NEON 指令集并行技术优化矩阵转置【Android】

版权声明：涉猎过的知识都像是不断汇入大海的涓涓细流，你怎么知道是哪条汇入的溪流让海洋成为海洋呢【转载请注明出处】 https://blog.csdn.net/panda1234lee/article/details/85222973

核心代码如下：转置一个 4*4的矩阵，更大的矩阵（不能被4整除的需要特殊处理边界）都可以通过分块来进行转置

void transpose32x4x4(float32x4_t *q0, float32x4_t *q1, float32x4_t *q2, float32x4_t *q3) {
    // ----------------------------------------------
    float32x4x2_t q01 = vtrnq_f32(*q0, *q1);
    float32x4x2_t q23 = vtrnq_f32(*q2, *q3);

    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);

    *q0 = vcombine_f32(d00, d20);
    *q1 = vcombine_f32(d10, d30);
    *q2 = vcombine_f32(d01, d21);
    *q3 = vcombine_f32(d11, d31);
    // ----------------------------------------------
}

 q0-q3 在内存中的初始值如下图所示

经过 vtrn 操作后的结果为：

取低位和高位的结果为：

 注意原始的4*4矩阵是

0	1	2	3
32	33	34	35
64	65	66	67
96	97	98	99

转置后应该为

0	32	64	96
1	33	65	97
2	34	66	98
3	35	67	99

所以，应该把 d00 和 d20 结合在一起，其他同理

最后验证一下转置的结果

    int ret = 0;
    for(int i = 0; i<COLS; i++)
    {
        for(int j = 0; j<ROWS; j++)
        {
            ret = src[j*COLS + i] == dst[i*ROWS + j];
            if(!ret)
            {
                LOGE("src[%s] != dst[%d] \t", j*COLS + i, i*ROWS + j);
                break;
            }
        }
    }

    if(ret)
        LOGE("Tranpose Correctly !\t");

如图所示，转置验证是正确的

1024*1024大小的矩阵， 大约提升了 42.7% 的性能