Оптимізація коду з ARM на платформу x86/x64 Windows: Перетворення інструкцій

5 Березня 2024 в 22:43 107

У даній статті ми детально розглянемо процес перетворення коду з платформи ARM, використовуючи інтегровані функції, на платформу x86/x64 Windows. Зокрема, ми зосередимося на конвертації функції, яка використовує ARM Neon інтрукції, у її еквівалент для Windows.

void NeonMeanScale(const float *din, float *dout, int size,
                    const std::vector<float> mean,
                    const std::vector<float> scale) {
  if (mean.size() != 3 || scale.size() != 3) {
    std::cerr << "[ПОМИЛКА] Розмір mean або scale має дорівнювати 3" << std::endl;
    exit(1);
  }
  float32x4_t vmean0 = vdupq_n_f32(mean[0]);
  float32x4_t vmean1 = vdupq_n_f32(mean[1]);
  float32x4_t vmean2 = vdupq_n_f32(mean[2]);
  float32x4_t vscale0 = vdupq_n_f32(scale[0]);
  float32x4_t vscale1 = vdupq_n_f32(scale[1]);
  float32x4_t vscale2 = vdupq_n_f32(scale[2]);
  float *dout_c0 = dout;
  float *dout_c1 = dout + size;
  float *dout_c2 = dout + size * 2;
  int i = 0;
  for (; i < size - 3; i += 4) {
    float32x4x3_t vin3 = vld3q_f32(din);
    float32x4_t vsub0 = vsubq_f32(vin3.val[0], vmean0);
    float32x4_t vsub1 = vsubq_f32(vin3.val[1], vmean1);
    float32x4_t vsub2 = vsubq_f32(vin3.val[2], vmean2);
    float32x4_t vs0 = vmulq_f32(vsub0, vscale0);
    float32x4_t vs1 = vmulq_f32(vsub1, vscale1);
    float32x4_t vs2 = vmulq_f32(vsub2, vscale2);
    vst1q_f32(dout_c0, vs0);
    vst1q_f32(dout_c1, vs1);
    vst1q_f32(dout_c2, vs2);
    din += 12;
    dout_c0 += 4;
    dout_c1 += 4;
    dout_c2 += 4;
  }
  for (; i < size; i++) {
    *(dout_c0++) = (*(din++) - mean[0]) * scale[0];
    *(dout_c1++) = (*(din++) - mean[1]) * scale[1];
    *(dout_c2++) = (*(din++) - mean[2]) * scale[2];
  }
}

void NeonMeanScale(const float *din, float *dout, int size,

const std::vector<float> mean,

const std::vector<float> scale) {

if (mean.size() != 3 || scale.size() != 3) {

std::cerr << "[ПОМИЛКА] Розмір mean або scale має дорівнювати 3" << std::endl;

exit(1);

}

float32x4_t vmean0 = vdupq_n_f32(mean[0]);

float32x4_t vmean1 = vdupq_n_f32(mean[1]);

float32x4_t vmean2 = vdupq_n_f32(mean[2]);

float32x4_t vscale0 = vdupq_n_f32(scale[0]);

float32x4_t vscale1 = vdupq_n_f32(scale[1]);

float32x4_t vscale2 = vdupq_n_f32(scale[2]);

float *dout_c0 = dout;

float *dout_c1 = dout + size;

float *dout_c2 = dout + size * 2;

int i = 0;

for (; i < size - 3; i += 4) {

float32x4x3_t vin3 = vld3q_f32(din);

float32x4_t vsub0 = vsubq_f32(vin3.val[0], vmean0);

float32x4_t vsub1 = vsubq_f32(vin3.val[1], vmean1);

float32x4_t vsub2 = vsubq_f32(vin3.val[2], vmean2);

float32x4_t vs0 = vmulq_f32(vsub0, vscale0);

float32x4_t vs1 = vmulq_f32(vsub1, vscale1);

float32x4_t vs2 = vmulq_f32(vsub2, vscale2);

vst1q_f32(dout_c0, vs0);

vst1q_f32(dout_c1, vs1);

vst1q_f32(dout_c2, vs2);

din += 12;

dout_c0 += 4;

dout_c1 += 4;

dout_c2 += 4;

}

for (; i < size; i++) {

*(dout_c0++) = (*(din++) - mean[0]) * scale[0];

*(dout_c1++) = (*(din++) - mean[1]) * scale[1];

*(dout_c2++) = (*(din++) - mean[2]) * scale[2];

}

Функція перетворена для платформи Windows x86/x64
void NeonMeanScale(const float *din, float *dout, int size,
                    const std::vector<float> mean,
                    const std::vector<float> scale) {
  if (mean.size() != 3 || scale.size() != 3) {
    std::cerr << "[ПОМИЛКА] Розмір mean або scale має дорівнювати 3" << std::endl;
    exit(1);
  }
  for (int i = 0; i < size; ++i) {
    dout[i] = (din[i] - mean[0]) * scale[0];
    dout[size + i] = (din[size + i] - mean[1]) * scale[1];
    dout[size * 2 + i] = (din[size * 2 + i] - mean[2]) * scale[2];
  }
}

Функція перетворена для платформи Windows x86/x64

void NeonMeanScale(const float *din, float *dout, int size,

const std::vector<float> mean,

const std::vector<float> scale) {

if (mean.size() != 3 || scale.size() != 3) {

std::cerr << "[ПОМИЛКА] Розмір mean або scale має дорівнювати 3" << std::endl;

exit(1);

}

for (int i = 0; i < size; ++i) {

dout[i] = (din[i] - mean[0]) * scale[0];

dout[size + i] = (din[size + i] - mean[1]) * scale[1];

dout[size * 2 + i] = (din[size * 2 + i] - mean[2]) * scale[2];

}

Ось як викликаються функції
cv::Mat img_fp; // Завантаження зображення...
auto *data0 = input_tensor0->mutable_data<float>();
std::vector<float> mean = {0.485f, 0.456f, 0.406f};
std::vector<float> scale = {1 / 0.229f, 1 / 0.224f, 1 / 0.225f};
const float *dimg = reinterpret_cast<const float *>(img_fp.data);
NeonMeanScale(dimg, data0, img_fp.rows * img_fp.cols, mean, scale);