32-Bit Vector Chunk (8-Element) API

int32_t chunk_s32_dot()

计算两个向量块的内积。

该函数计算向量块 $\bar{b}$ 和 $\bar{c}$ 的内积。

从概念上讲，$\bar{b}$ 的元素可以具有任意数量的小数位（整数、定点数、BFP向量的尾数），只要它们都是相同的。$\bar{c}$ 的元素是Q2.30的定点数值。返回的值 $a$ 的小数位数与 $\bar{b}$ 相同。

仅返回和的最低32位。

操作:

$$a \leftarrow \sum_{k=0}^{VPU\_INT32\_EPV-1} \left( round\left( \frac{b_k\cdot{}c_k}{2^{30}} \right) \right)$$

参数:

• const int32_t b[VPU_INT32_EPV] – [in] 输入块 $\bar{b}$
• const q2_30 c[VPU_INT32_EPV] – [in] 输入块 $\bar{c}$

返回值: $a$

参考性能:

---

void chunk_s32_log()

计算32位值的向量块的自然对数。

该函数计算向量块 $\bar{b}$ 中的每个元素的自然对数。结果以Q8.24值的8个元素块 $\bar{a}$ 形式返回。

b\_exp 是与 $\bar{b}$ 元素关联的指数。

任何输入 $b_k \le 0$ 将导致相应的输出 $a_k = INT32\_MIN$。

操作:

$$a_k \leftarrow \begin{cases} log(b_k\cdot{}2^{b\_exp}) & b_k > 0 \\ INT32\_MIN & \text{否则} \\ \end{cases} \qquad\text{其中 }k \in \{0..VPU\_INT32\_EPV-1\}$$

参数:

• q8_24 a[VPU_INT32_EPV] – [out] 输出向量块 $\bar{a}$
• const int32_t b[VPU_INT32_EPV] – [in] 输入向量块 $\bar{b}$
• const exponent_t b_exp – [in] 与 $\bar{b}$ 关联的指数

异常: 如果 b 或 a 不是双字对齐的，则引发 ET_LOAD_STORE 异常。

参考性能:

---

void chunk_float_s32_log()

计算 float_s32_t 向量块的自然对数。

该函数计算向量块 $\bar{b}$ 中的每个 VPU_INT32_EPV 元素的自然对数。结果以Q8.24值的8个元素块 $\bar{a}$ 形式返回。

任何输入 $b_k \le 0$ 将导致相应的输出 $a_k = INT32\_MIN$。

操作:

$$a_k \leftarrow \begin{cases} log(b_k) & b_k > 0 \\ INT32\_MIN & \text{否则} \\ \end{cases} \qquad\text{其中 }k \in \{0..VPU\_INT32\_EPV-1\}$$

参数:

• q8_24 a[VPU_INT32_EPV] – [out] 输出向量块 $\bar{a}$
• const float_s32_t b[VPU_INT32_EPV] – [in] 输入向量块 $\bar{b}$

异常: 如果 b 或 a 不是双字对齐的，则引发 ET_LOAD_STORE 异常。

参考性能:

---

void chunk_q30_power_series()

在Q2.30值的向量块上计算幂级数。

该函数用于计算向量块（VPU_INT32_EPV 元素向量） $\bar{b}$ 的幂级数求和。$\bar{b}$ 包含Q2.30值。$\bar{c}$ 是一个包含要与 $\bar{b}$ 的幂相乘的系数的向量，并且可以具有任何关联的指数。输出是向量块 $\bar{a}$，其指数与 $\bar{c}$ 相同。

c[] 是一个形状为 (term_count, VPU_INT32_EPV) 的数组，其中第二个轴上的值在所有 VPU_INT32_EPV 元素中都是相同的。也就是说，对于性能原因，c[k][i] = c[k][j] 对于 i 和 j 在 0..(VPU_INT32_EPV-1)。这是为了性能而做的简化。（为了说明问题，$\bar{c}$ 被认为是单维的，没有冗余。）

操作:

$$\begin{align*} b_{k,0} &= 2^{30} \\ b_{k,i} &= round\left(\frac{b_{k,i-1}\cdot{}b_k}{2^{30}}\right) \quad\text{for }i \in \{1..(N-1)\} \\ a_k &= \sum_{i=0}^{N-1} round\left( \frac{b_{k,i}\cdot c_i}{2^{30}} \right) \\ &\qquad\text{for }k \in \{0..VPU\_INT32\_EPV-1\} \end{align*}$$

参数:

• int32_t a[VPU_INT32_EPV] – [out] 输出向量块 $\bar{a}$
• const q2_30 b[VPU_INT32_EPV] – [in] 输入向量块 $\bar{b}$
• const int32_t c[] – [in] 系数向量 $\bar{c}$
• const unsigned term_count – [in] 幂级数项的数量 $N$

参考性能:

---

void chunk_q30_exp_small()

计算Q2.30值的向量块 $\bar{b}$ 的 $e^b$。

该函数计算向量块 $\bar{b}$ 的每个元素的 $e^{b_k}$，其中 $\bar{b}$ 是Q2.30值，接近0。结果使用 $e^x$ 在零附近的幂级数近似计算。建议仅在 $-0.5 \le b_k\cdot{}2^{-30} \le 0.5$ 时使用该函数。

输出向量块 $\bar{a}$ 也以Q2.30格式表示。

操作:

$$a_k \leftarrow e^{b_k\cdot{}2^{-30}} \quad\text{for }k \in \{0..VPU\_INT32\_EPV\}$$

参数:

• q2_30 a[VPU_INT32_EPV] – [out] 输出向量块 $\bar{a}$
• const q2_30 b[VPU_INT32_EPV] – [in] 输入向量块 $\bar{b}$

参考性能:

---