ARM NEON Matmul 性能测试报告

测试环境：

• 可执行文件： ./benchmarks/bench_gemm

系统配置

• CPU: 8 核 @ 1500 MHz
• 缓存配置:
  • L1 Data: 32 KiB (x8)
  • L1 Instruction: 32 KiB (x8)
  • L2 Unified: 64 KiB (x8)
  • L3 Unified: 1024 KiB (x1)
• 负载均值: 1.89, 1.54, 1.27

警告: CPU scaling 已启用，基准测试的真实时间测量可能存在噪音并产生额外开销。

基准测试结果

Benchmark	Time (ns)	CPU (ns)	Iterations
BM_matmul_ref/128	12,578,522	12,562,656	55
BM_matmul_ref/512	4,862,411,929	4,851,424,139	1
BM_matmul_ref/1024	141,320,483,074	141,159,281,658	1
BM_matmul_neon/128	739,242	738,306	948
BM_matmul_neon/512	47,041,362	46,953,122	15
BM_matmul_neon/1024	346,384,826	345,869,604	2

性能对比分析 (Ref vs NEON)

通过对比普通实现 (ref) 与 NEON 优化实现 (neon) 的耗时，可以看出显著的性能提升：

矩阵尺寸	Ref 耗时	NEON 耗时	加速比
128	12.58	0.74	~17.0x
512	4862.41	47.04	~103.4x
1024	141320.48	346.38	~408.2x

结论

完成 arm_neon matmul 的测试。测试结果显示，使用 NEON 指令集优化后，矩阵乘法性能得到了极大的提升，且随着矩阵尺寸增大，优化效果愈发显著。