最近作了一个代码优化相关的总结，这里记录一下，这里一般指的是DSP，ARM这类芯片，一般不涉及多核。
1. 三个不同的优化：
(1) 等价优化：如多余的计算，内存的访问次序等 ，不必要的计算，内存对齐等等，这些基本上对结果不会有改变，但是对开销影响可能会比较大；
(2) 非等价优化：如数学函数的等价优化、定点化等；
(3) 利用器件特性的优化：如SIMD的优化，嵌入式汇编的使用。
2. 优化的方法：
优化的最终目标是减少程序执行开销，那么任何能达到这个目的都是可取的。这里分别从开销涉及到的维度进行介绍：
(1) 内存访问：
对于较大规模数据的运算，涉及到的内存访问会占用较大比重，尤其是数据在外存的情况下。
1）减少内存访问；
2）充分利用cache，减少内存访问miss；
3）减少非连续内存访问；
4） 变量内存对齐；
(2) 单运算单元：
一般运算单元都可以除理+、-、x、位运算、逻辑运算、调转等功能，一般的DSP和ARM是不支持直接的/运算的，一般对于/、mod都是调用算学库来算的，开销较大。
1）尽量少使用/、%这类指令，可以使用乘法、自定义除法、==、&=替代；
2） 使用近似替代运算： 如sqrt(a^2+b^2) 用 max(abs(a),abs(b))或用其他平滑方法来作；
3）使用开销小的等价运算替代：如log(sqrt(a^2+b^2)) = log(a^2+b^2) /2 = log(a^2+b^2)*0.5;
4) 减少不必要的计算；
(3) SIMD类：这个就没啥 说的了，充分利用总线带宽，单指令实现多个数据的相同的操作，减少代码执行时间，如arm的NEON指令优化，TI DSP的SIMD指令，X86的SSE等。
(4) 汇编：
从代码维护角度而言，不建议编写纯汇编的函数或文件 ，一般只会在basic_op上使用部分嵌入式汇编。
3. 一些例子：
(1) 能在循环外做的就在外面做：
code2与code1完全等价，但是把每次的乘累加变成了累加再乘，计算量更少。
能在循环外做的就在外面做，毕竟外面做的代价最小。
(2) 尽可能顺序访问：
以上两个代码的功能是相同的，都是作w * input的矩阵计算，但是code1中用的是非连续访问，cache miss很大， 而code2中对w_T是连续访问，开销会小很多。
(3) 减少内存访问：
一个比较常见的例子就是语音buffer，可能某些场景下，需要一个很大的buffer，那么就涉及到这个buffer的更新问题。
最简单的方法是：每次更新时把最新的压到最后，必然会涉及到历史数据的推移，当buffer较大时，就涉及到一个较大内存块的读取和写入；
比较经济的作法是循环buffer方式，需要有一个指针指向最新写入点的位置，读取或写入时都要根据这个位置来进行，而且会涉及到从buffer结尾切到buffer起始判断，但不可否认的是，这种方法将对内存声的考贝减到最少了。