}
}
void TransposeFp32x4x4_trn(float *src) {
float32x4_t q0 = vld1q_f32(src);
float32x4_t q1 = vld1q_f32(src + 1 * 4);
float32x4_t q2 = vld1q_f32(src + 2 * 4);
float32x4_t q3 = vld1q_f32(src + 3 * 4);
//【 0, 1， 2， 3】
//【 4, 5， 6， 7】
//【 8, 9，10，11】
//【12, 13，14，15】
float32x4x2_t q01 = vtrnq_f32(q0, q1);
float32x4x2_t q23 = vtrnq_f32(q2, q3);
//【 0， 4， 2， 6】
//【 1， 5， 3， 7】
//【 8，12，10，14】
//【 9，13，11，15】
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);
//【 0， 4， 8，12】
//【 1， 5， 9，13】
//【 2， 6，10，14】
//【 3， 7，11，15】
vst1q_f32(src, vcombine_f32(d00, d20));
vst1q_f32(src + 1 * 4, vcombine_f32(d10, d30));
vst1q_f32(src + 2 * 4, vcombine_f32(d01, d21));
vst1q_f32(src + 3 * 4, vcombine_f32(d11, d31));
}
void TransposeFp32x4x4_uzp(float *src) {
float32x4_t q0 = vld1q_f32(src);
float32x4_t q1 = vld1q_f32(src + 1 * 4);
float32x4_t q2 = vld1q_f32(src + 2 * 4);
float32x4_t q3 = vld1q_f32(src + 3 * 4);
//【 0, 1， 2， 3】
//【 4, 5， 6， 7】
//【 8, 9，10，11】
//【12, 13，14，15】
float32x4x2_t t0 = vuzpq_f32(q0, q1);
float32x4x2_t t1 = vuzpq_f32(q2, q3);
//【 0, 2， 4， 6】=> t0.val[0]
//【 1, 3， 5， 7】=> t0.val[1]
//【 8, 10，12，14】=> t1.val[0]
//【 9, 11，13，15】=> t1.val[1]
float32x4x2_t s0 = vuzpq_f32(t0.val[0], t1.val[0]);
float32x4x2_t s1 = vuzpq_f32(t0.val[1], t1.val[1]);
//【 0， 4， 8，12】=> s0.val[0]
//【 2， 6，10，14】=> s0.val[1]
//【 1， 5， 9，13】=> s1.val[0]
//【 3， 7，11，15】=> s1.val[1]
vst1q_f32(src, s0.val[0]);
vst1q_f32(src + 1 * 4, s1.val[0]);
vst1q_f32(src + 2 * 4, s0.val[1]);
vst1q_f32(src + 3 * 4, s1.val[1]);
}
void TransposeInt16x4x4_trn(int16_t *src) {
int width = 4;
// 指令后缀均不带q，使用的是64位寄存器，所以读一次是16x4=64位
int16x4_t a0 = vld1_s16(src);
int16x4_t a1 = vld1_s16(src + width);
int16x4_t a2 = vld1_s16(src + 2 * width);
int16x4_t a3 = vld1_s16(src + 3 * width);
//【 0, 1， 2， 3】
//【 4, 5， 6， 7】
//【 8, 9，10，11】
//【12, 13，14，15】
int16x4x2_t b01 = vtrn_s16(a0, a1);
int16x4x2_t b23 = vtrn_s16(a2, a3);
//【 0， 4， 2， 6】
//【 1， 5， 3， 7】
//【 8，12，10，14】
//【 9，13，11，15】
// b01.val[0] = [0， 4， 2， 6],每个数字占16位共64位，
// 用vreinterpret_s32_s16重新定义为s32数据，即0和4算一个数字，2和6算一个数字。
int32x2x2_t c02 = vtrn_s32(vreinterpret_s32_s16(b01.val[0]), vreinterpret_s32_s16(b23.val[0]));
int32x2x2_t c13 = vtrn_s32(vreinterpret_s32_s16(b01.val[1]), vreinterpret_s32_s16(b23.val[1]));
//【 0， 4， 8，12】
//【 1， 5， 9，13】
//【 2， 6，10，14】
//【 3， 7，11，15】
// 将类型从s32x2重新解释为s16x4，并保存到目标地址上
vst1_s16(src, vreinterpret_s16_s32(c02.val[0]));
vst1_s16(src + 1 * 4, vreinterpret_s16_s32(c13.val[0]));
vst1_s16(src + 2 * 4, vreinterpret_s16_s32(c02.val[1]));
vst1_s16(src + 3 * 4, vreinterpret_s16_s32(c13.val[1]));
}
/////////////////////////////////////
int main() {
int height = 4;
int width = 4;
int src_int[16];
float src_float_trn[16];
float src_float_trn_v2[16];
float src_float_uzp[16];
short src_s16[16];
for (int i = 0; i < 16; i++) {
src_int[i] = i;
src_float_trn[i] = i;
src_float_trn_v2[i] = i;
src_float_uzp[i] = i;
src_s16[i] = i;
}
printf("Before.\n");
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
printf("%d, ", src_int[i * width + j]);
}
printf("\n");
}
printf("After transport (int32) normal:\n");
TransposeInt32Normal(src_int, width);
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
printf("%d, ", src_int[i * width + j]);
}
printf("\n");
}
printf("After transport (float) - trn:\n");
TransposeFp32x4x4_trn(src_float_trn);
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
printf("%f, ", src_float_trn[i * width + j]);
}
printf("\n");
}
printf("After transport (float) - uzp:\n");
TransposeFp32x4x4_uzp(src_float_uzp);
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
printf("%f, ", src_float_uzp[i * width + j]);
}
printf("\n");
}
printf("After transport (s16) - trn:\n");
TransposeInt16x4x4_trn(src_s16);
for (int i = 0; i < height; i++) {
for (int j = 0; j < width; j++) {
printf("%d, ", src_s16[i * width + j]);
}
printf("\n");
}
////////////////////////////////
// Performance
////////////////////////////////
printf("\n");
int iter = 1000;
time_t stime;
stime = clock();
for (int i = 0; i < iter; i++) {
TransposeInt32Normal(src_int, width);
}
printf("TransposeInt32Normal -> time: %d.\n", clock() - stime);
//////////////////////////////////////////////////////////////////////////
stime = clock();
for (int i = 0; i < iter; i++) {
TransposeFp32x4x4_trn(src_float_trn);
}
printf("TransposeFp32x4x4_trn v1 -> time: %d.\n", clock() - stime);
//////////////////////////////////////////////////////////////////////////
stime = clock();
for (int i = 0; i < iter; i++) {
TransposeFp32x4x4_uzp(src_float_uzp);
}
printf("TransposeFp32x4x4_uzp -> time: %d.\n", clock() - stime);
//////////////////////////////////////////////////////////////////////////
stime = clock();
for (int i = 0; i < iter; i++) {
TransposeInt16x4x4_trn(src_s16);
}
printf("Transposeint16x4x4_trn -> time: %d.\n", clock() - stime);
//////////////////////////////////////////////////////////////////////////
return 0;
}