! v# g+ E5 y) _9 D/ n4 L
01引言) m" U) Z: v5 y' r
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。4 F9 J' A' V: g, f4 R7 y6 M+ }
/ R/ _' }+ F" s02STM32G474 FPU 运算性能优化 3 m# G; q& e% Y7 C" N2 c
2.1. STM32G474 系统性能优化
( S- Z/ T% e0 j+ ^! W1 g! W& K' O8 a2 t
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。0 s1 m4 R, y8 M& c
▲ 图1. STM32G474 架构 / B8 r! G0 L( A# C
3 f& e6 h3 }7 _7 \9 P( I
2.2. ARM DSP Lib 的使用
/ D" N' c; p5 ^, a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:
0 T7 }3 A) H0 q0 l, k1 L5 l6 |& }; y8 H6 D8 Q( |# | u
2.3. 示例代码
! w& K2 y/ D: z6 X' M! M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:8 f8 d4 i0 U( g8 p+ _- g5 |: T
- 5 m! K$ j5 \/ L# j' c8 s( E0 `
- __attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
/ B/ I% ^0 a/ t% {, e5 u' L+ V - {
v6 a# u4 i2 a( O- m - 0.623234f, 0.799049f, 0.940890f, -0.992092f, 0.212035f, 0.237882f, -- Q" U6 y7 x; k- j" j3 o# W$ E6 ]
- 1.007763f, -0.742045f,0 C# u1 q2 V D. y$ m5 O5 g
- ~~ 这里数组使用动态生成的float数据,数据量较大,略, T# F( Z# a3 Z; m Q
- -0.417470f, -0.205806f, -0.174323f, 0.217577f, 1.684295f, 0.119528f,+ b+ Q, U( w ]& Q, Y
- 0.650667f, 2.080061f% L: V8 n+ _* `( V. V4 a( c5 k. r5 ?
- };
* E5 K2 j: v7 i3 r% e5 e* r2 f - __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
4 M' }+ l3 u2 Y+ b v! t - {0 h( H$ ]6 i. J5 w# z% C& M
- -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
! H9 Z! b% E% n: A2 u3 I) e - 1.126352f, -0.815002f,. G- k# L0 C6 [% R) r: z+ f
- * @& \+ U L* f9 a% |
- ~~ 这里数组使用动态生成的float数据,数据量较大,略 ( T$ B' N* F2 R, d
- -0.447001f, -0.725993f, 0.354045f, -0.506772f, -2.103747f, -0.664684f, 1.450110f, -0.329805f
1 J' n. \/ n* S - }; . k& [9 V. {1 t0 h5 |. r
~/ |' Q8 @' j# H+ I! g" w- __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024]; & R; a6 |7 L& ^2 f/ M8 \8 l
- L* g% O; E/ R, P# u# n
- float32_t* pA;3 O& r. M7 @" k) g, L# k& |! R6 E3 ^9 ?
- float32_t* pB;
, [: j+ y0 z, X( H/ K7 O8 w: I - float32_t* pR; . A4 p' T) l* ?
- /* Private user code --------------------------------------------------*/ % |0 w- w0 b% V- c: }, n- @
- /* USER CODE BEGIN 0 */ : H0 }' V8 N) Q' s a
- void test_normal_mul(uint32_t kLoops, float32_t*
2 i; C3 y% g, b1 D5 R, [ - pSrcA, float32_t* pSrcB, float32_t*
2 s3 t8 j6 \; c& U9 ` - pResult, uint32_t lenVector)
; T9 @; M% a2 i+ F5 _0 b9 T - {
' H. D2 y3 k2 R) H - for (uint32_t j = 0; j < kLoops; j++)
0 o/ `. v8 a1 p$ C0 ] - { 5 g. R# |2 A0 M5 Z5 S) ^; e
- pA = pSrcA; 2 {* |2 N7 @( J# |& g
- pB = pSrcB;
. W; [$ n, C' E; h - pR = pResult;
* g' Q6 ~) B: @: B6 C - 7 R3 f/ X, c0 _+ H/ E
- for (uint32_t i = 0; i < lenVector; i++) 7 G1 `. k. S! `+ m4 a& r$ r
- { *pR++ = (*pA++) * (*pB++) ; 1 ?/ \9 _+ \1 B6 e& E
- } & {/ f$ t' O7 ]8 w+ K& `6 V, M
- } - ~0 A; }8 V2 }0 I( h' X
- } ' Q+ e4 n: r8 ^. R3 m8 M& z1 e
7 \* f4 c' [ E- #if defined (__FPU_USED) && (__FPU_USED == 1U) 6 E, r! ]+ O2 @; Q* T" r
- /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
3 Y7 X2 D2 c/ h1 w$ z" ^ - void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
' C, r' g! n4 j* N; C5 ~3 Z$ d - pResult, uint32_t lenVector)
) M& x* X0 K: ]. `& Q - { $ W( e9 b1 O' } _
- for (uint32_t j = 0; j < kLoops; j++) 3 j5 w* h* m, N% K# U% k
- {
; i$ R# l$ Y* A: k4 ?5 R' B - pA = pSrcA; //Code alignment with the function without FPU 0 m! g5 v( F& i. T' t
- pB = pSrcB;
8 ~; I4 C( [4 C6 k - pR = pResult;
/ z% e1 s* w) I% X - arm_mult_f32(pA, pB, pR, lenVector); ' q! B4 q7 [. f" I( h& B' [3 W
- } $ q3 Z/ c7 ^5 B
- } 4 V! |! Q4 \- ~. {2 x! y. D
- #endif 3 d; x8 j+ l2 \8 X+ Q* ^
6 |) S" C, D( R" x) q) n; V* }- /** 6 [1 N- `6 L4 C2 a# h+ \( N
- * @brief The application entry point. ( E4 L9 q! K% v
- * @retval int
' e, b' }8 D9 _ - */ 6 q ^! l" c- w+ _
- int main(void)
+ \) Y* L; ] C" _ - {
. j6 t0 w8 n" p$ \ - /* MCU Configuration------------------------------------------------*/ + Y% }$ l' ~! ]9 T" }, @& b3 ^
! U" {0 X5 r t4 y; ? ^5 u. \5 @+ d7 {- /* Reset of all peripherals, Initializes the Flash interface and the Systick. */ ( \4 m$ l- A6 {# {" |9 C
- HAL_Init(); 8 l9 h* J y8 w/ h4 c
) U" q6 v, s+ `4 `' R3 i- /* Configure the system clock */
! f0 [6 F& m& \5 ? - SystemClock_Config(); , R2 i0 P2 U3 |$ V) z( K
- % k, K/ D1 J4 D
- … - p+ [/ x, L) n
- 0 X* {/ c! r* m. P
- HAL_Delay(100);
; c0 p/ {8 k/ n/ P* Q - 2 M; v1 B) U( O$ d
- /* USER CODE BEGIN 2 */
8 I- J" u8 g* ^! }% u8 w$ M* X - test_normal_mul(10, testInputA, testInputB, testResult, 1024);; G0 h# ^" X: E
- test_normal_mul(10, testInputA, testInputB, testResult, 1024);
( r; h' L, Y* u. K
( B# k) ?$ ] g" Q1 \( ^) R- #if defined (__FPU_USED) && (__FPU_USED == 1U) 7 X, v7 ?+ }* v9 y
- // Multiply calculation with arm dsp lib
' m9 r! f4 B7 ]9 S! B" a6 y4 a - test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);3 @9 N; M# _+ T8 _% B" ?- e
- test_arm_math_mul(10, testInputA, testInputB, testResult, 1024); " ^; B7 ?1 |. L1 i- k
- #endif
6 }* W9 x% B+ J! R- J1 _2 c - # q" s6 Y5 }7 U! [: D/ B
- /* USER CODE END 2 */ & D& |8 `% }" K% _5 B
- . H$ N1 J: y: E, q9 Z1 P# r
- /* Infinite loop */ " N5 l5 G f$ E3 B* }+ V
- /* USER CODE BEGIN WHILE */ * L3 A% D. V/ A2 `* k8 C! v5 L1 h
- while (1)
, h7 c2 z" r* E& y - {
g2 @- X2 u: q; H' g7 g - /* USER CODE END WHILE */
1 n$ |% M6 H( N1 U. @5 F7 K
0 s& G4 W$ Y! |, e; W$ C1 r- B, w- /* USER CODE BEGIN 3 */
% V" P$ [! E0 m - }
/ j4 j' ]+ O! {. q3 b8 U - /* USER CODE END 3 */
1 P8 r; H! a5 I/ f - }
复制代码 2.4. 工程配置
2 q z7 b% t% I$ s/ E0 T7 w; {; t通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。
- h, {; c* {0 F0 f$ S% J% C6 N4 K. ?3 M) R
6 }/ z: q( S; o6 a/ J: o▲ 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 T8 ^2 y p4 S2 ]: C, g
5 }' H/ G I$ e: v- RW_IRAM1 0x20000000 0x00014000 { ; RW data
: Y2 h0 E F! M; j - .ANY (+RW +ZI)3 _ L, w$ y( o& f+ m4 @& J
- }- I8 S4 v4 P4 ^' n% h2 {% m. t
- RW_IRAM2 0x20014000 0x00004000 {
# a4 s2 v; T/ v' h0 q; z - *(.TEST_INPUT_A)2 h3 M5 H5 F! {& W' _- ?
- *(.TEST_INPUT_B)
' |3 W+ _% t; Q8 A7 S& P$ i - *(.TEST_RESULT_D)
2 c) u8 d$ z' }; _ - }6 s- T% H2 W( n# @2 d/ a. c
- RW_CCM 0x20018000 0x00008000 {
% R' Y8 S g& C) E6 S6 V' U - }
复制代码 完成后,进行编译链接,即可进行 STM32G474 FPU 性能的测试。
1 b: x3 C0 D' U- G! X- w4 s, w6 h
& P& I! V! V6 [8 ]$ B; h. H( l2.5. 编译选项 / k3 m/ N5 V% i0 x. [
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。
: p Y2 F. b/ ~& U* e6 a3 z▲ 图4. KEIL 工程,编译选项设置 03使用 KEIL Trace 工具进行测量 . V7 h0 W* M3 ?8 N1 L) l
3.1. KEIL 工程设置
, G E5 {5 h; h7 Z
7 X" `0 `; v8 [5 EKEIL 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。7 j3 O) Q8 Z# w1 i5 W
▲ 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:
& K4 ^ S1 g8 c& r3 U1 T/ ?2 |$ u6 EnStart = DWT->CYCCNT; / h; O, m' s% \* x' u6 M
~~~需测试执行时间的代码~~~ # f: s3 j% x0 f) a A
nStop = DWT->CYCCNT;' ^2 T) r# U) \7 o
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)
* y& V% Q$ `# m: G# L, {▲ 图7. KEIL 工程,Debug 模式下 Trace 程序执行时间 3.2. 测试结果8 P e9 f2 B% ?% D- U: V
下表列出了STM32G474 10K次 浮点“乘”用时统计。
9 Z+ T, j& }: B3 c2 }) u! u▲ 表1. STM32G474 10K 次 浮点“乘”用时统计表 10 X 1024次浮点乘! n' w! E" C5 O( \
7 }# f$ ^8 r C4 @& z7 t增加--loop_optimization_level=2 编译选项
) W5 r1 }% \" d6 C3 ?$ x- l1 u: I4 K* _
FPU 核心汇编代码的比较,见图8和图9。
: k: d$ A3 h2 Y' l- q▲ 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 ( c: \. }) [6 I2 `3 W( b# e
; ~: Q7 n; O$ L) L$ d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。
# u/ q4 n6 `- G$ g2 a' V1 R" C' q
04小结
. K; ~# e1 c1 l7 U' V+ R3 G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。; T8 s0 U/ S2 O' N
' k7 B) O$ p* H) |; p1 D9 Q
4 O8 o6 Z' o0 \, `. t1 e" n( {' l" a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!9 h, K+ E1 K# g2 J: R) q: s4 o( |
) B8 i4 X* H0 E. ]# U8 w4 R
% k8 _7 Q, e* @; S- B) |( i; A- b% a" p+ _3 _9 x
% B! `' f$ E3 N, q) r% \3 I
a( W0 |% n, R
3 l# g( \7 x7 p
# {9 O0 q" W: @. h, J9 v) n! P! M# b. S( {
6 O: v$ \1 B" e9 g- b1 U* K Z
1 ? m1 ~. q @5 U6 V& [6 p1 F* ?: U+ J/ q+ { p3 L
! ]9 K9 U- Q& a8 R. q5 W/ y
) r& }, a1 s& s/ N+ o& k( \% u/ L |