はじめに

水平加算命令

水平加算は、ベクトル内の全要素の和を取る命令
入力は複数だけど、出力は単一の要素 (なので、厳密には SI M Dではない、と誰かが言っていた)
水平加算系というだけあって、いくつかあるので、padd、paddl、addv、addlvの4つの命令を紹介する
- ちなみに、名前からして一見水平加算しそうなhadd命令はhalving addで、和を取ったあと右に1bitシフトする命令。つまり水平加算ではない。
本当にadd命令多すぎである。

この図は4年前に使ったやつの再掲だけど、基本的に結果のn番目の要素には、入力レジスタの(n*2番目の要素+n*2+1番目の要素)が格納される。
intrinsic関数のシグネチャとしては引数は、2つのベクトルを取り、同じ型を返す。(ex: uint8x16_t vpaddq_u8(uint8x16_t a, uint8x16_t b))
先の図はvpadd_u8(64bit幅の命令)を表した図だが、vpaddq_u8(128bit幅の命令)でも、1つ目のレジスタと2つ目のレジスタをあわせて256bit幅の仮想的なレジスタに対して処理が行われる。入力レジスタのn*2番目の要素とn*2+1番目の要素の和が、出力レジスタのn番目の要素として格納される
- vpadd命令であれば入力は64bit幅のレジスタ2つで128bit幅。総和を計算するには4回の命令(演算)が必要になる。
- vpaddq命令であれば同5回の命令(演算)が必要になる
SSEでは、一発で水平加算を求める命令があったが、NEONにはこのpadd命令しかなかった。 いままでは。

NEONは、Arm v8の命令セットに含まれた、と何度も書いたけれど、実はその際、double演算を始めとする、Arm v7時代には存在しなかった命令たちが追加されている
前述の図はvaddvq_u8で128bit幅のレジスタの、8bit整数型の各要素の和を1回で計算している¹
addv命令もその一つで、こちらは、SSEの水平加算命令よろしく、一発で各要素ごとの和を求めてくれる
戻り値は、各要素の型が使われる(vaddv_u8ならばuint8_t型、vaddv_s32ならint32_t型)

この流れで行くとなんとなく分かると思うけれど、addv命令の結果を、オーバーフローを防ぐために要素の型より一段広い型で返す
- ex: vaddlv_u8命令だと、各要素はuint8_tだが、処理結果はuint16_t型で返ってくる
- こちらも、入力として64bit幅、128bit幅、どちらも受け取る

vpadd_f16ならびにvpaddq_f16命令が存在するが、こいつらはArm v8.2拡張命令セットなので、実行時にCPUがサポートしているかチェックが必要