ARM Neon是否有round指令？ARMv7下如何用Neon intrinsics实现round函数？

问题解答 #

1. 原生指令支持情况 #

• ARMv8-A架构原生提供了vrndaq_f32 intrinsic，可以直接实现四舍五入到最近整数，和标准roundf行为完全一致。
• ARMv7-A架构的Neon指令集没有原生对应round操作的intrinsic，需要手动实现。

2. 现有实现的问题 #

你当前的代码存在逻辑错误：mask是arg >= 0为真的掩码，后续对正负半值的掩码运算逻辑错误，无法正确给负数加-0.5、正数加+0.5，会导致结果不符合预期。另外可以用Neon内置的位选择指令简化逻辑，减少运算步骤。

3. 优化实现方案 #

方案1：全架构通用兼容实现（ARMv7/ARMv8都可用）

利用vbslq_f32（位选择指令）直接根据符号掩码选择要加的半值，逻辑更简洁，运算效率更高：

// 输入：float32x4_t arg
const float32x4_t half = vdupq_n_f32(0.5f);
const float32x4_t zero = vdupq_n_f32(0.0f);
// 生成符号掩码：arg >= 0 对应lane为全1，否则全0
uint32x4_t ge_zero_mask = vcgeq_f32(arg, zero);
// 根据符号选择加+0.5还是-0.5
float32x4_t offset = vbslq_f32(ge_zero_mask, half, vnegq_f32(half));
// 加偏移后转int再转float，利用vcvt默认向零取整的特性实现round
arg = vaddq_f32(arg, offset);
int32x4_t int_val = vcvtq_s32_f32(arg);
float32x4_t res = vcvtq_f32_s32(int_val);

这个实现和标准roundf行为完全一致，ARMv7和ARMv8都可以正常运行，clang编译优化后生成的指令数比原版本少3~4条。

方案2：架构适配最优性能实现

如果需要最大化性能，可以用预编译宏做架构区分，ARMv8直接用原生指令，ARMv7用通用实现：

float32x4_t neon_roundf_f32(float32x4_t arg) {
#if defined(__aarch64__) || defined(__ARM_ARCH_8A__)
    return vrndaq_f32(arg);
#else
    const float32x4_t half = vdupq_n_f32(0.5f);
    const float32x4_t zero = vdupq_n_f32(0.0f);
    uint32x4_t ge_zero_mask = vcgeq_f32(arg, zero);
    float32x4_t offset = vbslq_f32(ge_zero_mask, half, vnegq_f32(half));
    arg = vaddq_f32(arg, offset);
    int32x4_t int_val = vcvtq_s32_f32(arg);
    return vcvtq_f32_s32(int_val);
#endif
}

clang对这个实现的ARMv8版本会直接编译为单条vrnda指令，性能是最优的。

注意事项 #

如果你的输入是两个浮点数相乘的结果，可以直接把乘法结果传入上述函数，不需要额外处理，符合你的使用场景需求。

内容的提问来源于stack exchange，提问作者洋葱骑士