我不确定这里的确切命名是什么，但问题在于：
我正在进行校验和，我想获取许多不同的[32位]值，将它们存储在NEON向量的元素中，将它们一起进行异或，然后传递结果返回ARM寄存器以进行将来的计算。 [校验和有一些基于随机数的不同块，所以我想将这些次要结果与＃34;进行排序。 nonce，不丢熵]。
我并不担心性能（尽管较少的操作总是更可取，因为最小化ARM的停顿; NEON可以停止它所需要的全部），或者这不是一个特别可矢量化的操作;我需要才能使用NEON单元。
如果存在某种水平XOR，那将是理想的，其中它将使矢量的[4]元素相互异或，并返回结果，但这并不存在。我显然可以做一些事情（原谅残酷的伪代码）：
load value1 s0
load value2 s2
veon d2, d0, d1
load value3 s0
load value4 s2
veon d0, d0,d1
veon d0, d0, d2
但是有更好的方法吗？我知道有成对添加，但似乎没有成对的异或。就使用尽可能多的寄存器通道或寄存器而言，我是灵活的。
TL; DR：我需要这样做：在NEON上res = val1 ^ val2 ^ val3 ^ val4，这可能是愚蠢的，但我正在寻找最不笨的方式。
谢谢！
答案 0 :(得分：2)
NEON的做法。需要展开循环以获得更好的性能，因为它试图使用需要时间加载的数据。
vld1.u32 {q0},[r0]! ; load 4 32-bit values into Q0
veor.u32 d0,d0,d1 ; XOR 2 pairs of values (0<-2, 1<-3)
vext.u8 d1,d0,d0,#4 ; shift down "high" value of d0
veor.u32 d0,d0,d1 ; now element 0 of d0 has all 4 values XOR'd together
vmov.u32 r2,d0[0] ; transfer back to an ARM register
str r2,[r1]! ; store in output
ARM的做法。加载数据的速度稍慢，但没有等待从NEON到ARM寄存器的传输延迟。
ldmia r0!,{r4-r7} ; load 4 32-bit values
eor r4,r4,r5
eor r4,r4,r6
eor r4,r4,r7 ; XOR all 4 values together
str r4,[r1]! ; store in output
如果您可以依靠多组4个32位值，那么NEON可以通过加载一堆寄存器然后处理它们来为您提供优势。如果您只是调用一个可以处理4个整数的函数，那么ARM版本的性能可能会更好。