如何使用DSP加速OMAP上的代码？

Question

我正在为OMAP3430开发一个视频编解码器。我已经有了用C++编写的代码，我尝试修改/移植其中的某些部分，以利用DSP (OMAP ZOOM3430 SDK) (我有一个额外的DSP)。

我尝试移植一个小的for循环，它运行在非常小的数据量(大约250个字节)上，但是在不同的数据上运行了大约200万次。但是CPU和DSP之间通信的过载远大于增益(如果有的话)。

我认为这个任务就像优化普通计算机中GPU的代码一样。我的问题是移植什么样的部件是有益的？GPU程序员是如何处理这些任务的？

编辑：

1. GPP应用程序分配一个大小为0x1000字节的缓冲区。
2. GPP应用程序调用DSPProcessor_ReserveMemory为每个分配的缓冲区预留一个DSP虚拟地址空间，该缓冲区的大小比分配的缓冲区大4K，用于自动页对齐。总预订大小也必须沿4K页边界对齐。
3. GPP应用程序调用DSPProcessor_Map将每个分配的缓冲区映射到上一步保留的DSP虚拟地址空间。
4. GPP应用程序准备一条消息通知DSP执行阶段的虚拟地址空间基址，该虚拟地址空间已映射到GPP上分配的缓冲区。GPP应用程序使用DSPNode_PutMessage向DSP发送消息。
5. GPP调用memcpy将要处理的数据复制到共享内存中。
6. GPP应用程序调用DSPProcessor_FlushMemory以确保数据缓存已被刷新。
7. GPP应用程序准备一条消息通知DSP执行阶段它已完成写入缓冲区，而DSP现在可以访问该缓冲区。消息还包含写入缓冲区的数据量，以便DSP知道要复制多少数据。GPP使用DSPNode_PutMessage将消息发送给DSP，然后调用DSPNode_GetMessage等待从DSP.

收到消息。

在此之后，DSP程序开始执行，DSP在完成处理时用消息通知GPP。只是为了尝试一下，我没有在DSP程序中放任何处理。我刚刚向GPP发送了一条“处理完毕”的消息。这还会消耗很多时间。这是因为内部/外部内存的使用，还是仅仅是因为通信过载？

Answer 1

根据我所做的测量，CPU和DSP之间的一个消息传递周期大约需要160 DSP。我不知道这是因为我使用的内核，还是桥驱动程序；但是对于简单的回发消息来说，这是很长的时间。

如果算法的总计算量与消息传递所需的时间相当，并且该算法适合在CPU和DSP上同时计算，则似乎只有将该算法移植到DSP上才是合理的。

Answer 2

OMAP3430没有车载DSP，它有一个连接到系统总线的IVA2+视频/音频解码引擎，而Cortex核有类似DSP的SIMD指令。OMAP3430上的GPU是一个基于PowerVR的SGX单元。虽然它确实有可编程的着色器，我不认为有任何支持通用编程，ala，CUDA或OpenCL。我可能错了，但我从未听说过这样的支持

如果您使用的是船上的IVA2+编码/解码引擎，您需要为这个单元使用适当的库，并且它只支持我所知道的特定的编解码器。你是想把自己的库写到这个模块上吗？

如果您使用DSPish (SIMD指令)中构建的Cortex，请发布一些代码。

如果你的开发板上有一些额外的DSP，什么是DSP，它是如何连接到OMAP的？

关于桌面GPU问题，在视频解码的情况下，您使用供应商提供的函数库对硬件进行调用，在linux上有几个用于Nvidia的VDAPU，在windows上有类似的库(PureViewHD，我认为它被调用了)。ATI也有linux和windows库，用于它们的车载解码引擎，我不知道它们的名称。

Answer 3

我不知道您传输数据的时间基础是什么，但是我知道在SDK的specsheet中列出的TMS32064x有一个非常强大的DMA引擎。(我假设这是原始变焦OMAP34X MDK。它说它有64 It。)我希望OMAP有一些类似的东西，充分利用他们的优势。我建议在64 by的内部内存中设置“乒乓”缓冲区，并使用SDRAM作为共享内存，并通过DMA处理传输。外部RAM将成为6 6xxx系列中任何一个部件的瓶颈，因此，请将所有可以锁定在内部内存中的内容保存在内部内存中，以提高性能。通常，这些部件一旦进入内部内存，就能够将8 32位字总线到处理器核心，但这取决于它允许您映射为直接访问内存的缓存级别。TI的成本敏感部件将“可映射内存”移动到比其他芯片更远的地方。此外，所有的部分手册可从TI免费下载PDF格式。他们甚至给我免费的TMS320C6000处理器和指令集手册和许多其他书籍的硬拷贝。

就编程而言，您可能需要使用一些“处理器本质”或内联程序集来优化您正在做的任何数学。对于64 in支持整数操作，如果可能的话，因为它没有内置的浮点核心。(这些是67 in系列的。)如果查看执行单元，并且您可以映射您的计算，使不同的部分以一种可以在单个周期中发生的方式针对不同的操作，那么您将能够从这些部分中获得最佳的性能。指令集手册列出每个执行单元执行的操作的类型。如果您可以将计算分解成一个双数据流集，并稍微展开循环，那么当完全优化启动时，编译器将对您“更好”。这是因为处理器被分解成左侧和右侧，两边的执行单元几乎相同。

希望这能有所帮助。