vesperW · 2021年07月01日

ARM探索之旅03 | 如何使用 ARM FPU 加速浮点计算

引言

笔者接触嵌入式领域软件开发以来,几乎用的都是 ARM Cortex M 内核系列的微控制器。感谢C语言编译器的存在,让我不用接触汇编即可进行开发,但是彷佛也错过了一些风景,没有领域到编译器之美和CPU之美,所以决定周末无聊的休息时间通过寻找资料、动手实验、得出结论的方法来探索 ARM CPU 架构的美妙,以及C语言编译器的奥秘。(因为我个人实在是不赞同学校中微机原理类课程的教学方法)。

一、浮点数的存储

浮点数按照 IEEE 754 标准存储在计算机中,ARM浮点环境是遵循 「IEEE 754-1985」 标准实现的。

IEEE 754 标准规定浮点数的存储格式有三个域,如图:

1.png

  • sign:符号位,0表示正数、1表示负数;
  • exponent:二进制小数的指数值编码;
  • fraction:二进制小数的有效值编码;

具体的编码规则过多,本文重点不在此,不再展开,感兴趣可以阅读我之前的文章:浮点数在计算机中的存储 —— IEEE 754标准[1](可点击阅读原文查看)。

二、浮点支持软件库fplib

1. fplib介绍

ARM Cortex-M处理器中计算浮点数的方式有软件和硬件两种。

对于不带 FPU 的处理器,ARM提供了一个「浮点支持软件库」用于计算浮点数:fplib

fplib提供的 API 以 __aeabi开头,比如:

  • __aeabi_fadd:计算两个float型浮点数(float占4个字节,32位)
  • __aeabi_dadd:计算两个double型浮点数(double占8个字节,64位)
  • __aeabi_f2d:float型转为double型
  • __aeabi_d2f:double型转为float型

除此之外,fplib库还提供取余、开方等非常多的浮点数操作函数,如有兴趣可以查阅文末我列出的参考文档[2]。

2. 测试代码与优化等级

编写如下测试代码:

float a = 5.625;
float b = 5.625;
float res_add, res_sub, res_mul, res_div;

res_add = a + b;
res_sub = a - b;
res_mul = a * b;
res_div = a / b;

printf("res_add = %f\r\n", res_add);
printf("res_sub = %f\r\n", res_sub);
printf("res_mul = %f\r\n", res_mul);
printf("res_div = %f\r\n", res_div);

使用这段测试代码,「编译器优化等级推荐设置为-O0」,否则聪明的编译器会直接将结果计算出来编译到程序中,我们就没法研究了。

2.png

3. armcc测试结果

这节我们验证是否ARM使用 fplib 库来计算浮点数,在设置中关闭FPU:

3.png

使用MDK编译之后,进入调试模式查看反汇编结果。

在反汇编中可以看到,变量a是float类型,所以编译器分配了一个寄存器用于存储值:

4.png

查看0x080031C4处的值,小端存储模式下(低位在低地址),变量a的值是0x40B40000,存储方式符合IEEE 754标准。

5.png
666.png

再来看看浮点数运算操作的反汇编结果,果然调用fplib库提供的函数完成浮点数的操作:

6.png

这里还有一个有趣的小细节,在反汇编中可以看到「使用 %f 占位符打印浮点数时,printf是按照double型传参的」

7.png

4. arm-none-eabi-gcc测试结果

使用STM32CubeMX生成makeifle工程,修改makeifle中的等级为-O0,设置为软件浮点计算:

8.png

另外还需要注意,默认gcc编译时不支持printf打印浮点数,需要在 makefile 中手动加入以下链接选项:

LDFLAGS += -u _printf_float

编译完成之后进行反汇编(注意文件名):

arm-none-eabi-objdump -s -d build/usart1-fpu-test.elf  > build/usart1-fpu-test.dis

同样,在反汇编文件中即可找到浮点计算代码:

9.png

三、使用 ARM FPU 加速浮点计算

1. ARM FPU的魅力

FPU(Floating Point Unit,浮点单元)是ARM内核中的硬件外设,用于硬件计算浮点数,要想使用FPU计算浮点数,需要程序和编译器配合。

  • 在程序中使能/开启FPU硬件外设,「使 FPU 硬件可以正常工作」
  • 在编译器中设置使用FPU,编译器会将所有浮点计算的代码都编译为「使用FPU操作指令完成」

目前Cortex-M4、Cortex-M7、Cortex-M33、Cortex-M35P、Cortex-M55处理器中都具备FPU硬件。

在上一节中我们使用fplib软件库来计算浮点数,但是fplib终归还是软件方式,每个计算函数的实现都是通过很多的指令去完成计算,并且最终的程序中还会把函数链接进可执行程序,导致程序体积变大。

「ARM FPU的魅力在于,浮点计算可以通过简单的FPU操作指令去完成,相比之下,不仅计算快,也不会增大程序体积。」

2. 如何使能FPU硬件

ARM Cortex - M4内核中将 FPU 作为协处理器设计的,所以通过设置协处理器访问控制(CPACR,Co-processor access control register)来控制是否使能FPU。

10.png

复位之后CP11=0、CP10=0,默认禁止访问FPU,因为这是Cortex-M内核的外设,寄存器定义CMSIS-Core中,所以可以直接通过下面这行代码设置CP11=1、CP10=1来允许访问FPU:

SCB->CPACR = 0x00F00000; // Enable the floating point unit for full access

无论是STM32 HAL库还是标准库,在SystemInit()函数中已经存在使能代码,通过__FPU_PRESENT__FPU_USED来控制:

/* FPU settings ------------------------------------------------------------*/ 
#if (__FPU_PRESENT == 1) && (__FPU_USED == 1)
    SCB->CPACR |= ((3UL << 10*2)|(3UL << 11*2));  /* set CP10 and CP11 Full Access */ 
#endif

并且,在头文件 stm32l431xx.h 中已经使能__FPU_PRESENT宏定义:

11.png

__FPU_PRESENT宏定义是一直使能的,那么如何来控制FPU的使能呢?

别忘了还有一个宏定义__FPU_USED,这是留给编译器来控制的!

3. ARMCC编译器如何开启FPU

MDK编译器开启FPU的方法非常简单,如图:

12.png

在MDK中使能FPU,一方面编译器会设置宏定义__FPU_USED == 1,不放心的话可以在任意位置添加下面的预处理代码,分别在使用/不使用的情况编译一下,查看编译器输出结果:

#if __FPU_USED == 1 #error "ok!" #endif

另一方面,编译器在编译的时候,会将所有的浮点运算都编译为使用FPU操作指令去完成,比如本文最开始的测试代码编译结果如下:

13.png

4. gcc编译器如何开启FPU

在Makefile中加入以下gcc编译设置项:

# fpu
FPU = -mfpu=fpv4-sp-d16

# float-abi
FLOAT-ABI = -mfloat-abi=hard

ABI是应用程序二进制接口(Application Binary Interface),-mfloat-abi用来指定使用哪种方式:

  • soft:使用CPU寄存器组+软件库(fplib)完成浮点操作;
  • softfp:使用CPU寄存组+FPU硬件+软件库完成浮点操作;
  • hard:使用FPU寄存器组+FPU硬件+软件库完成浮点操作;

mfpu选项用来指定FPU架构,具体值可以阅读我在文末给出的参考文档,本文所使用的值fpv4-sp-d16,意味着仅仅使能Armv7 FPv4-SP-D16 单精度浮点单元扩展。

同样,对之前的测试代码编译,查看反汇编结果,可以看到使用了浮点操作全部使用了FPU相关指令。

14.png

四、使用Julia测试FPU加速性能

1. 测试准备

需要准备一份裸机工程,具有屏幕打点显示功能和串口打印功能。

参考:STM32CubeMX\_17 | 使用硬件SPI驱动TFT-LCD(ST7789)

2. 移植Julia分形测试代码

Julia测试是通过计算几帧Julia分形的数据来测试单精度浮点运算的性能,测试代码参考正点原子,如下:

/* Private user code ---------------------------------------------------------/
/ USER CODE BEGIN 0 */
#define ITERATION 128 //迭代次数
#define REAL_CONSTANT 0.285f //实部常量
#define IMG_CONSTANT 0.01f //虚部常量

//颜色表
uint16_t color_map[ITERATION];

//缩放因子列表
const uint16_t zoom_ratio[] =
{
    120, 110, 100, 150, 200, 275, 350, 450,
    600, 800, 1000, 1200, 1500, 2000, 1500,
    1200, 1000, 800, 600, 450, 350, 275, 200,
    150, 100, 110,
};

//初始化颜色表
//clut:颜色表指针
void InitCLUT(uint16_t * clut)
{

uint32_t i = 0x00;
    uint16_t red = 0, green = 0, blue = 0;

for (i = 0;i < ITERATION; i++) {
        //产生 RGB 颜色值
        red = (i8256/ITERATION) % 256;
        green = (i6256/ITERATION) % 256;
        blue = (i4256 /ITERATION) % 256;

        //将 RGB888,转换为 RGB565
        red = red >> 3;
        red = red << 11;
        green = green >> 2;
        green = green << 5;
        blue = blue >> 3;

clut[i] = red + green + blue;
    }
}

//产生 Julia 分形图形
//size_x,size_y:屏幕 x,y 方向的尺寸
//offset_x,offset_y:屏幕 x,y 方向的偏移
//zoom:缩放因子
void GenerateJulia_fpu(uint16_t size_x,uint16_t size_y,uint16_t offset_x,uint16_t offset_y,uint16_t zoom)
{

uint8_t i;
    uint16_t x,y;
    float tmp1,tmp2;
    float num_real,num_img;
    float radius;

for (y = 0; y < size_y; y++) {
        for (x = 0; x < size_x; x++) {
            num_real = y - offset_y;
            num_real = num_real / zoom;
            num_img = x-offset_x;
            num_img = num_img / zoom;

i = 0;
            radius = 0;
            while ((i < ITERATION-1) && (radius < 4)) {

tmp1 = num_real * num_real;
                tmp2 = num_img * num_img;
                num_img = 2num_realnum_img + IMG_CONSTANT;
                num_real = tmp1 - tmp2 + REAL_CONSTANT;
                radius = tmp1 + tmp2;
                i++;
            }
            //绘制到屏幕
            lcd_draw_color_point(x, y, color_map[i]);
        }
    }
}

/* USER CODE END 0 */

在main函数中创建一些需要的变量:

/* USER CODE BEGIN 1 */
    uint8_t zoom_index = 0;
    uint32_t start_time = 0, end_time = 0;
/* USER CODE END 1 */

调用初始化函数:

/* USER CODE BEGIN 2 */
printf("Julia test by Mculover666\r\n");

lcd_init();

//初始化颜色表
InitCLUT(color_map);

/* USER CODE END 2 */

调用测试函数:

/* Infinite loop */
/* USER CODE BEGIN WHILE */
while (1)
{
  /* USER CODE END WHILE */

  /* USER CODE BEGIN 3 */
  start_time = HAL_GetTick();
  GenerateJulia_fpu(240, 240, 120, 120, zoom_ratio[zoom_index]);
  end_time = HAL_GetTick();
  printf("diff time is %d ms\r\n", end_time - start_time);
    zoom_index++;
      if (zoom_index > sizeof(zoom_ratio)) {
          zoom_index = 0;
      }
}
/* USER CODE END 3 */

3. 测试结果

使用-O2优化等级,在不开 FPU 的情况下,「显示一帧平均需要11s左右」

15.png

程序大小情况:

1616.png

使用-O2优化等级,在开启 FPU 的情况下,「显示一帧平均需要4s左右」

16.png

程序大小情况:
17.png

最后放上好看的Julia分形图:

18.png

五、参考资料

[1] 浮点数在计算机中的存储 —— IEEE 754标准(https://mculover666.blog.csdn.net/article/details/93382331)

[2] About floating-point support,ARM Keil(https://www.keil.com/support/man/docs/armlib/armlib\_chr1358938940990.htm)

[3] Compiler Reference Guide,ARM Keilhttps://www.keil.com/support/man/docs/armclang\_ref/armclang\_ref\_chr1392305424052.htm)

[4] ARM Cortex-M3与M4权威指南

作者:mculover666
原文链接:https://mp.weixin.qq.com/s/4z60sv5hN-M4rhIka-RG8A
推荐阅读
关注数
23361
内容数
884
Arm相关的技术博客,提供最新Arm技术干货,欢迎关注
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息