Если вы используете временные переменные Си и выходные операнды для всех живых регистров в первой половине, которые совпадают с входными ограничениями для второй половины, вы сможете разделить его на свой встроенный ассемблер без потери производительности, особенно если вы используетеопределенные ограничения ввода / вывода памяти вместо всеобъемлющего "memory" clobber.Но это будет намного сложнее.
Это, очевидно, не работает, потому что препроцессор C запускает до того, как компилятор C ++ даже смотрит на if() операторы.
if (Enable) {
#define FUSE_ // always defined, regardless of Enable
}
Но ассемблер GNU имеет свои собственные директивы макро / условной сборки, такие как .if, которые работают с ассемблером, который компилятор выдает после подстановки текста в шаблон asm(), включая фактические числовые значения для немедленного вводаоперанды.
Используйте bool в качестве входного операнда для директивы ассемблера .if
Используйте ограничение ввода "i" (Enable).Обычно расширение %0 или %[enable] этого будет #0 или #1, потому что именно так печатается ARM немедленно.Но в GCC есть модификатор %c0 / %c[enable], который печатает константу без знаков препинания.(Это задокументировано для x86 , но работает точно так же для ARM и, вероятно, для всех других архитектур. Документация для модификаторов операндов ARM / AArch64 находится в разработке; я сидел в электронном письме об этом ...)
".if %c[enable] \n\t" для [enable] "i" (c_var) заменит .if 0 или .if 1 в шаблон inline-asm, именно то, что нам нужно сделать .if / .endifработа во время сборки.
Полный пример:
template<bool Enable>
void test_tmp(float dst[4])
{
//float dst[4] = {1.0, 1.0, 1.0, 1.0};
// static const // non-static-const so we can see the memory clobber vs. dummy src stop this from optimizing away init of src[] on the stack
float src[4] = {1.0, 2.0, 3.0, 4.0};
float * dst_addr = dst;
const float * src_addr = src;
asm (
"vld1.32 {q1}, [%[dst]] @ dummy dst = %[dummy_memdst]\n" // hopefully they pick the same regs?
"vld1.32 {q0}, [%[src]] @ dummy src = %[dummy_memsrc]\n"
"vadd.f32 q0, q0, q1 \n" // TODO: optimize to q1+q1 first, without a dep on src
"vadd.f32 q0, q0, q1 \n" // allowing q0+=q1 and q1+=q1 in parallel if we need q0 += 3*q1
// #ifdef FUSE_
".if %c[enable]\n" // %c modifier: print constant without punctuation, same as documented for x86
"vadd.f32 q0, q0, q1 \n"
".endif \n"
// #endif
"vst1.32 {q0}, [%[dst]] \n"
: [dummy_memdst] "+m" (*(float(*)[4])dst_addr)
: [src]"r"(src_addr),
[dst]"r"(dst_addr),
[enable]"i"(Enable)
, [dummy_memsrc] "m" (*(const float(*)[4])src_addr)
: "q0", "q1", "q2", "q3" //, "memory"
);
/*
for (int i = 0; i < 4; i++)
{
printf("%f, ", dst[i]);//0.0 0.0 0.0 0.0
}
*/
}
float dst[4] = {1.0, 1.0, 1.0, 1.0};
template void test_tmp<true>(float *);
template void test_tmp<false>(float *);
компилируется с GCC и Clang в проводнике компилятора Godbolt
С gcc вы толькополучите вывод компилятора .s, так что вы должны отключить некоторые из обычных фильтров компилятора и просмотреть директивы.Все инструкции 3 vadd.f32 присутствуют в версии false, но одна из них окружена .if 0 / .endif.
Но встроенный ассемблер clang обрабатывает директивы ассемблера внутри, прежде чем повернуть назадв asm, если этот вывод запрашивается.(Обычно clang / LLVM идет прямо к машинному коду, в отличие от gcc, который всегда запускает отдельный ассемблер).
Просто для ясности, это работает с gcc и clang, но это проще сделатьувидеть это на Godbolt с лязгом.(Потому что у Godbolt нет «бинарного» режима, который фактически собирает, а затем разбирает, кроме x86). Вывод Clang для false версии
...
vld1.32 {d2, d3}, [r0] @ dummy dst = [r0]
vld1.32 {d0, d1}, [r1] @ dummy src = [r1]
vadd.f32 q0, q0, q1
vadd.f32 q0, q0, q1
vst1.32 {d0, d1}, [r0]
...
Обратите внимание, что clang выбрал тот же регистр GP для необработанных указателей, который использовался для операнда памяти.(gcc, кажется, выбирает [sp] для src_mem, но другой регистр для ввода указателя, который вы используете вручную в режиме адресации).Если бы вы не заставили его указатели в регистрах, он мог бы использовать режим адресации с относительной SP со смещением для векторных нагрузок, потенциально используя преимущества режимов адресации ARM.
Если выв действительности, не собираясь изменять указатели внутри asm (например, с режимами адресации после приращения), тогда "r" операнды только для ввода имеют смысл.Если бы мы оставили цикл printf, компилятору снова потребовалось бы dst после asm, поэтому было бы полезно иметь его все еще в регистре.Вход "+r"(dst_addr) заставляет компилятор предполагать, что этот регистр больше не может использоваться как копия dst.В любом случае, gcc всегда копирует регистры, даже если это позже не нужно, делаю ли я это "r" или "+r", так что это странно.
Использование (пустышка)Входы / выходы памяти означают, что мы можем отбросить volatile, поэтому компилятор может оптимизировать его как обычную функцию от своих входов.(И оптимизировать его, если результат не используется.)
Надеюсь, это не хуже кодекса, чем с "memory" clobber.Но, вероятно, было бы лучше, если бы вы просто использовали операнды памяти "=m" и "m" и вообще не запрашивали указатели в регистрах.(Это не поможет, если вы собираетесь зацикливать массив с помощью встроенного asm.)
См. Также Зацикливание массивов с помощью встроенной сборки