Производительность FPU Cortex-M4

Нигде не нашел информации о количество мегафлопсов у Cortex-M4 c аппаратной плавающей точкой. Сделал свой тест используя stm32f4discovery и кусочек кода фильтра Калмана для двигателя.


Взял вот такой код, который умножает матрицы размером 5x5, количество операций я насчитал 525, отдельно учитывал сложения и умножения. Исходные данные берутся из таймера, записываются в глобальную переменную, компилятор не должен уклонится от генерации кода и слишком все упростить.

#include "hal/cmsis/stm32f4xx.h"

static void
mTrans(float *X, const float *A, int M, int N)
{
	int		i, j;

	for (i = 0; i < M; ++i)
		for (j = 0; j < N; ++j) {

			X[j * M + i] = A[i * N + j];
		}
}

static void
mMul(float *X, const float *A, const float *B, int M, int N, int K)
{
	int		i, j, k;
	float		s;

	for (i = 0; i < M; ++i)
		for (j = 0; j < N; ++j) {

			s = 0.f;
			for (k = 0; k < K; ++k)
				s += A[i * K + k] * B[k * N + j];

			X[i * N + j] = s;
		}
}

static float		P[25];

void sKF()
{
	float		A[25], AT[25], AP[25];
	int		i, j;
	int		T0, T1;
	float		dT;

	for (i = 0; i < 5; ++i)
		for (j = 0; j < 5; ++j) {

			P[i * 5 + j] = 1.f / (float) SysTick->VAL;
		}

	for (i = 0; i < 5; ++i)
		for (j = 0; j < 5; ++j) {

			A[i * 5 + j] = 1.f / (float) SysTick->VAL;
		}

	T0 = SysTick->VAL;

	mTrans(AT, A, 5, 5);
	mMul(AP, A, P, 5, 5, 5);
	mMul(P, AP, AT, 5, 5, 5);

	T1 = SysTick->VAL;

	printf("TICK (%i %i) %i \r\n", T0, T1, T0 - T1);
}

Весь код здесь.

Тест делался как я уже говорил на stm32f4discovery, частота 168МГц. Код находился в RAM либо во FLASH, переменные в RAM, стек в CCM. Посторонних задач не было, только uart, led и таймер.

GCC (RAM/FLASH):
-O2 4709/3677 ticks (2196 bytes) 19/23 MFLOPS
-O3 1658/1473 ticks (3596 bytes) 53/60 MFLOPS
-Os 5615/3714 ticks (1908 bytes) 16/24 MFLOPS

Clang (RAM):
-O2 2917 ticks (2664 bytes) 30 MFLOPS
-O3 1770 ticks (3304 bytes) 50 MFLOPS
-Os 5867 ticks (2496 bytes) 15 MFLOPS

На тестах из FLASH первый запуск был на 10-20 тактов дольше, дальше стабильно. Из RAM стабильно всегда. Итого для такой тактовой частоты получаем одну операцию с float на ~3 такта. И наверно можно выдавить еще скорости, положить переменные в CCM, развернуть циклы вручную, учесть разреженность матриц.

Неплохо, но для моей задачи мало. Похоже снова придется отказатся от фильтра Калмана и пойти на третий круг.

Добавка

Сделал еще один тест, с более развернутым кодом. Теперь простое одиночное уменожение двух матриц размера 5 на 5. Можете посчитать, для этого нужно 125 умножений и 100 сложений, всего 225 операций. На это количество операций я и буду пересчитывать такты во флопсы.

float			P[25];

void sKF()
{
	float		A[25], B[25];
	int		j, T0, T1;
	float		dT;

	for (j = 0; j < 25; ++j)
		A[j] = 1.f / (float) SysTick->VAL;

	for (j = 0; j < 25; ++j)
		B[j] = 1.f / (float) SysTick->VAL;

	T0 = SysTick->VAL;
	__DSB();

	P[0] = A[0] * B[0] + A[1] * B[5] + A[2] * B[10] + A[3] * B[15] + A[4] * B[20];
	P[1] = A[0] * B[1] + A[1] * B[6] + A[2] * B[11] + A[3] * B[16] + A[4] * B[21];
	P[2] = A[0] * B[2] + A[1] * B[7] + A[2] * B[12] + A[3] * B[17] + A[4] * B[22];
	P[3] = A[0] * B[3] + A[1] * B[8] + A[2] * B[13] + A[3] * B[18] + A[4] * B[23];
	P[4] = A[0] * B[4] + A[1] * B[9] + A[2] * B[14] + A[3] * B[19] + A[4] * B[24];

	P[5] = A[5] * B[0] + A[6] * B[5] + A[7] * B[10] + A[8] * B[15] + A[9] * B[20];
	P[6] = A[5] * B[1] + A[6] * B[6] + A[7] * B[11] + A[8] * B[16] + A[9] * B[21];
	P[7] = A[5] * B[2] + A[6] * B[7] + A[7] * B[12] + A[8] * B[17] + A[9] * B[22];
	P[8] = A[5] * B[3] + A[6] * B[8] + A[7] * B[13] + A[8] * B[18] + A[9] * B[23];
	P[9] = A[5] * B[4] + A[6] * B[9] + A[7] * B[14] + A[8] * B[19] + A[9] * B[24];

	P[10] = A[10] * B[0] + A[11] * B[5] + A[12] * B[10] + A[13] * B[15] + A[14] * B[20];
	P[11] = A[10] * B[1] + A[11] * B[6] + A[12] * B[11] + A[13] * B[16] + A[14] * B[21];
	P[12] = A[10] * B[2] + A[11] * B[7] + A[12] * B[12] + A[13] * B[17] + A[14] * B[22];
	P[13] = A[10] * B[3] + A[11] * B[8] + A[12] * B[13] + A[13] * B[18] + A[14] * B[23];
	P[14] = A[10] * B[4] + A[11] * B[9] + A[12] * B[14] + A[13] * B[19] + A[14] * B[24];

	P[15] = A[15] * B[0] + A[16] * B[5] + A[17] * B[10] + A[18] * B[15] + A[19] * B[20];
	P[16] = A[15] * B[1] + A[16] * B[6] + A[17] * B[11] + A[18] * B[16] + A[19] * B[21];
	P[17] = A[15] * B[2] + A[16] * B[7] + A[17] * B[12] + A[18] * B[17] + A[19] * B[22];
	P[18] = A[15] * B[3] + A[16] * B[8] + A[17] * B[13] + A[18] * B[18] + A[19] * B[23];
	P[19] = A[15] * B[4] + A[16] * B[9] + A[17] * B[14] + A[18] * B[19] + A[19] * B[24];

	P[20] = A[20] * B[0] + A[21] * B[5] + A[22] * B[10] + A[23] * B[15] + A[24] * B[20];
	P[21] = A[20] * B[1] + A[21] * B[6] + A[22] * B[11] + A[23] * B[16] + A[24] * B[21];
	P[22] = A[20] * B[2] + A[21] * B[7] + A[22] * B[12] + A[23] * B[17] + A[24] * B[22];
	P[23] = A[20] * B[3] + A[21] * B[8] + A[22] * B[13] + A[23] * B[18] + A[24] * B[23];
	P[24] = A[20] * B[4] + A[21] * B[9] + A[22] * B[14] + A[23] * B[19] + A[24] * B[24];

	__DSB();
	T1 = SysTick->VAL;

	printf("TICK (%i %i) %i \r\n", T0, T1, T0 - T1);
}

GCC (FLASH):
-O3 475 ticks 80 MFLOPS (~2.1 tick./op.)

Clang (FLASH):
-O3 540 ticks 70 MFLOPS (~2.4 tick./op.)

Clang выдал код без инструкции vmla, все только на vmul и vadd, возможно из-за этого результат хуже. Ну и вот код GCC от dsb до dsb, если кому будет не лень.

54:	6891      	ldr	r1, [r2, #8]
  56:	f3bf 8f4f 	dsb	sy
  5a:	eddd 5a01 	vldr	s11, [sp, #4]
  5e:	ed9d 6a1e 	vldr	s12, [sp, #120]	; 0x78
  62:	ed9d 0a00 	vldr	s0, [sp]
  66:	ed9d 4a19 	vldr	s8, [sp, #100]	; 0x64
  6a:	eddd 6a1f 	vldr	s13, [sp, #124]	; 0x7c
  6e:	ed9d 7a20 	vldr	s14, [sp, #128]	; 0x80
  72:	eddd 7a21 	vldr	s15, [sp, #132]	; 0x84
  76:	eddd fa22 	vldr	s31, [sp, #136]	; 0x88
  7a:	eddd 4a1a 	vldr	s9, [sp, #104]	; 0x68
  7e:	ed9d 5a1b 	vldr	s10, [sp, #108]	; 0x6c
  82:	eddd da1d 	vldr	s27, [sp, #116]	; 0x74
  86:	ed9d ea1c 	vldr	s28, [sp, #112]	; 0x70
  8a:	ee25 2a86 	vmul.f32	s4, s11, s12
  8e:	ee65 2aa6 	vmul.f32	s5, s11, s13
  92:	ee25 3a87 	vmul.f32	s6, s11, s14
  96:	ee00 2a04 	vmla.f32	s4, s0, s8
  9a:	ee65 3aa7 	vmul.f32	s7, s11, s15
  9e:	ee65 5aaf 	vmul.f32	s11, s11, s31
  a2:	eddd 0a02 	vldr	s1, [sp, #8]
  a6:	eddd ca23 	vldr	s25, [sp, #140]	; 0x8c
  aa:	ee40 2a24 	vmla.f32	s5, s0, s9
  ae:	ee00 3a05 	vmla.f32	s6, s0, s10
  b2:	ee40 3a0e 	vmla.f32	s7, s0, s28
  b6:	ee40 5a2d 	vmla.f32	s11, s0, s27
  ba:	eddd ba25 	vldr	s23, [sp, #148]	; 0x94
  be:	ed9d ba26 	vldr	s22, [sp, #152]	; 0x98
  c2:	eddd aa27 	vldr	s21, [sp, #156]	; 0x9c
  c6:	ed9d 0a24 	vldr	s0, [sp, #144]	; 0x90
  ca:	ee00 2aac 	vmla.f32	s4, s1, s25
  ce:	ed9d 1a03 	vldr	s2, [sp, #12]
  d2:	ee40 2a80 	vmla.f32	s5, s1, s0
  d6:	ee00 3aab 	vmla.f32	s6, s1, s23
  da:	ee40 3a8b 	vmla.f32	s7, s1, s22
  de:	ee40 5aaa 	vmla.f32	s11, s1, s21
  e2:	eddd 0a28 	vldr	s1, [sp, #160]	; 0xa0
  e6:	eddd 9a29 	vldr	s19, [sp, #164]	; 0xa4
  ea:	ed9d 9a2a 	vldr	s18, [sp, #168]	; 0xa8
  ee:	eddd 8a2b 	vldr	s17, [sp, #172]	; 0xac
  f2:	ee01 2a20 	vmla.f32	s4, s2, s1
  f6:	eddd 1a04 	vldr	s3, [sp, #16]
  fa:	ed9d 0a2c 	vldr	s0, [sp, #176]	; 0xb0
  fe:	eddd 0a2d 	vldr	s1, [sp, #180]	; 0xb4
 102:	ee41 2a29 	vmla.f32	s5, s2, s19
 106:	ee01 3a09 	vmla.f32	s6, s2, s18
 10a:	ee41 3a28 	vmla.f32	s7, s2, s17
 10e:	ee01 2aa0 	vmla.f32	s4, s3, s1
 112:	ee41 5a00 	vmla.f32	s11, s2, s0
 116:	eddd 0a30 	vldr	s1, [sp, #192]	; 0xc0
 11a:	ed9d 1a2e 	vldr	s2, [sp, #184]	; 0xb8
 11e:	ed9d 0a2f 	vldr	s0, [sp, #188]	; 0xbc
 122:	ee41 2a81 	vmla.f32	s5, s3, s2
 126:	ee01 3a80 	vmla.f32	s6, s3, s0
 12a:	ee41 3aa0 	vmla.f32	s7, s3, s1
 12e:	f240 0300 	movw	r3, #0
 132:	f2c0 0300 	movt	r3, #0
 136:	ed9d 1a31 	vldr	s2, [sp, #196]	; 0xc4
 13a:	ed83 2a00 	vstr	s4, [r3]
 13e:	edc3 2a01 	vstr	s5, [r3, #4]
 142:	ed83 3a02 	vstr	s6, [r3, #8]
 146:	edc3 3a03 	vstr	s7, [r3, #12]
 14a:	eddd 0a06 	vldr	s1, [sp, #24]
 14e:	ee41 5a81 	vmla.f32	s11, s3, s2
 152:	eddd 1a05 	vldr	s3, [sp, #20]
 156:	ee26 aaa0 	vmul.f32	s20, s13, s1
 15a:	ee04 aaa1 	vmla.f32	s20, s9, s3
 15e:	ed9d 2a07 	vldr	s4, [sp, #28]
 162:	ed9d 0a24 	vldr	s0, [sp, #144]	; 0x90
 166:	ee26 ca20 	vmul.f32	s24, s12, s1
 16a:	ee00 aa02 	vmla.f32	s20, s0, s4
 16e:	ee27 8a20 	vmul.f32	s16, s14, s1
 172:	ee27 0aa0 	vmul.f32	s0, s15, s1
 176:	ee6f 0aa0 	vmul.f32	s1, s31, s1
 17a:	ee04 ca21 	vmla.f32	s24, s8, s3
 17e:	ee05 8a21 	vmla.f32	s16, s10, s3
 182:	ee0e 0a21 	vmla.f32	s0, s28, s3
 186:	ee4d 0aa1 	vmla.f32	s1, s27, s3
 18a:	ee0c ca82 	vmla.f32	s24, s25, s4
 18e:	ee0b 8a82 	vmla.f32	s16, s23, s4
 192:	ee0b 0a02 	vmla.f32	s0, s22, s4
 196:	ee4a 0a82 	vmla.f32	s1, s21, s4
 19a:	eddd 2a08 	vldr	s5, [sp, #32]
 19e:	ed9d 3a0b 	vldr	s6, [sp, #44]	; 0x2c
 1a2:	ed9d 1a28 	vldr	s2, [sp, #160]	; 0xa0
 1a6:	ed9d 2a2c 	vldr	s4, [sp, #176]	; 0xb0
 1aa:	eddd 3a0a 	vldr	s7, [sp, #40]	; 0x28
 1ae:	ed9d fa15 	vldr	s30, [sp, #84]	; 0x54
 1b2:	edc3 5a04 	vstr	s11, [r3, #16]
 1b6:	eddd 5a10 	vldr	s11, [sp, #64]	; 0x40
 1ba:	ed9d da14 	vldr	s26, [sp, #80]	; 0x50
 1be:	eddd ea0f 	vldr	s29, [sp, #60]	; 0x3c
 1c2:	ee01 ca22 	vmla.f32	s24, s2, s5
 1c6:	ee09 aaa2 	vmla.f32	s20, s19, s5
 1ca:	ee09 8a22 	vmla.f32	s16, s18, s5
 1ce:	ee26 1a03 	vmul.f32	s2, s12, s6
 1d2:	ee08 0aa2 	vmla.f32	s0, s17, s5
 1d6:	ee42 0a22 	vmla.f32	s1, s4, s5
 1da:	ee66 1a83 	vmul.f32	s3, s13, s6
 1de:	ee27 2a03 	vmul.f32	s4, s14, s6
 1e2:	ee67 2a83 	vmul.f32	s5, s15, s6
 1e6:	ee2f 3a83 	vmul.f32	s6, s31, s6
 1ea:	ee04 1a23 	vmla.f32	s2, s8, s7
 1ee:	ee44 1aa3 	vmla.f32	s3, s9, s7
 1f2:	ee05 2a23 	vmla.f32	s4, s10, s7
 1f6:	ee4e 2a23 	vmla.f32	s5, s28, s7
 1fa:	ee0d 3aa3 	vmla.f32	s6, s27, s7
 1fe:	ee66 3a25 	vmul.f32	s7, s12, s11
 202:	ee26 6a0f 	vmul.f32	s12, s12, s30
 206:	ee44 3a2e 	vmla.f32	s7, s8, s29
 20a:	ee04 6a0d 	vmla.f32	s12, s8, s26
 20e:	ee26 4aa5 	vmul.f32	s8, s13, s11
 212:	ee66 6a8f 	vmul.f32	s13, s13, s30
 216:	ee04 4aae 	vmla.f32	s8, s9, s29
 21a:	ee44 6a8d 	vmla.f32	s13, s9, s26
 21e:	ee67 4a25 	vmul.f32	s9, s14, s11
 222:	ee27 7a0f 	vmul.f32	s14, s14, s30
 226:	ee45 4a2e 	vmla.f32	s9, s10, s29
 22a:	ee05 7a0d 	vmla.f32	s14, s10, s26
 22e:	ee27 5aa5 	vmul.f32	s10, s15, s11
 232:	ee6f 5aa5 	vmul.f32	s11, s31, s11
 236:	ee67 7a8f 	vmul.f32	s15, s15, s30
 23a:	ee2f fa8f 	vmul.f32	s30, s31, s30
 23e:	ee4d 5aae 	vmla.f32	s11, s27, s29
 242:	ee4e 7a0d 	vmla.f32	s15, s28, s26
 246:	ee0d fa8d 	vmla.f32	s30, s27, s26
 24a:	ed9d da0c 	vldr	s26, [sp, #48]	; 0x30
 24e:	eddd da24 	vldr	s27, [sp, #144]	; 0x90
 252:	ee0e 5a2e 	vmla.f32	s10, s28, s29
 256:	ee0c 1a8d 	vmla.f32	s2, s25, s26
 25a:	ee4d 1a8d 	vmla.f32	s3, s27, s26
 25e:	ee0b 2a8d 	vmla.f32	s4, s23, s26
 262:	ee4b 2a0d 	vmla.f32	s5, s22, s26
 266:	ee0a 3a8d 	vmla.f32	s6, s21, s26
 26a:	ed9d da11 	vldr	s26, [sp, #68]	; 0x44
 26e:	ee4c 3a8d 	vmla.f32	s7, s25, s26
 272:	ee0d 4a8d 	vmla.f32	s8, s27, s26
 276:	ee4b 4a8d 	vmla.f32	s9, s23, s26
 27a:	ee0b 5a0d 	vmla.f32	s10, s22, s26
 27e:	ee4a 5a8d 	vmla.f32	s11, s21, s26
 282:	ed9d da16 	vldr	s26, [sp, #88]	; 0x58
 286:	ee0c 6a8d 	vmla.f32	s12, s25, s26
 28a:	ee4d 6a8d 	vmla.f32	s13, s27, s26
 28e:	ee0b 7a8d 	vmla.f32	s14, s23, s26
 292:	ee4b 7a0d 	vmla.f32	s15, s22, s26
 296:	ee0a fa8d 	vmla.f32	s30, s21, s26
 29a:	ed9d ba12 	vldr	s22, [sp, #72]	; 0x48
 29e:	eddd aa17 	vldr	s21, [sp, #92]	; 0x5c
 2a2:	eddd ca28 	vldr	s25, [sp, #160]	; 0xa0
 2a6:	eddd da2c 	vldr	s27, [sp, #176]	; 0xb0
 2aa:	eddd ba0d 	vldr	s23, [sp, #52]	; 0x34
 2ae:	ee4c 3a8b 	vmla.f32	s7, s25, s22
 2b2:	ee0c 6aaa 	vmla.f32	s12, s25, s21
 2b6:	ee09 4a8b 	vmla.f32	s8, s19, s22
 2ba:	ee49 6aaa 	vmla.f32	s13, s19, s21
 2be:	ee49 4a0b 	vmla.f32	s9, s18, s22
 2c2:	ee09 7a2a 	vmla.f32	s14, s18, s21
 2c6:	ee08 5a8b 	vmla.f32	s10, s17, s22
 2ca:	ee4d 5a8b 	vmla.f32	s11, s27, s22
 2ce:	ee48 7aaa 	vmla.f32	s15, s17, s21
 2d2:	ed9d ba09 	vldr	s22, [sp, #36]	; 0x24
 2d6:	ee0d faaa 	vmla.f32	s30, s27, s21
 2da:	eddd aa2d 	vldr	s21, [sp, #180]	; 0xb4
 2de:	ee0c 1aab 	vmla.f32	s2, s25, s23
 2e2:	ee0a ca8b 	vmla.f32	s24, s21, s22
 2e6:	eddd ca2f 	vldr	s25, [sp, #188]	; 0xbc
 2ea:	eddd aa31 	vldr	s21, [sp, #196]	; 0xc4
 2ee:	ee49 1aab 	vmla.f32	s3, s19, s23
 2f2:	ee09 2a2b 	vmla.f32	s4, s18, s23
 2f6:	ee48 2aab 	vmla.f32	s5, s17, s23
 2fa:	ee0d 3aab 	vmla.f32	s6, s27, s23
 2fe:	eddd ba2e 	vldr	s23, [sp, #184]	; 0xb8
 302:	eddd da30 	vldr	s27, [sp, #192]	; 0xc0
 306:	eddd 9a0e 	vldr	s19, [sp, #56]	; 0x38
 30a:	ed9d 9a13 	vldr	s18, [sp, #76]	; 0x4c
 30e:	eddd 8a18 	vldr	s17, [sp, #96]	; 0x60
 312:	ee0b aa8b 	vmla.f32	s20, s23, s22
 316:	ee0c 8a8b 	vmla.f32	s16, s25, s22
 31a:	ee0d 0a8b 	vmla.f32	s0, s27, s22
 31e:	ee4a 0a8b 	vmla.f32	s1, s21, s22
 322:	ed9d ba2d 	vldr	s22, [sp, #180]	; 0xb4
 326:	ee4b 1aa9 	vmla.f32	s3, s23, s19
 32a:	ee0b 1a29 	vmla.f32	s2, s22, s19
 32e:	ee0c 2aa9 	vmla.f32	s4, s25, s19
 332:	ee4d 2aa9 	vmla.f32	s5, s27, s19
 336:	ee0a 3aa9 	vmla.f32	s6, s21, s19
 33a:	ee4b 3a09 	vmla.f32	s7, s22, s18
 33e:	ee0b 6a28 	vmla.f32	s12, s22, s17
 342:	ee0b 4a89 	vmla.f32	s8, s23, s18
 346:	ee4b 6aa8 	vmla.f32	s13, s23, s17
 34a:	ee4c 4a89 	vmla.f32	s9, s25, s18
 34e:	ee0c 7aa8 	vmla.f32	s14, s25, s17
 352:	ee0d 5a89 	vmla.f32	s10, s27, s18
 356:	ee4a 5a89 	vmla.f32	s11, s21, s18
 35a:	ee4d 7aa8 	vmla.f32	s15, s27, s17
 35e:	ee0a faa8 	vmla.f32	s30, s21, s17
 362:	ed83 ca05 	vstr	s24, [r3, #20]
 366:	ed83 aa06 	vstr	s20, [r3, #24]
 36a:	ed83 8a07 	vstr	s16, [r3, #28]
 36e:	ed83 0a08 	vstr	s0, [r3, #32]
 372:	edc3 0a09 	vstr	s1, [r3, #36]	; 0x24
 376:	ed83 1a0a 	vstr	s2, [r3, #40]	; 0x28
 37a:	edc3 1a0b 	vstr	s3, [r3, #44]	; 0x2c
 37e:	ed83 2a0c 	vstr	s4, [r3, #48]	; 0x30
 382:	edc3 2a0d 	vstr	s5, [r3, #52]	; 0x34
 386:	ed83 3a0e 	vstr	s6, [r3, #56]	; 0x38
 38a:	edc3 3a0f 	vstr	s7, [r3, #60]	; 0x3c
 38e:	ed83 4a10 	vstr	s8, [r3, #64]	; 0x40
 392:	edc3 4a11 	vstr	s9, [r3, #68]	; 0x44
 396:	ed83 5a12 	vstr	s10, [r3, #72]	; 0x48
 39a:	edc3 5a13 	vstr	s11, [r3, #76]	; 0x4c
 39e:	ed83 6a14 	vstr	s12, [r3, #80]	; 0x50
 3a2:	edc3 6a15 	vstr	s13, [r3, #84]	; 0x54
 3a6:	ed83 7a16 	vstr	s14, [r3, #88]	; 0x58
 3aa:	edc3 7a17 	vstr	s15, [r3, #92]	; 0x5c
 3ae:	ed83 fa18 	vstr	s30, [r3, #96]	; 0x60
 3b2:	f3bf 8f4f 	dsb	sy
 3b6:	6892      	ldr	r2, [r2, #8]

Пробовал включить remap в SYSCFG->MEMRMP но скорость выполнения кода из RAM не изменилась, она ниже чем из флеша.