最近在ZC702上对ARM Cortex-A9的NEON性能做了些测试。
测试代码如下：
.balign 4 .global neon_best_pipelne .arm t_pipelne: .rept 10000 vmla.f32 q10, q0, q5 vmla.f32 q11, q1, q6 vmla.f32 q12, q2, q7 vmla.f32 q13, q3, q8 vmla.f32 q14, q4, q9 .endr BX lr |
时间用Private Timer来度量，Private Timer的clock为CPU clock的一半，可以很精确的统计算法使用的时间。
VLD和VST访问的数据最好是8字节对齐：DATATYPE vec1[SIZE] __attribute__((aligned(8)));
FLOAT的测试结果如下：
注意：
1. Nr of valid NEON instructions: 从下往上注释掉不用的VMLA指令
2. Filtered Average的算法: (total-max-min)/(LOOP-2)
按照MPE的文档，VMLA Qd,Qn,Qm在没有pipeline interlock的情况下，最小需要的cycle为2。但是实际测试发现这个需要在VMLA指令连续的情况下才能达到。
NEON上FLOAT的极限性能：
根据MPE手册，VMLA Qd,Qn,Qm在没有pipeline interlock的情况下，最小需要的cycle为2。也就意味着理想情况下每个CPU cycle能完成2次float乘加运算，这样1GHz的单核CA9可以提供2GFLOPS。但是实际上往往其他指令（VLD，VST，etc）会把性能降下来
把VMLA的指令后缀改成.i32，即可测试int 32在NEON上的性能。int32的性能数据和MPE手册吻合的比较好。
