ARM NEON

ARM NEON 是适用于ARM Cortex-A和Cortex-R52系列处理器的一种128位SIMD（single instruction multiple data, 单指令多数据）扩展结构。
        ARM CPU最开始只有普通的寄存器，能够进行基本数据类型的基本运算。自ARMv5开始引入了VFP(Vector Floating Point)指令，该指令用于向量化加速浮点运算。自ARMv7开始正式引入NEON指令，NEON性能远超VFP，所以VFP指令被废弃。相似于Intel CPU下的MMX/SSE/AVX/FMA指令，ARM CPU的NEON指令一样是经过向量化来进行速度优化。使用场景包含但不局限于：

 

1. 灵活的视频转码(Flexible video transcoding)
2. 声音识别、先进的语音处理(Speech Recognition，Advanced audio processing)
3. 视频捕获加强(Enhanced captured video)
4. 计算机视觉AR/VR(Computer Vision)
5. 机器学习及深度学习(Machine and deep learning)
6. 游戏及先进的人机交互界面(Gaming, Advanced user interface)

 

       关于SIMD(单指令多数据)和SISD(单指令单数据)。以加法指令为例，单指令单数据（SISD）的CPU对加法指令译码后，执行部件先访问内存，取得第一个操做数；以后再一次访问内存，取得第二个操做数；随后才能进行求和运算。而在SIMD型的CPU中，指令译码后几个执行部件同时访问内存，一次性得到全部操做数进行运算。这个特色使SIMD特别适合于多媒体应用等数据密集型运算：

 

                                                                  

       NEON技术是从ARMv7-A和ARMv7-R指令集引入的，目前已经扩展到了ARMv8-A和ARMv8-R指令集。
       NEON技术旨在经过加速多媒体(video/audio)编解码，用户界面，2D/3D图形及游戏来提升人对多媒体的体验度。
       NEON也能够经过加速信号处理算法和函数来加快应用程序，好比音频和视频处理，语音和面部识别，计算机视觉和深度学习。

 

概述
       NEON是一个打包的SIMD架构，NEON寄存器被视为相同数据类型的向量元，而且支持多种数据类型的一种技术。
      

NEON指令在全部向量通道上执行相同操做。执行操做数是由数据类型来决定的，Neon指令遵循以下的规则：

16x8-bit， 8x16-bit，4x32-bit，2x64-bit         整形操做
8x16-bit*，4x32-bit，2x64-bit**                      浮点操做

多个并行指令的操做仅在ARMv8.2-A, ARMv8-A/R上被支持。

 

怎样使用NEON
       有多种方式来使用NEON，其中包含了以使用的库文件，编译器的自动向量化，内嵌NEON代码等方式。

 

Library

       使用NEON最简单的方式就是使用已经包含了NEON的开源库。

 

       ARM计算库用于机器学习和计算机视觉
       ARM计算库是基于ARM CPU和GPU架构且针对图像处理，计算机视觉和机器学习的低层次的函数集合。
       更多信息可参考：https://developer.arm.com/technologies/compute-library

 

       Ne10是一个基于C的开源库，由ARM托管在github上，包含了一系列在ARM上重度优化的最经常使用的加强处理过程。
       Ne10是有几个小型的库构成的模块化的开源库。

        Libyuv

        是一个包含YUV数据的转换和扩展功能的开源库.

        Skia

        是一个开源的2D图形库，用做谷歌Chrome和Chrome OS、Android、Mozilla Firefox和Firefox OS以及其余许多产品的图形引擎。

 

Neon生态系统

        Neon在以下表格所示的领域内有普遍的使用。其中包含了不少跨平台的开源项目：

Video Codecs Audio Codecs Voice and speech codecs Audio enhancement algorithms Computer Vision Machine and deep Learning  VP9 OTT encoder, VP9 Consumer encoder/decoder MP3 encoder/decoder G.711 Echo cancellation Canny Edge detection On-device object recognitionH.264(AVC) encoder/decoder MPEG-2 layer I&II encoder/decoder G.722, G.722.1, G.722.2-A Noise Reduction Harris Corner On-device scene recognitionMPEG4 SP/ASP encoder/decoder MPEG-1 layer III audio encoder G.723.1 Beam Forming ORB Human pose recognitionMPEG2 decoder MPEG-1 layer III audio encoder/decoder G.726 Comfort Noise Convolution filter Defect detectionH.263 decoder HE-AACv1, v2 encoder/decoder G.727 AudioZoom Erosion/Dilation    WMA Standard encoder/decoder G.728 Equalization Face detection    WMA Pro, WMA Lossless decoder G.729, G.729A, G.729B Wind noise reduction Pedestrian detection    SBC Bluetooth encoder/decoder G.729AB Audomatic Gain Control Fast9/Fast12 corner detection    OggVorbis encoder/decoder AMR Narrowband, Wideband, Wideband+ Voice Activity Detection Object tracking    FLAC encoder/decoder GSM-HR, GSM-ER, GSM-EFR Key word spotting Lane departure    Dolby Digital AC-3 encoder/decoder Opus Voice trigger Connected components    Dolby Digital eAC-3 decoder iLBC Voice biometrics      Dolby MS10/MS11 Multistream SILK Speeker verification      Dolby Digital Plus 5.1/7.1 Consumer decoder SPEEX        Dolby Digital 5.1 Creator Consumer encoder MELPe        Dolby Pro Logic I&II encoder/decoder          iSAC encoder/decoder          CELT encoder/decoder          DTS core encoder/decoder          DAB+ encoder/decoder          Dolby Mobile encoder/decoder          Dolby TrueHD consumer decoder          Dolby UDC encoder/decoder        --------------------- 版权声明：本文为CSDN博主「rony2012」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处连接及本声明。原文连接：https://blog.csdn.net/rony2012/article/details/76433431