| 1 |
// Auto-generated file. Do not edit! |
| 2 |
// Template: src/qs8-igemm/4x8c4-aarch32-neondot-cortex-a55.S.in |
| 3 |
// Generator: tools/xngen |
| 4 |
// |
| 5 |
// Copyright 2021 Google LLC |
| 6 |
// |
| 7 |
// This source code is licensed under the BSD-style license found in the |
| 8 |
// LICENSE file in the root directory of this source tree. |
| 9 |
|
| 10 |
|
| 11 |
#include "xnnpack/assembly.h" |
| 12 |
|
| 13 |
.syntax unified |
| 14 |
|
| 15 |
// void xnn_qd8_f16_qc8w_igemm_minmax_ukernel_4x8c4__asm_aarch32_neondotfp16arith_cortex_a55( |
| 16 |
// size_t mr, r0 |
| 17 |
// size_t nc, r1 |
| 18 |
// size_t kc, r2 -> r5 -> sp + 52 |
| 19 |
// size_t ks, r3 -> sp + 56 -> r14 |
| 20 |
// const int8_t** restrict a, sp + 96 -> r2 |
| 21 |
// const void* restrict w, sp + 100 -> r9 |
| 22 |
// int8_t* restrict c, sp + 104 -> r11 |
| 23 |
// size_t cm_stride, sp + 108 -> (r6) |
| 24 |
// size_t cn_stride, sp + 112 -> (r7) |
| 25 |
// size_t a_offset, sp + 116 -> (r5) |
| 26 |
// const int8_t* zero, sp + 120 -> (r7) |
| 27 |
// const int8_t* zero_data, sp + 124 -> (r4) |
| 28 |
// xnn_f16_minmax_params *params, sp + 128 -> (r5) |
| 29 |
// const struct xnn_qd8_quantization_params *quantization_params) [sp + 132] -> (r5) |
| 30 |
|
| 31 |
// d8-d15, r4-r11,r14(lr) need to be preserved if used. r13(sp),r15(pc) are reserved. |
| 32 |
|
| 33 |
// Register usage |
| 34 |
// A0 r3 d0 |
| 35 |
// A1 r12 d1 |
| 36 |
// A2 r10 d2 |
| 37 |
// A3 r0 d3 |
| 38 |
// B r9 q2 q3 q4 q5 |
| 39 |
// C0 r11 d16-d17 q8 d18-d19 q9 |
| 40 |
// C1 r4 d20-d21 q10 d22-d23 q11 |
| 41 |
// C2 r8 d24-d25 q12 d26-d27 q13 |
| 42 |
// C3 r6 d28-d29 q14 d30-d31 q15 |
| 43 |
// unused q7 |
| 44 |
|
| 45 |
// params structure is 8 bytes |
| 46 |
// struct { |
| 47 |
// float min; |
| 48 |
// float max; |
| 49 |
// } scalar; |
| 50 |
|
| 51 |
// iOS does not support 32 bit ARM with Neon DotProduct. |
| 52 |
#ifndef __APPLE__ |
| 53 |
|
| 54 |
BEGIN_FUNCTION xnn_qd8_f16_qc8w_igemm_minmax_ukernel_4x8c4__asm_aarch32_neondotfp16arith_cortex_a55 |
| 55 |
ADD r2, r2, 3 // kc = (kc + 3) & ~3 |
| 56 |
BIC r2, r2, 3 |
| 57 |
# Push 96 bytes |
| 58 |
# r2 will be reloaded in outer loop. r3 is ks |
| 59 |
PUSH {r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, lr} // +44 |
| 60 |
SUB sp, sp, 4 // 4 |
| 61 |
VPUSH {d8-d13} // +48 = 96 |
| 62 |
|
| 63 |
LDR r11, [sp, 104] // c |
| 64 |
LDR r6, [sp, 108] // cm_stride |
| 65 |
LDR r2, [sp, 96] // a |
| 66 |
LDR r9, [sp, 100] // w |
| 67 |
|
| 68 |
MOV r14, r3 // p = ks |
| 69 |
|
| 70 |
# Clamp C pointers |
| 71 |
CMP r0, 2 // if mr >= 2 |
| 72 |
ADD r4, r11, r6 // c1 = c0 + cm_stride |
| 73 |
MOVLO r4, r11 // c1 |
| 74 |
// if mr > 2 |
| 75 |
ADD r8, r4, r6 // c2 = c1 + cm_stride |
| 76 |
MOVLS r8, r4 // c2 |
| 77 |
CMP r0, 4 // if mr >=4 |
| 78 |
ADD r6, r8, r6 // c3 = c2 + cm_stride |
| 79 |
MOVLO r6, r8 // c3 |
| 80 |
|
| 81 |
|
| 82 |
LDR r5, [sp, 132] // &quantization_params[0].zero_point |
| 83 |
VLD1.8 {q6, q7}, [r5] |
| 84 |
|
| 85 |
0: |
| 86 |
# Load initial bias from w into accumulators |
| 87 |
VLDM r9!, {d16-d19} // ksum |
| 88 |
// ksum * zero_point |
| 89 |
VMUL.S32 q8, q8, d12[0] |
| 90 |
VMUL.S32 q9, q9, d12[0] |
| 91 |
VMOV q10, q8 |
| 92 |
VMOV q11, q9 |
| 93 |
LDR r7, [sp, 120] // zero |
| 94 |
VMOV q12, q8 |
| 95 |
VMOV q13, q9 |
| 96 |
VMOV q14, q8 |
| 97 |
VMOV q15, q9 |
| 98 |
|
| 99 |
1: |
| 100 |
# Load next 4 A pointers + Add a_offset + Prologue |
| 101 |
# - Load next 4 A pointers to GPR |
| 102 |
# - Adjust A pointers by a_offset if not zero |
| 103 |
# - Load prologue |
| 104 |
# - Load k = kc from stack |
| 105 |
LDR r3, [r2, 0] // A0 |
| 106 |
LDR r5, [sp, 116] // a_offset |
| 107 |
PUSH {r4} |
| 108 |
LDR r4, [sp, 128] // zero_data |
| 109 |
CMP r3, r7 // if a0 == zero |
| 110 |
LDR r12, [r2, 4] // A1 |
| 111 |
ADD r3, r3, r5 // a0 += a_offset |
| 112 |
LDR r10, [r2, 8] // A2 |
| 113 |
MOVEQ r3, r4 // a0 = zero_data, else += a0 + a_offset |
| 114 |
LDR r0, [r2, 12] // A3 |
| 115 |
CMP r12, r7 // if a1 == zero |
| 116 |
VLD1.8 {d4}, [r9]! // B0 |
| 117 |
ADD r12, r12, r5 // a1 += a_offset |
| 118 |
VLD1.8 {d5}, [r9]! // B1 |
| 119 |
MOVEQ r12, r4 // a1 = zero_data, else += a1 + a_offset |
| 120 |
VLD1.8 {d6}, [r9]! // B2 |
| 121 |
CMP r10, r7 // if a2 == zero |
| 122 |
VLD1.8 {d7}, [r9]! // B3 |
| 123 |
ADD r10, r10, r5 // a2 += a_offset |
| 124 |
VLD1.8 {d0}, [r3]! // A0 |
| 125 |
MOVEQ r10, r4 // a2 = zero_data, else += a2 + a_offset |
| 126 |
VLD1.8 {d1}, [r12]! // A1 |
| 127 |
CMP r0, r7 // if a3 == zero |
| 128 |
ADD r0, r0, r5 // a3 += a_offset |
| 129 |
MOVEQ r0, r4 // a3 = zero_data, else += a3 + a_offset |
| 130 |
ADD r2, r2, 16 |
| 131 |
POP {r4} |
| 132 |
LDR r5, [sp, 52] // k = kc |
| 133 |
SUBS r5, r5, 8 // k = k - 8 |
| 134 |
|
| 135 |
BLO 6f // less than 8 channels? |
| 136 |
|
| 137 |
SUBS r5, r5, 8 // k = k - 8 |
| 138 |
BLO 3f // less than 8 channels? |
| 139 |
|
| 140 |
# Main loop - 8 bytes of A. |
| 141 |
# 16 SDOT, 12 LD64 |
| 142 |
.p2align 3 |
| 143 |
2: |
| 144 |
VSDOT.S8 q8, q2, d0[0] |
| 145 |
VLD1.8 {d2}, [r10]! // A2 |
| 146 |
VSDOT.S8 q9, q3, d0[0] |
| 147 |
VLD1.8 {d3}, [r0]! // A3 |
| 148 |
VSDOT.S8 q10, q2, d1[0] |
| 149 |
VLD1.8 {d8}, [r9]! // B4 |
| 150 |
VSDOT.S8 q11, q3, d1[0] |
| 151 |
VLD1.8 {d9}, [r9]! // B5 |
| 152 |
VSDOT.S8 q12, q2, d2[0] |
| 153 |
VLD1.8 {d10}, [r9]! // B6 |
| 154 |
VSDOT.S8 q13, q3, d2[0] |
| 155 |
VLD1.8 {d11}, [r9]! // B7 |
| 156 |
VSDOT.S8 q14, q2, d3[0] |
| 157 |
VSDOT.S8 q15, q3, d3[0] |
| 158 |
SUBS r5, r5, 8 |
| 159 |
|
| 160 |
VSDOT.S8 q8, q4, d0[1] |
| 161 |
VLD1.8 {d4}, [r9]! // B0 |
| 162 |
VSDOT.S8 q9, q5, d0[1] |
| 163 |
VLD1.8 {d5}, [r9]! // B1 |
| 164 |
VSDOT.S8 q10, q4, d1[1] |
| 165 |
VLD1.8 {d6}, [r9]! // B2 |
| 166 |
VSDOT.S8 q11, q5, d1[1] |
| 167 |
VLD1.8 {d7}, [r9]! // B3 |
| 168 |
VSDOT.S8 q12, q4, d2[1] |
| 169 |
VLD1.8 {d0}, [r3]! // A0 |
| 170 |
VSDOT.S8 q13, q5, d2[1] |
| 171 |
VLD1.8 {d1}, [r12]! // A1 |
| 172 |
VSDOT.S8 q14, q4, d3[1] |
| 173 |
VSDOT.S8 q15, q5, d3[1] |
| 174 |
BHS 2b |
| 175 |
|
| 176 |
# Epilogue |
| 177 |
.p2align 3 |
| 178 |
3: |
| 179 |
VSDOT.S8 q8, q2, d0[0] |
| 180 |
VLD1.8 {d2}, [r10]! // A2 |
| 181 |
VSDOT.S8 q9, q3, d0[0] |
| 182 |
VLD1.8 {d3}, [r0]! // A3 |
| 183 |
VSDOT.S8 q10, q2, d1[0] |
| 184 |
VLD1.8 {d8}, [r9]! // B4 |
| 185 |
VSDOT.S8 q11, q3, d1[0] |
| 186 |
VLD1.8 {d9}, [r9]! // B5 |
| 187 |
VSDOT.S8 q12, q2, d2[0] |
| 188 |
VLD1.8 {d10}, [r9]! // B6 |
| 189 |
VSDOT.S8 q13, q3, d2[0] |
| 190 |
VLD1.8 {d11}, [r9]! // B7 |
| 191 |
VSDOT.S8 q14, q2, d3[0] |
| 192 |
VSDOT.S8 q15, q3, d3[0] |
| 193 |
TST r5, 5 |
| 194 |
|
| 195 |
VSDOT.S8 q8, q4, d0[1] |
| 196 |
VSDOT.S8 q9, q5, d0[1] |
| 197 |
VSDOT.S8 q10, q4, d1[1] |
| 198 |
VSDOT.S8 q11, q5, d1[1] |
| 199 |
VSDOT.S8 q12, q4, d2[1] |
| 200 |
VSDOT.S8 q13, q5, d2[1] |
| 201 |
VSDOT.S8 q14, q4, d3[1] |
| 202 |
VSDOT.S8 q15, q5, d3[1] |
| 203 |
# Is there a remainder?- 4 bytes of A |
| 204 |
BNE 5f |
| 205 |
|
| 206 |
4: |
| 207 |
# ks loop |
| 208 |
SUBS r14, r14, 16 // ks -= MR * sizeof(void*) |
| 209 |
BHI 1b |
| 210 |
|
| 211 |
LDR r7, [sp, 112] // cn_stride |
| 212 |
LDR r14, [sp, 56] // p = ks |
| 213 |
|
| 214 |
LDR r5, [sp, 128] // params |
| 215 |
VCVT.F32.S32 q8, q8 |
| 216 |
VCVT.F32.S32 q9, q9 |
| 217 |
VCVT.F32.S32 q10, q10 |
| 218 |
VCVT.F32.S32 q11, q11 |
| 219 |
VCVT.F32.S32 q12, q12 |
| 220 |
VCVT.F32.S32 q13, q13 |
| 221 |
VCVT.F32.S32 q14, q14 |
| 222 |
VCVT.F32.S32 q15, q15 |
| 223 |
|
| 224 |
// Load scale |
| 225 |
VLD1.8 {q0-q1}, [r9]! |
| 226 |
|
| 227 |
VMUL.F32 q2, q0, d12[1] |
| 228 |
VMUL.F32 q3, q1, d12[1] |
| 229 |
VMUL.F32 q4, q0, d12[1] |
| 230 |
VMUL.F32 q5, q1, d12[1] |
| 231 |
VMUL.F32 q8, q8, q2 |
| 232 |
VMUL.F32 q9, q9, q3 |
| 233 |
VMUL.F32 q10, q10, q4 |
| 234 |
VMUL.F32 q11, q11, q5 |
| 235 |
VMUL.F32 q2, q0, d12[1] |
| 236 |
VMUL.F32 q3, q1, d12[1] |
| 237 |
VMUL.F32 q4, q0, d12[1] |
| 238 |
VMUL.F32 q5, q1, d12[1] |
| 239 |
VMUL.F32 q12, q12, q2 |
| 240 |
VMUL.F32 q13, q13, q3 |
| 241 |
VMUL.F32 q14, q14, q4 |
| 242 |
VMUL.F32 q15, q15, q5 |
| 243 |
|
| 244 |
// Load bias |
| 245 |
VLD1.8 {q0-q1}, [r9]! |
| 246 |
|
| 247 |
VLD1.32 {d5[0]}, [r5] // params.min/max |
| 248 |
VADD.F32 q8, q8, q0 |
| 249 |
VADD.F32 q10, q10, q0 |
| 250 |
VADD.F32 q12, q12, q0 |
| 251 |
VADD.F32 q14, q14, q0 |
| 252 |
VDUP.16 q4, d5[0] |
| 253 |
VADD.F32 q9, q9, q1 |
| 254 |
VADD.F32 q11, q11, q1 |
| 255 |
VADD.F32 q13, q13, q1 |
| 256 |
VADD.F32 q15, q15, q1 |
| 257 |
|
| 258 |
VCVT.F16.F32 d16, q8 |
| 259 |
VCVT.F16.F32 d17, q9 |
| 260 |
VCVT.F16.F32 d20, q10 |
| 261 |
VCVT.F16.F32 d21, q11 |
| 262 |
VCVT.F16.F32 d24, q12 |
| 263 |
VCVT.F16.F32 d25, q13 |
| 264 |
VCVT.F16.F32 d28, q14 |
| 265 |
VCVT.F16.F32 d29, q15 |
| 266 |
VMAX.F16 q8, q8, q4 |
| 267 |
VMAX.F16 q10, q10, q4 |
| 268 |
VDUP.16 q5, d5[1] |
| 269 |
VMAX.F16 q12, q12, q4 |
| 270 |
VMAX.F16 q14, q14, q4 |
| 271 |
|
| 272 |
VMIN.F16 q8, q8, q5 |
| 273 |
VMIN.F16 q10, q10, q5 |
| 274 |
VMIN.F16 q12, q12, q5 |
| 275 |
VMIN.F16 q14, q14, q5 |
| 276 |
SUBS r1, r1, 8 // nc -= 8 |
| 277 |
|
| 278 |
# Store full 4 x 8 |
| 279 |
BLO 11f |
| 280 |
VST1.16 {q14}, [r6], r7 |
| 281 |
VST1.16 {q12}, [r8], r7 |
| 282 |
VST1.16 {q10}, [r4], r7 |
| 283 |
VST1.16 {q8}, [r11], r7 |
| 284 |
|
| 285 |
SUB r2, r2, r14 // a -= ks |
| 286 |
|
| 287 |
BHI 0b |
| 288 |
|
| 289 |
VPOP {d8-d13} |
| 290 |
ADD sp, sp, 12 // skip pad, r2, r3 |
| 291 |
POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 292 |
|
| 293 |
# Remainder prologue |
| 294 |
.p2align 3 |
| 295 |
5: |
| 296 |
VLD1.8 {d4}, [r9]! // B0 |
| 297 |
VLD1.8 {d0}, [r3]! // A0 |
| 298 |
VLD1.8 {d5}, [r9]! // B1 |
| 299 |
VLD1.8 {d6}, [r9]! // B2 |
| 300 |
VLD1.8 {d1}, [r12]! // A1 |
| 301 |
VLD1.8 {d7}, [r9]! // B3 |
| 302 |
|
| 303 |
# Remainder- 4 bytes of A |
| 304 |
6: |
| 305 |
VSDOT.S8 q8, q2, d0[0] |
| 306 |
VLD1.32 {d2[0]}, [r10]! // A2 |
| 307 |
VSDOT.S8 q9, q3, d0[0] |
| 308 |
VLD1.32 {d3[0]}, [r0]! // A3 |
| 309 |
VSDOT.S8 q10, q2, d1[0] |
| 310 |
SUB r3, r3, 4 // Rewind A0 |
| 311 |
VSDOT.S8 q11, q3, d1[0] |
| 312 |
SUB r12, r12, 4 // Rewind A1 |
| 313 |
VSDOT.S8 q12, q2, d2[0] |
| 314 |
VSDOT.S8 q13, q3, d2[0] |
| 315 |
VSDOT.S8 q14, q2, d3[0] |
| 316 |
VSDOT.S8 q15, q3, d3[0] |
| 317 |
B 4b |
| 318 |
|
| 319 |
# Store odd width |
| 320 |
.p2align 3 |
| 321 |
11: |
| 322 |
TST r1, 4 |
| 323 |
BEQ 12f |
| 324 |
VST1.16 {d28}, [r6]! |
| 325 |
VMOV d28, d29 |
| 326 |
VST1.16 {d24}, [r8]! |
| 327 |
VMOV d24, d25 |
| 328 |
VST1.16 {d20}, [r4]! |
| 329 |
VMOV d20, d21 |
| 330 |
VST1.16 {d16}, [r11]! |
| 331 |
VMOV d16, d17 |
| 332 |
|
| 333 |
12: |
| 334 |
TST r1, 2 |
| 335 |
BEQ 13f |
| 336 |
VST1.32 {d28[0]}, [r6]! |
| 337 |
VEXT.8 d28, d28, d29, 4 |
| 338 |
VST1.32 {d24[0]}, [r8]! |
| 339 |
VEXT.8 d24, d24, d25, 4 |
| 340 |
VST1.32 {d20[0]}, [r4]! |
| 341 |
VEXT.8 d20, d20, d21, 4 |
| 342 |
VST1.32 {d16[0]}, [r11]! |
| 343 |
VEXT.8 d16, d16, d17, 4 |
| 344 |
13: |
| 345 |
TST r1, 1 |
| 346 |
BEQ 14f |
| 347 |
VST1.16 {d28[0]}, [r6] |
| 348 |
VST1.16 {d24[0]}, [r8] |
| 349 |
VST1.16 {d20[0]}, [r4] |
| 350 |
VST1.16 {d16[0]}, [r11] |
| 351 |
|
| 352 |
14: |
| 353 |
VPOP {d8-d13} |
| 354 |
ADD sp, sp, 12 // skip pad, r2, r3 |
| 355 |
POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 356 |
|
| 357 |
END_FUNCTION xnn_qd8_f16_qc8w_igemm_minmax_ukernel_4x8c4__asm_aarch32_neondotfp16arith_cortex_a55 |
| 358 |
#endif // __APPLE__ |
| 359 |
|
| 360 |
#ifdef __ELF__ |
| 361 |
.section ".note.GNU-stack","",%progbits |
| 362 |
#endif |