SSE -> no SSE(NEON)

А в той самой библиотеке разве нет альтернативного кода, без использования SSE? SSE написано на ассемблере, или интринсиками?

Есть вариант скормить эти SSE в Hex-Rays, поковырять немного чтоб довести до компилируемого состояния, и попробовать собрать сишным компилятором

А в той самой библиотеке разве нет альтернативного кода, без использования SSE?

Нет. (пример https://github.com/GPUOpen-ProfessionalCompute-Libraries/amdovx-core/blob/mas...)

Есть вариант скормить эти SSE в Hex-Rays

Оно ведь «декомпилирует» SSE в SSE. Или оно умеет разворачивать?

Думаю проще найти другую библиотеку или переписать ассемблерные функции целиком с нуля чем так ходить по граблям.

Оно ведь «декомпилирует» SSE в SSE.

https://www.hex-rays.com/products/decompiler/manual/intrinsics.shtml да, похоже на то.

А что за библиотека такая, если не секрет?

Да, еще в Qemu есть какой-то http://wiki.qemu.org/Documentation/TCG который умеет на лету преобразовывать инструкции эмулируемой системы в инструкции хоста. http://wiki.qemu.org/Documentation/TCG/backend-ops это то, во что динамически компилируются опкоды эмулируемой программы. Потом они естественно переделываются в нативный код целевой архитектуры

Кроме того, есть еще вот это вот, https://eltechs.com/ru/product/exagear-desktop/ где тоже используется динамическая рекомпиляция.

Я к чему веду. Можно написать код на Си, в котором чтобы использовались все нужные интринсиики, скомпилировать и скормить это в подобный эмулятор, потом выдрать прямо из работающего эмулятора перекомпилированный в ARM код интринсиков, и потом этот код уже можно использовать. Хотя это пожалуй слишком сложный метод

The code is highly optimized for both x86 CPU and OpenCL for GPU

ССЗБ.

но автор видимо имплеминтировал только то, что ему нужно.

И после нескольких дней дописываний просто заглушек функций надоело.

А зря.

Я пока не имплементирую ф-ции, а просто заглушки.
Если нужна ф-ия __m128i __some_func(__m128i)
то у меня выглядит так:

FORCE_INLINE __m128i __some_func(__m128i a) 
{
__m128i retVal;
//TODO
return retVal;
}

https://github.com/GPUOpen-ProfessionalCompute-Libraries/amdovx-core
Имплементация openvx.

другую библиотеку

Есть имплементация от Khronos, но она оооочень медленная.

А что их(заглушки) имплементировать-то? Эти заглушки можно автоматически сгенерировать, зная сигнатуру функции. А вот реализацию - да, надо писать.

Дружище, из праздного интереса, зачем тебе понадобилась реализация openvx, если не секрет?

На работе решили перейти на openvx.

Историей успеха поделишься? :)

Нет. Только решили, но не переходили. Возможно сдерживает тот факт, что реализация от khronos https://www.khronos.org/openvx/ в десятки раз медленная. (на десктопе только тестируем, продукт также работает на embedded.

Делал несколько тестов, сравнивал разные реализации openvx.
Могу дать результаты, если интересные.

Оптимизация это наоборот хорошо, но вот за отсутствие фоллбэка нужно бить по рукам.

nVidia VisionWorks тестировал?

Да. На какой версии тестировал уже не помню.

Такого нет.

Лучше реализуй все на неоне сам. Быстрее будет, серьезно. Или тупо сишный вариант напиши.

Подпишусь, однако.

Было бы интересно посмотреть, правда!

В реализации от Khronos так и написано, что она только сэмпл и всерьез её воспринимать не стоит.

ЗЫ. Неужели хватило этих 40+ стандартных кернелов?

ЗЫ. Неужели хватило этих 40+ стандартных кернелов?

Для тестов хватило. Если бы делали в продукте, добавляли бы.

Напиши завтра после 12 (по Киеву), так как вероятно забуду. Результаты на работе.

ок!

http://rgho.st/private/7mMlB87mM/cd1ba94069c5d7592339ae90c4dcbb8a

В примере статистика и код. ЕМНИП нужно линковать с разными реализациями openvx (amd, khronos, visionworks).
Для теста сравнивается скорость opencv2 и opencv3.
Если будет возможность, покажите Ваши результаты.

Спасибо, интересно.

Для чего вы планируете использовать openvx?

Ох боюсь пока не могу сказать :(