- P6 Q- Y: R: g8 G! q& `# N/ A. W* W# y01引言
客户在使用 STM32G474 时，希望使用 FPU 进行浮点运算，并最大化其性能。本文 从 STM32G474 系统的角度、ARM DSP Lib、编译选项的影响等几个方面探讨如何提升整体性能，并介绍如何使用 KEIL 工具进行测量。
6 s8 `1 _6 G  g0 S) u6 |- e
02STM32G474 FPU 运算性能优化
6 D2 T  k2 s& F2.1. STM32G474 系统性能优化

STM32G474 使用的是 ARM Cortex-M4 内核（+FPU）。一般代码会放在 FLASH 区， 通过 I-Bus 读取。这里 STM32G474 有 FLASH 预取指及 CACHE Line, 无需放入 IRAM 或 CCM。因为 Cortex-M4 DSP 指令中没有运算指令与加载指令并行的混合指令，所以数据 存放区域及 Bus 的选择理论上对性能的影响不大。如下图 1 所示，可将 FPU 运算数据放 在 SRAM1。另外还需尽量避免 SRAM 的并发访问，如使能了 DMA，DMA 传输目的地 可以使用 SRAM2，从而减少潜在的 SRAM 并发访问产生的性能下降。应用则需要根据实 际情况，合理使用内存区域。
* ~  n1 [  v' h9 I

▲ 图1. STM32G474 架构

" O( L: ^0 ^5 H' ]- a4 d
2.2. ARM DSP Lib 的使用
在 ARM DSP 库实现了很多 math 算法，可进行浮点乘加、点积、卷积、FFT、NN 等 多种算法 API，可以使用 ARM DSP 库高效使用 FPU。ARM DSP 代码位置如下：
, t4 t( b9 Q# d: R' p9 x. ]

2.3. 示例代码
下面示例代码中对浮点乘法运算进行了测试。用户可以使用 STM32CubeMX 生成 STM32G474 KEIL 工程，在 main.c 文件中加入如下示例代码：
+ P1 W0 L9 D+ {( n* t

1. 
   
2. __attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
   , C( a9 ?; C- D% `5 W% @
3. {
   
4. 0.623234f, 0.799049f, 0.940890f, -0.992092f, 0.212035f, 0.237882f, -
   ; V5 s: n9 D0 j5 A
5. 1.007763f, -0.742045f,
   7 U" \5 F% ]' S! k0 M3 r9 g
6. ~~ 这里数组使用动态生成的float数据，数据量较大，略
   
7. -0.417470f, -0.205806f, -0.174323f, 0.217577f, 1.684295f, 0.119528f,
   
8. 0.650667f, 2.080061f
   
9. };
   
10. __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
    * y. d% k. j% k9 @! F/ G' L( J# R
11. {
    ' @6 x7 I6 N7 q
12. -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
    
13. 1.126352f, -0.815002f,
    6 ?! o- x8 f2 k
14. 
    4 H( o; x: ]1 ]. O2 a, S
15. ~~ 这里数组使用动态生成的float数据，数据量较大，略
    % a) }! d7 C  W. [; S7 ^% P5 m
16. -0.447001f, -0.725993f, 0.354045f, -0.506772f, -2.103747f, -0.664684f, 1.450110f, -0.329805f
    / R4 \& S$ Q, y8 G
17. };
    
18. 
    4 ^8 D/ K4 u/ e, @/ n- X3 ]) X1 N
19. __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
    1 |) [* y( v  @0 @% C5 @
20. 
    * [8 z$ O( B3 e3 `3 d% W1 x3 j* ]! r
21. float32_t* pA;
    & x% P9 s- ~% g# X4 Y
22. float32_t* pB;
    : P: X- Z; M- c, Z  `; m
23. float32_t* pR;
    % p, \% _1 {) N3 Y4 O5 r9 A
24. /* Private user code --------------------------------------------------*/
    
25. /* USER CODE BEGIN 0 */
    
26. void test_normal_mul(uint32_t kLoops, float32_t*
    
27. pSrcA, float32_t* pSrcB, float32_t*
    : Y0 G! r; I% c8 t
28. pResult, uint32_t lenVector)
    4 g. i8 k5 O4 f* u# l
29. {
    + }1 y# G2 T( a9 K
30. for (uint32_t j = 0; j < kLoops; j++)
    0 z- |" u) h: M6 f8 J& O; p+ W
31. {
    
32. pA = pSrcA;
    - v/ e; x6 \- g% T9 u0 k0 m
33. pB = pSrcB;
    
34. pR = pResult;
    
35. 
    ) P# m; Z- H' n- z2 X; i1 ?# L
36. for (uint32_t i = 0; i < lenVector; i++)
    
37. { *pR++ = (*pA++) * (*pB++) ;
    / o# r, G5 x2 L) R% M' f4 X( Y5 U
38.    }
    + m" |: M5 }) @
39.   }
    
40. }
    
41. 
    
42. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
43. /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
    # C- ], ]# B: h6 x( X5 x$ K
44. void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
    
45. pResult, uint32_t lenVector)
    
46. {
    
47. for (uint32_t j = 0; j < kLoops; j++)
    ( }3 x: N* _6 ^& }$ r' \
48. {
    
49. pA = pSrcA; //Code alignment with the function without FPU
    
50. pB = pSrcB;
    
51. pR = pResult;
    4 ]( o) A% J( i/ K; V# ~: r
52. arm_mult_f32(pA, pB, pR, lenVector);
    ) _  d( Q0 }1 X
53. }
    
54. }
    ( ^& v5 c0 ^9 t5 i4 r& D/ V
55. #endif
    
56. 
    ) F# v$ J3 ?( r! o; ~
57. /**
    
58. * @brief The application entry point.
    ) C' E  X% e2 ~% n; W  i- _
59. * @retval int
    
60. */
    $ l( Z" X) [7 T9 }$ m% @
61. int main(void)
    
62. {
    
63. /* MCU Configuration------------------------------------------------*/
    
64. 
    : a% q' B! Z+ f7 [' o% I
65. /* Reset of all peripherals, Initializes the Flash interface and the Systick. */
    & L. z' i) R0 W6 U  V7 _
66. HAL_Init();
    ) X5 x! |/ b4 {
67. 
    
68. /* Configure the system clock */
    
69. SystemClock_Config();
    ; J+ Y; N- G1 [8 H1 Z0 r) d
70. 
    
71. …
    ) r$ k/ {% X4 ]2 N2 G& W2 @
72. 
    2 E( Y+ T% V. r  u
73. HAL_Delay(100);
    
74. 
    
75. /* USER CODE BEGIN 2 */
    3 z& T- v6 P  t3 i3 f8 T7 W
76. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    
77. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    
78. 
    9 m' W( h: s. d& j2 N4 x) b: ]
79. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    / l1 E$ k% T6 L3 M5 ?; _
80. // Multiply calculation with arm dsp lib
    0 A, J( z+ R: J0 @9 d. H
81. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    2 x' [+ F! L# ]) }/ ?  l
82. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    % G0 ]- h0 [7 W$ P
83. #endif
    1 s# Z8 x) o2 E5 Q. G5 {
84. 
    5 v0 g9 q1 u6 `7 j
85. /* USER CODE END 2 */
    
86. 
    4 @) y6 R2 N* q' E7 {
87. /* Infinite loop */
    * \: W8 m4 R) P4 k& Z
88. /* USER CODE BEGIN WHILE */
    - ~+ m6 O, j/ u* V1 ^
89. while (1)
    
90. {
    3 H0 b9 F7 |1 t1 ]9 F6 E
91. /* USER CODE END WHILE */
    
92. 
    
93. /* USER CODE BEGIN 3 */
    4 x) ~6 @( A( i+ Q6 l$ G
94. }
    4 _7 ?& r9 {, O  h0 M5 N
95. /* USER CODE END 3 */
    1 H8 M2 j# k0 t6 ^
96. }

复制代码

2.4. 工程配置
& z* d7 p9 I/ B$ X+ M+ M$ S8 [通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。
) `' H4 p/ z4 s1 a; w/ Q! z) ]% f

0 U( Y2 n* j$ M2 N" {! R+ I3 Q

▲ 图3. KEIL 项目工程 FPU 单精度浮点设置

通过 STM32G474_FPU_TEST.sct 文件配置 Data 存放区域，如下例，将测试数据置 于 SRAM2。

1. 
   ; Q# f  D' X4 l" ], T
2. RW_IRAM1 0x20000000 0x00014000 { ; RW data
   1 [2 h( @, N: |9 j+ e9 S6 j
3. .ANY (+RW +ZI)
   
4. }
   
5. RW_IRAM2 0x20014000 0x00004000 {
   - i/ `) @: l6 A  w: o6 k
6. *(.TEST_INPUT_A)
   
7. *(.TEST_INPUT_B)
   
8. *(.TEST_RESULT_D)
   ) l2 E% f# c1 p3 L. c
9. }
   * ?* B& ~' Y. H4 y# x% v! F
10. RW_CCM 0x20018000 0x00008000 {
    
11. }

复制代码

完成后，进行编译链接，即可进行 STM32G474 FPU 性能的测试。
  E* Z+ F( f9 A- }
) T' S* U6 g3 X! g5 r2.5. 编译选项
( Q$ l# h6 P; `8 e$ B8 ^本文中我们使用的是 KEIL IDE，设置使用的是 KEIL Compiler V5。为了获得代码最 大程度上优化，我们使用了-O3 优化选项，与-Otime（Optimize for Time）结合使用。该组合选项意味着会进行更多代码优化，如循环展开，更激进的函数内联和自动函数内联 （-O3 默认使用--autoinline）等，当然副作用是二进制代码大小会有所增加。另外，增 加设置 --loop_optimization_level=2 来控制循环展开的优化等级。（注意：-- loop_optimization_level=2 选项只能与-O3 -Otime 一起使用。）如果您对 FPU 架构比 较熟悉，也可以尝试增加—fpu=fpv4-sp（Cortex-M4F FPU 实现的是 FPv4-SP 浮点运 算扩展）等选项，不过一般使用默认即可。

▲ 图4. KEIL 工程，编译选项设置

03使用 KEIL Trace 工具进行测量
& d, M1 s4 G% h: {3.1. KEIL 工程设置
: Z$ U  l; X. v
3 j, V6 D. \6 E5 d4 W1 NKEIL 工程下，首先选择工程选项设置，在 Debug 选项页中，右上部使用 Debugger 工具栏中选 Settings，如下图 5 和图 6 设置。注意 KEIL Trace 设置的时钟必须要与实际 STM32 使用的系统时钟相一致，如图 6 中，STM32G474 使用了 170MHz 的系统时钟， KEIL Trace 中也要相应设置为 170MHz。
3 J* w4 c& G5 M, u

▲ 图5. KEIL 工程，Debugger 设置入口

▲ 图6. KEIL 工程，Cortex-M Trace 功能设置

运行KEIL debugger，如下图7所示，将断点设置在要测量的语句前及其后，执行 代码，当Debugger停在断点时，其状态栏中t1指示的即为当前代码的已执行时间。测试代码起止时间差即为代码执行用时。该Trace功能计时是比较准确的。当然如果您希望掌控更多，也可以通过代码来实现，如增加诸如如下代码：
nStart = DWT->CYCCNT;
~~~需测试执行时间的代码~~~
nStop = DWT->CYCCNT;
$ u. M( i. f( n然后用(nStop – nStart)/系统时钟，换算成时间即可。（我们这里没有考虑中断，一 般测量前需要禁用中断）
1 @* A. }' t9 l5 o4 L0 e

▲ 图7. KEIL 工程，Debug 模式下 Trace 程序执行时间

3.2. 测试结果
# u/ T3 f. C  O" m1 j: y% ?) k下表列出了STM32G474 10K次 浮点“乘”用时统计。

▲ 表1. STM32G474 10K 次 浮点“乘”用时统计表

10 X 1024次浮点乘

( F( q# a1 h5 W+ O增加--loop_optimization_level=2 编译选项

- @9 N6 i: Y0 H; E0 t2 h: E) O, w( J% e$ BFPU 核心汇编代码的比较，见图8和图9。

▲ 图8. 使用--loop_optimization_level=2 编译选项的常规代码汇编

▲ 图9. ARM DSP 库 arm_mult_f32 函数汇编

/ |8 d9 M- |, o0 ^使用loop_optimization_level=2, 常规代码使用KEIL compiler V5编译结果与 arm DSP Lib 的核心汇编基本相同。如果不使用loop_optimization_level=2编译选项， 则可以看到其主要区别在于KEIL Compiler V5 与ARM库对loop的unroll 处理程度不 同。在实际应用时，需要根据应用自身需求判断是否需要使用ARM DSP Lib，基本上 ARM DSP Lib是很高效的。
; X4 \2 A2 l( W
04小结
( Q% Y* Z* j) ]1 _5 M# s- Y本文介绍了使用 STM32G474 FPU 进行浮点运算，从系统的角度、ARM DSP Lib、 编译选项的影响等几个方面探讨如何提升整体性能，并介绍了如何利用 KEIL Trace 工具进 行测量。以供在系统性能方面有需求的客户参考借鉴。


9 K6 M/ J- S' c6 T8 J- j: S如果你有其他想要的实战笔记，可评论区留言，管管来跟工程师沟通！
% {% L- B: s9 s$ E! \( N

; n0 ^5 }. E% T* G- b) ]& r
0 n: q6 {& W, d% q& f5 d* L0 Z

8 R. a3 k5 S8 W" I: s5 V, B9 ~

2 k# K" N5 ~+ A$ c# y. _





! M& N+ z  D! d. X; L/ ]