ARM汇编快速入门

asm_function MNNAvgPoolInt8// 加上函数的传参注释，方便后续对照使用对应的寄存器// void MNNAvgPoolInt8(int8_t* dst, int8_t* src, size_t outputWidth,// size_t inputWidth, size_t kernelx, size_t kernely, size_t stridesx,// ssize_t paddingx, ssize_t factor);// Auto load: x0: dst, x1: src, x2: outputWidth, x3: inputWidth,// x4: kernelx, x5: kernely, x6: stridesx, x7: paddingx
// Load from sp:// w8: factor

// x8寄存器存储参数factor的值，不是必须使用x8寄存器，用其他寄存器也是可以的。ldr x8, [sp, #0]

fadd Sd, Sn, Sm   // 32bit Single precisionfsub Dd, Dn, Dm  // 64bit Double precisionfcvt Sd, Hn          // half-precision to single-precisionfcvt Dd, Hn          // half-precision to double-precisionfcvt Hd, Sn          // single-precision to half-precisionfcvt Hd, Dn          // double-precision to half-precision

// d8-d15表示使用v8-v15这8个寄存器的64位, (2* 64)/8=16,// 这就是每次sp移位时(#16*i)中16的来源。stp d14, d15, [sp, #(-16 * 9)]!stp d12, d13, [sp, #(16 * 1)]stp d10, d11, [sp, #(16 * 2)]stp d8,  d9,  [sp, #(16 * 3)]stp x27, x28, [sp, #(16 * 4)]stp x25, x26, [sp, #(16 * 5)]stp x23, x24, [sp, #(16 * 6)]stp x21, x22, [sp, #(16 * 7)]stp x19, x20, [sp, #(16 * 8)]

ldp x19, x20, [sp, #(16 * 8)]ldp x21, x22, [sp, #(16 * 7)]ldp x23, x24, [sp, #(16 * 6)]ldp x25, x26, [sp, #(16 * 5)]ldp x27, x28, [sp, #(16 * 4)]ldp d8,  d9,  [sp, #(16 * 3)]ldp d10, d11, [sp, #(16 * 2)]ldp d12, d13, [sp, #(16 * 1)]ldp d14, d15, [sp], #(16 * 9)ret // 最后需加上ret返回

// 函数定义asm_function MNNAvgPoolInt8// void MNNAvgPoolInt8(int8_t* dst, int8_t* src, size_t outputWidth,// size_t inputWidth, size_t kernelx, size_t kernely, size_t stridesx,// ssize_t paddingx, ssize_t factor);// Auto load: r0: dst, r1: src, r2: outputWidth, r3: inputWidth// r4: kernelx, r5: kernely, r7: stridesx, r8: paddingx, lr: factor
// 其他寄存器加载, 注意lr寄存器每次必须被push进来(可以不使用)，不然会报错segment fault.push {r4-r8, r10-r11, lr}// 上一行push了8个寄存器，那么sp指针会向低地址移动(8*4=32)个字节（ARM32每个指针占4个字节），// 所以第五个参数“kernelx”加载时需要将sp的地址加(#32).// 虚拟内存中栈是从高地址向低地址扩展的，而函数传参是从右往左传去栈中的，// 所以后面的参数地址会比前面的高，即相对sp寄存器的地址增加的更多。ldr r4, [sp, #32] // kernelxldr r5, [sp, #36] // kernelyldr r7, [sp, #40] // stridesxldr r8, [sp, #44] // paddingxldr lr, [sp, #48] // factor
// 加载向量寄存器一定要放在利用sp寄存器来读取所有函数参数之后，// 否则不能正常读取函数参数vpush {q4-q7}

// 不需要pop lr寄存器，但是必须pop pc寄存器。// ARM32结尾不需要写 ret, 这和ARM64不同。vpop {q4-q7}pop {r4-r8, r10-r11, pc}

/*smax, smin 比较整型数数据的大小ARM汇编有符号整数的指令一般以s开头(signed int)无符号整数的指令一般以u开头(unsigned int)浮点数据的指令一般以f开头(float)*/
// 比较v0和v1寄存器中的16个int8_t数据,// 并将对应位置上的较大值存储在v2的相应位置上// b 表示以8位来读取数据，相应的汇编中 h:16位, s:32位, d:64位smax v2.16b, v0.16b, v1.16bsmin v10.4s, v11.4s, v12.4s //比较v11和v12的4个int32_t数据的大小

1. mov w7, #-0x80 // 给通用寄存器赋值-128，即int8_t类型的最小值2. dup v0.16b, w7 // 初始化v0, v0中存储了16个-1283. mov x10, #9    // 计数// 循环Loop:3. ld1 {v1.16b}, [x0] // 从地址x0中加载16个int8的数据到v1寄存器，与v0做比较4. smax v0.16b, v0.16b, v1.16b // 用v0记录最终的比较结果5. add x0, x0, #1      // 移动像素点的地址，这里我们假设9个像素点是连续的6. sub x10, x10, #1    // 比较完一个像素点的16个Channel大小后，计数减17. cmp x10, #0         // cmp是compare的缩写：比较x10和0的大小8. bgt Loop            // bgt是branch greater than的缩写，满足条件就跳到分支Loop执行// 循环执行结束9. st1 {v0}, [x1]       // 存储寄存器v0中的16个int8_t数据到地址x1中
// ARM 汇编代码是按照从上到下的顺序来执行的，// 所以跳出Loop不需要额外的指令来表示结束该分支// 当不满足x10>0时，会直接执行第9行代码

// 正确传参，用指针传递浮点常数para0 void func(float* para0, float* dst)
// 错误传参，直接传入常数para0void func(float para0, float* dst)

asm_function MNNAvgPoolInt8// 加上函数的传参注释，方便后续对照使用对应的寄存器// void MNNAvgPoolInt8(int8_t* dst, int8_t* src, size_t outputWidth,// size_t inputWidth, size_t kernelx, size_t kernely, size_t stridesx,// ssize_t paddingx, ssize_t factor);// Auto load: x0: dst, x1: src, x2: outputWidth, x3: inputWidth,// x4: kernelx, x5: kernely, x6: stridesx, x7: paddingx
// Load from sp:// w8: factor

// void MNNAvgPoolInt8(int8_t* dst, int8_t* src, size_t outputWidth,// size_t inputWidth, size_t kernelx, size_t kernely, size_t stridesx,// ssize_t paddingx, ssize_t factor);asm_function MNNAvgPoolInt8// Auto load: r0: dst, r1: src, r2: outputWidth, r3: inputWidth// Load from sp: r4: kernelx, r5: kernely, r7: stridesx, r8: paddingx, lr: factor2. push {r4-r8, r10-r11, lr}3. vpush {q4-q6}
4. ldr r4, [sp, #32]5. ldr r5, [sp, #36]6. ldr r7, [sp, #40]7. ldr r8, [sp, #44]8. ldr lr, [sp, #48]       // lr: factor

// 通用寄存器的赋值只能用32位来使用寄存器mov w10, #0 // rightmov x10, #0 // error// 后续计算中要使用x10来进行加减乘的计算，需要将w10扩展成x10:uxtw x10, w10 // w10中32位数据在x10的低32位中保持不变，x10的高32位填充为0.

fmov v1.4s, #1.0fmov v2.4s, #0.2fsub v1.4s, v1.4s, v2.4s

//对寄存器q3中的4个浮点数据做四舍五入取整// q3: -1.4, 4.5, 1.1, -2.7 -> q3: -1, 4, 1, -3vmov.f32 q1, #0.5vmov.f32 q2, #-0.5vcgt.f32 q12, q3, #0vbsl.f32 q12, q1, q2  // bitwise select.vadd.f32 q13, q12, q3vcvt.s32.f32 q3, q13

// q10:  -1.4, 4.5, 1.1, -2.7fcvtas q1, q10 // q1: -1, 5, 1, -3 就近取整fcvtzs q2, q10 // q2: -1, 4, 1, -2 向0取整fcvtms q3, q10 // q3: -2, 4, 1, -3 向负无穷取整fcvtps q4, q10 // q4: -1, 5, 2, -3 向正无穷取整fcvtns q4, q10 // q4: -2, 4, 2, -2 向最近的偶数取整

// Int8 量化的乘法算子，输入和输出均是Int8类型，但考虑到int8xint8会可能会导致越界，// 在量化算子的实现过程中会将两个输入数据分别转换成Float32数据之后相乘，// 再将Float32的结果量化到Int8类型.sxtl v0.8h, v0.8b // int8x8_t -> int16x8_tsxtl v1.8h, v1.8b // int8x8_t -> int16x8_t
sxtl v2.4s, v0.4h  // v0的低64位数据：int16x4_t -> int32x4_tsxtl2 v3.4s, v0.8h // v0的高64位数据：int16x4_t -> int32x4_tsxtl v4.4s, v1.4hsxtl2 v5.4s, v1.8h
scvtf v2.4s, v2.4s // int32x4_t -> float32x4_tscvtf v3.4s, v3.4sscvtf v4.4s, v4.4sscvtf v5.4s, v5.4s
fmul v2.4s, v2.4s, v6.4s // v6.4s: float32x4_t 量化scale参数fmul v3.4s, v3.4s, v6.4s fmul v4.4s, v4.4s, v6.4s fmul v5.4s, v5.4s, v6.4s...