简介

ARM CPU 最初只有普通的寄存器，可以进行基本数据类型的基础运算。从 ARMv5 架构开始引入 VFP（vector-floating-point）指令扩展，可以通过使用短向量指令来加速浮点计算。从 ARMv7 架构开始引入 NEON 技术，NEON 技术同样是依靠向量指令来加速计算。鉴于 NEON 技术提供的向量技术加速效果体验更优秀，从 ARMv7 架构开始 VFP 向量指令加速的模式被弃用，因此 VFP 单元有时也称之为 FPU（Floating Point Unit）单元。

ARM NEON 技术本质上是一种高级的**单指令多数据（SIMD）**架构扩展，这种扩展仅在一些 ARMv7-A 和 ARMv7-R 架构以及 ARMv8 架构上支持。

这里将先以ARMv8中的NEON展开介绍，后续文章再讨论ARMv7和ARMv8的差异。

ARMv8 NEON

ARMv8-A包括32位和64位执行状态，每一种都有自己的指令集：

AArch64是用来描述ARMv8-A架构64位执行状态的名称。在AArch64状态下，处理器执行A64指令集，其中包含NEON指令（也称为SIMD指令）。GNU和Linux文档有时将AArch64称为ARM64。
AArch32描述了ARMv8-A架构的32位执行状态，它几乎与ARMv7相同。在AArch32状态下，处理器可以执A32（在该架构的早期版本中称为ARM）或T32 （Thumb）指令集。A32和T32指令集与Armv7向后兼容，包括NEON指令。

ARMv8 NEON 寄存器

NEON寄存器文件是一组**寄存器（Register）**的集合（ARMv8 有32个128bit寄存器），可以作为8位、16位、32位、64位和128位寄存器进行访问。

NEON寄存器包含相同数据类型的元素向量（Vector）。在输入和输出寄存器中相同的元素位置被称为一个通道（lane）。

通常每个NEON指令会导致n个并行操作，其中n是输入向量被划分的通道数。每个操作都包含在通道内。从一个通道到另一个通道不会产生进位或溢出。

矢量中的通道数取决于矢量的大小和矢量中的数据元素（element）的类型。

一个128位的NEON矢量可以包含以下元素大小：

16个8位元素（操作数后缀为.16B，其中B表示字节）
8个16位元素（操作数后缀.8H，其中H表示半字）
4个32位元素（操作数后缀.4S，其中S表示单字）
2个64位元素（操作数后缀.2D，其中D表示双字）

一个64位的NEON向量可以包含以下元素大小（128位寄存器的高64位未使用）:

8个8位元素（操作数后缀.8B，其中B表示字节）
4个16位元素（操作数后缀.4H，其中H表示半字）
2个32位元素（操作数后缀.2S，其中S表示单字）
1个64位元素（操作数后缀.1D，其中D表示双字）

向量中的元素按最低有效位排序。也就是说，元素0使用寄存器的最低有效位。如下是两个向量运算的示例：

ADD V0.8H, V1.8H, V2.8H

MUL V0.4S, V2.4S, V3.S[2]

ARMv8 NEON 调用方式

想要使用NEON指令加速代码，可以通过如下几种方式：

导入一个使用了NEON的库：如Ne10，Libyuv，Skia，OpenMax DL等；
使用支持生成NEON代码的编译器：如the Arm Compilers GCC，在GCC选项中加入向量化表示能有助于C代码生成NEON代码，如-ftree-vectorize；
使用 NEON intrinsics：NEON指令的高级封装，类似调用C语言函数的方法调用NEON指令，并由编译器生成最终的二进制代码；
手撸 NEON 汇编：内联汇编或汇编文件，直接生成二级制代码；