Helium 技術講堂 | 數(shù)獨、寄存器和相信的力量
加入技術交流群
當人工智能 (AI) 下沉到各式各樣的應用當中，作為市場上最大量的物聯(lián)網(wǎng)設備也將被賦予智能性。Arm ? Helium? 技術正是為基于 Arm Cortex ? -M 處理器的設備帶來關鍵機器學習與數(shù)字信號處理的性能提升。
本文引用地址：http://cafeforensic.com/article/202406/460299.htm在上周的 Helium 技術講堂中，大家了解了 Helium 技術的核心“節(jié)拍式”執(zhí)行 。 今天，我們將共同探討一些復雜而又有趣的交錯加載/存儲指令。 若您想要了解如何高效利用 Helium，千萬別錯過文末視頻，通過 Arm 技術專家的實例演示，詳解 Helium 如何為端點設備引入更多智能。
作者：Arm 架構與技術部 M 系列首席架構師兼研究員 Thomas Grocutt
DSP 處理中一個重要部分就是對不同的數(shù)據(jù)格式進行高效處理，這些數(shù)據(jù)格式通常需要轉換成不同的排列方式進行計算。圖像數(shù)據(jù)就是一個很好的例子，它通常以紅、綠、藍和 alpha 像素值交錯流的形式被存儲。但是，為了將計算矢量化，就需要將所有紅色像素放在一個矢量中，綠色像素放在另一個矢量中，以此類推。在 Neon 架構中，VLD4/VST4 指令可以執(zhí)行這種轉換，如下圖所示。
VST4 將四個 128 位寄存器交錯排列，共存儲 512 位數(shù)據(jù)。Neon 架構有多種交織/去交織運算，可支持不同的格式。例如，提供的 VST2 可用于交織立體聲音頻的左右聲道。這些指令還支持從 8 到 32 位不等的元素大小。
MVE 的“節(jié)拍式”執(zhí)行的主要優(yōu)點之一，是它允許內(nèi)存和 ALU 運算重疊，即使在單發(fā)射處理器上也是如此。 如下圖所示，基于此技術要實現(xiàn)性能的翻倍，所有指令必須執(zhí)行相同的工作量。
顯而易見，重疊帶來的性能提升會因 VST4 這樣的寬存儲指令而大打折扣。 MVE 提供的解決方案是將存儲空間分割成與 ALU 運算相平衡的塊，每個塊存儲 128 位數(shù)據(jù)。 MVE 允許由 VST40、VST41、VST42 和 VST43 這四條指令構成四路交織。但到此并未結束，仍有不少問題存在：
顯而易見的拆分方法是讓四條指令分別存儲不同的數(shù)據(jù)流（例如 VST40 存儲所有紅色像素，VST41 存儲綠色像素等）。對于 8 位像素數(shù)據(jù)，這意味著每條指令將存儲 16 個非連續(xù)字節(jié)。這種訪問模式對內(nèi)存子系統(tǒng)來說非常復雜，會導致大量停滯。相反，指令需要生成大塊連續(xù)請求。
要正確配合其他矢量指令，必須將寄存器文件端口設置為訪問寄存器文件的行（即整個矢量寄存器），而不是列（即四個寄存器的第一個字節(jié)），如果要將數(shù)據(jù)交織存儲到連續(xù)內(nèi)存塊中，則需要訪問列。
為了避免我在上一篇內(nèi)容中描述的時間跨越問題，我們需要將指令分成幾個“節(jié)拍”，先讀取寄存器的 [63:0] 位，然后在下一個周期讀取 [127:64] 位。
解決方案必須同時適用于兩路交織和四路交織，以及 8、16 和 32 位數(shù)據(jù)運算。
面對所有這些相互矛盾的限制，我們就像掉進了兔子洞，我不禁想起了《愛麗絲夢游仙境》中的情節(jié)：
愛麗絲：這是不可能的。
瘋帽匠：只要你相信，一切皆有可能。
所以，讓我們暫且放下懷疑的態(tài)度，仔細研究一下讀取端口，看看會發(fā)生什么。
MVE 重復使用浮點寄存器文件，因此矢量寄存器（Q0 至 Q7）由每四個一組的若干組 “S” 寄存器組成。每個列多路復用器選擇相同的行，然后將數(shù)據(jù)合并以訪問整個 Q 寄存器（見上圖）。但是，如果不能從一列中的任何寄存器中選擇，而是將端口扭曲，從交替列中的寄存器中選擇，如下圖所示，會如何呢：
如果 8:1 多路復用器上的控制輸入設置為相同值，則可讀取一行數(shù)據(jù)（例如 S0 和 S1）。但是，如果使用不同的值，則可以讀取一列中的一對值（如 S0 和 S4）?，F(xiàn)在看起來似乎可行，我們能夠從列和行中讀取數(shù)據(jù)。如果我們把圖的下面放大，并將寄存器編號替換為它們所連接的多路復用器的編號，就會得到下圖結果：
這類似于一道簡單的數(shù)獨謎題，在重復矩陣的每一行和每一列中，每個數(shù)字只會出現(xiàn)一次，只不過這個矩陣是 2 x 2 的，而不是平常的 9 x 9。由于只能從一列中讀取兩個值，并且只能處理 32 位值（多路復用器的寬度），因此這種模式只能提供兩路交織的解決方案。由于我們需要一種可處理所有交錯模式和數(shù)據(jù)寬度組合的模式，因此可想象將所有組合垂直堆疊起來，得到一個多分辨率的三維數(shù)獨謎題。解決一層謎題輕而易舉，但解決整個三維謎題的過程一定令人嘆為觀止。此外，我們還需要考慮上文提到的其他限制因素，如連續(xù)內(nèi)存訪問，以及在不同周期內(nèi)拆分對寄存器上下 64 位的訪問。
經(jīng)過一番思索，我意識到可以將問題一分為二：一是確定一種可在單個統(tǒng)一的問題空間中表示全部約束的方法，二是解決這些約束的單調(diào)任務。由于該模式類似于一個非常復雜的數(shù)獨問題，而許多數(shù)獨程序都是基于 SAT 解算器的，因此我產(chǎn)生了使用 SAT 解算器來完成單調(diào)約束求解任務的想法。經(jīng)過努力，我想出了一種能表示所有約束的方法，一番調(diào)試后，第一個可行的解決方案誕生了。雖然它不完善，而且會導致多路復用器的控制邏輯難以實施，但至少勝利在望了。由于不想對解決方案進行手動清理，我們添加了一些額外的約束條件，引入了一些對稱性，并產(chǎn)出了最終的解決方案，它竟然是一對雙嵌套四重螺旋結構：
為了讓大家看到嵌套的螺旋線，我在下圖中標注了單個多路復用器的路徑。如圖所示，路徑每行交替通過 32 位 “S” 寄存器（如左圖所示），每兩行交換通過 “S” 寄存器上下兩半 16 位區(qū)域（如右圖所示）。
直覺告訴我，這種扭曲的方法對于三路交織來說是行不通的，經(jīng)證實我是對的，SAT 解算器正式證明無解。
這種扭曲方法意味著可以同時訪問寄存器文件行和列中的數(shù)據(jù)。但問題在于，讀取端口返回的字節(jié)可能順序有誤，而順序取決于訪問的寄存器。要糾正此情況，就需要使用一個交叉多路復用器，將一切交換回正確的位置。由于如 VREV 等其他指令和復數(shù)原生操作指令會用到交叉多路復用器，所以我們正好能免費使用它。這正印證了那句話：“如果你必須使用一個硬件，請物盡其用?！?/p>
下圖顯示了由讀取端口扭曲模式衍生出的一些指令訪問模式。第一種情況 (VST2n.S32) 顯示從矢量寄存器 Q0 和 Q1 讀取 32 位 (S32)，并將其兩路交織（如左右音頻通道）。圖中顏色代表兩條指令分別讀取的寄存器部分（即 VST20 讀取橙色部分），元素中的文字表示內(nèi)存中存儲的字節(jié)偏移。
可以發(fā)現(xiàn)，上述 S8 和 S16 模式都將相同的數(shù)據(jù)放在寄存器的相同顏色區(qū)域內(nèi)；唯一不同的是每節(jié)中字節(jié)的排列方式。這意味著， 只需在交叉多路復用器中使用不同的配置，16 位模式也能支持 8 位。 這些模式也適用于加載指令所使用的寫入端口。除了可以建立寄存器文件端口外， 這些模式還意味著內(nèi)存訪問始終是一對 64 位的連續(xù)塊，這樣可以提高內(nèi)存訪問的效率。 另外，這些數(shù)據(jù)塊地址的第 [3] 位總是不同的， 因此可以在擁有兩組交織 64 位內(nèi)存的系統(tǒng)上并行發(fā)送。
研究團隊從這些指令中積累了兩條重要的經(jīng)驗。 首先，要想在 gate 數(shù)量和效率方面取得突破式進展，就必須在設計架構的同時對微架構的細節(jié)同步思考設計。其次，要保持信念，相信一切皆有可能。
我們將在下一篇 Helium 文章中繼續(xù)探討以內(nèi)存訪問為主題的相關內(nèi)容，并介紹一些實現(xiàn)循環(huán)緩沖的技術知識。持續(xù)關注 Helium 技術講堂，我們下期再見！
評論