// Auto-generated file. Do not edit! // Template: src/qs8-igemm/4x8c4-aarch32-neondot-cortex-a55.S.in // Generator: tools/xngen // // Copyright 2021 Google LLC // // This source code is licensed under the BSD-style license found in the // LICENSE file in the root directory of this source tree. #include "xnnpack/assembly.h" .syntax unified // void xnn_qd8_f16_qc8w_igemm_minmax_ukernel_4x8c4__asm_aarch32_neondotfp16arith_cortex_a55( // size_t mr, r0 // size_t nc, r1 // size_t kc, r2 -> r5 -> sp + 52 // size_t ks, r3 -> sp + 56 -> r14 // const int8_t** restrict a, sp + 96 -> r2 // const void* restrict w, sp + 100 -> r9 // int8_t* restrict c, sp + 104 -> r11 // size_t cm_stride, sp + 108 -> (r6) // size_t cn_stride, sp + 112 -> (r7) // size_t a_offset, sp + 116 -> (r5) // const int8_t* zero, sp + 120 -> (r7) // const int8_t* zero_data, sp + 124 -> (r4) // xnn_f16_minmax_params *params, sp + 128 -> (r5) // const struct xnn_qd8_quantization_params *quantization_params) [sp + 132] -> (r5) // d8-d15, r4-r11,r14(lr) need to be preserved if used. r13(sp),r15(pc) are reserved. // Register usage // A0 r3 d0 // A1 r12 d1 // A2 r10 d2 // A3 r0 d3 // B r9 q2 q3 q4 q5 // C0 r11 d16-d17 q8 d18-d19 q9 // C1 r4 d20-d21 q10 d22-d23 q11 // C2 r8 d24-d25 q12 d26-d27 q13 // C3 r6 d28-d29 q14 d30-d31 q15 // unused q7 // params structure is 8 bytes // struct { // float min; // float max; // } scalar; // iOS does not support 32 bit ARM with Neon DotProduct. #ifndef __APPLE__ BEGIN_FUNCTION xnn_qd8_f16_qc8w_igemm_minmax_ukernel_4x8c4__asm_aarch32_neondotfp16arith_cortex_a55 ADD r2, r2, 3 // kc = (kc + 3) & ~3 BIC r2, r2, 3 # Push 96 bytes # r2 will be reloaded in outer loop. r3 is ks PUSH {r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, lr} // +44 SUB sp, sp, 4 // 4 VPUSH {d8-d13} // +48 = 96 LDR r11, [sp, 104] // c LDR r6, [sp, 108] // cm_stride LDR r2, [sp, 96] // a LDR r9, [sp, 100] // w MOV r14, r3 // p = ks # Clamp C pointers CMP r0, 2 // if mr >= 2 ADD r4, r11, r6 // c1 = c0 + cm_stride MOVLO r4, r11 // c1 // if mr > 2 ADD r8, r4, r6 // c2 = c1 + cm_stride MOVLS r8, r4 // c2 CMP r0, 4 // if mr >=4 ADD r6, r8, r6 // c3 = c2 + cm_stride MOVLO r6, r8 // c3 LDR r5, [sp, 132] // &quantization_params[0].zero_point VLD1.8 {q6, q7}, [r5] 0: # Load initial bias from w into accumulators VLDM r9!, {d16-d19} // ksum // ksum * zero_point VMUL.S32 q8, q8, d12[0] VMUL.S32 q9, q9, d12[0] VMOV q10, q8 VMOV q11, q9 LDR r7, [sp, 120] // zero VMOV q12, q8 VMOV q13, q9 VMOV q14, q8 VMOV q15, q9 1: # Load next 4 A pointers + Add a_offset + Prologue # - Load next 4 A pointers to GPR # - Adjust A pointers by a_offset if not zero # - Load prologue # - Load k = kc from stack LDR r3, [r2, 0] // A0 LDR r5, [sp, 116] // a_offset PUSH {r4} LDR r4, [sp, 128] // zero_data CMP r3, r7 // if a0 == zero LDR r12, [r2, 4] // A1 ADD r3, r3, r5 // a0 += a_offset LDR r10, [r2, 8] // A2 MOVEQ r3, r4 // a0 = zero_data, else += a0 + a_offset LDR r0, [r2, 12] // A3 CMP r12, r7 // if a1 == zero VLD1.8 {d4}, [r9]! // B0 ADD r12, r12, r5 // a1 += a_offset VLD1.8 {d5}, [r9]! // B1 MOVEQ r12, r4 // a1 = zero_data, else += a1 + a_offset VLD1.8 {d6}, [r9]! // B2 CMP r10, r7 // if a2 == zero VLD1.8 {d7}, [r9]! // B3 ADD r10, r10, r5 // a2 += a_offset VLD1.8 {d0}, [r3]! // A0 MOVEQ r10, r4 // a2 = zero_data, else += a2 + a_offset VLD1.8 {d1}, [r12]! // A1 CMP r0, r7 // if a3 == zero ADD r0, r0, r5 // a3 += a_offset MOVEQ r0, r4 // a3 = zero_data, else += a3 + a_offset ADD r2, r2, 16 POP {r4} LDR r5, [sp, 52] // k = kc SUBS r5, r5, 8 // k = k - 8 BLO 6f // less than 8 channels? SUBS r5, r5, 8 // k = k - 8 BLO 3f // less than 8 channels? # Main loop - 8 bytes of A. # 16 SDOT, 12 LD64 .p2align 3 2: VSDOT.S8 q8, q2, d0[0] VLD1.8 {d2}, [r10]! // A2 VSDOT.S8 q9, q3, d0[0] VLD1.8 {d3}, [r0]! // A3 VSDOT.S8 q10, q2, d1[0] VLD1.8 {d8}, [r9]! // B4 VSDOT.S8 q11, q3, d1[0] VLD1.8 {d9}, [r9]! // B5 VSDOT.S8 q12, q2, d2[0] VLD1.8 {d10}, [r9]! // B6 VSDOT.S8 q13, q3, d2[0] VLD1.8 {d11}, [r9]! // B7 VSDOT.S8 q14, q2, d3[0] VSDOT.S8 q15, q3, d3[0] SUBS r5, r5, 8 VSDOT.S8 q8, q4, d0[1] VLD1.8 {d4}, [r9]! // B0 VSDOT.S8 q9, q5, d0[1] VLD1.8 {d5}, [r9]! // B1 VSDOT.S8 q10, q4, d1[1] VLD1.8 {d6}, [r9]! // B2 VSDOT.S8 q11, q5, d1[1] VLD1.8 {d7}, [r9]! // B3 VSDOT.S8 q12, q4, d2[1] VLD1.8 {d0}, [r3]! // A0 VSDOT.S8 q13, q5, d2[1] VLD1.8 {d1}, [r12]! // A1 VSDOT.S8 q14, q4, d3[1] VSDOT.S8 q15, q5, d3[1] BHS 2b # Epilogue .p2align 3 3: VSDOT.S8 q8, q2, d0[0] VLD1.8 {d2}, [r10]! // A2 VSDOT.S8 q9, q3, d0[0] VLD1.8 {d3}, [r0]! // A3 VSDOT.S8 q10, q2, d1[0] VLD1.8 {d8}, [r9]! // B4 VSDOT.S8 q11, q3, d1[0] VLD1.8 {d9}, [r9]! // B5 VSDOT.S8 q12, q2, d2[0] VLD1.8 {d10}, [r9]! // B6 VSDOT.S8 q13, q3, d2[0] VLD1.8 {d11}, [r9]! // B7 VSDOT.S8 q14, q2, d3[0] VSDOT.S8 q15, q3, d3[0] TST r5, 5 VSDOT.S8 q8, q4, d0[1] VSDOT.S8 q9, q5, d0[1] VSDOT.S8 q10, q4, d1[1] VSDOT.S8 q11, q5, d1[1] VSDOT.S8 q12, q4, d2[1] VSDOT.S8 q13, q5, d2[1] VSDOT.S8 q14, q4, d3[1] VSDOT.S8 q15, q5, d3[1] # Is there a remainder?- 4 bytes of A BNE 5f 4: # ks loop SUBS r14, r14, 16 // ks -= MR * sizeof(void*) BHI 1b LDR r7, [sp, 112] // cn_stride LDR r14, [sp, 56] // p = ks LDR r5, [sp, 128] // params VCVT.F32.S32 q8, q8 VCVT.F32.S32 q9, q9 VCVT.F32.S32 q10, q10 VCVT.F32.S32 q11, q11 VCVT.F32.S32 q12, q12 VCVT.F32.S32 q13, q13 VCVT.F32.S32 q14, q14 VCVT.F32.S32 q15, q15 // Load scale VLD1.8 {q0-q1}, [r9]! VMUL.F32 q2, q0, d12[1] VMUL.F32 q3, q1, d12[1] VMUL.F32 q4, q0, d12[1] VMUL.F32 q5, q1, d12[1] VMUL.F32 q8, q8, q2 VMUL.F32 q9, q9, q3 VMUL.F32 q10, q10, q4 VMUL.F32 q11, q11, q5 VMUL.F32 q2, q0, d12[1] VMUL.F32 q3, q1, d12[1] VMUL.F32 q4, q0, d12[1] VMUL.F32 q5, q1, d12[1] VMUL.F32 q12, q12, q2 VMUL.F32 q13, q13, q3 VMUL.F32 q14, q14, q4 VMUL.F32 q15, q15, q5 // Load bias VLD1.8 {q0-q1}, [r9]! VLD1.32 {d5[0]}, [r5] // params.min/max VADD.F32 q8, q8, q0 VADD.F32 q10, q10, q0 VADD.F32 q12, q12, q0 VADD.F32 q14, q14, q0 VDUP.16 q4, d5[0] VADD.F32 q9, q9, q1 VADD.F32 q11, q11, q1 VADD.F32 q13, q13, q1 VADD.F32 q15, q15, q1 VCVT.F16.F32 d16, q8 VCVT.F16.F32 d17, q9 VCVT.F16.F32 d20, q10 VCVT.F16.F32 d21, q11 VCVT.F16.F32 d24, q12 VCVT.F16.F32 d25, q13 VCVT.F16.F32 d28, q14 VCVT.F16.F32 d29, q15 VMAX.F16 q8, q8, q4 VMAX.F16 q10, q10, q4 VDUP.16 q5, d5[1] VMAX.F16 q12, q12, q4 VMAX.F16 q14, q14, q4 VMIN.F16 q8, q8, q5 VMIN.F16 q10, q10, q5 VMIN.F16 q12, q12, q5 VMIN.F16 q14, q14, q5 SUBS r1, r1, 8 // nc -= 8 # Store full 4 x 8 BLO 11f VST1.16 {q14}, [r6], r7 VST1.16 {q12}, [r8], r7 VST1.16 {q10}, [r4], r7 VST1.16 {q8}, [r11], r7 SUB r2, r2, r14 // a -= ks BHI 0b VPOP {d8-d13} ADD sp, sp, 12 // skip pad, r2, r3 POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} # Remainder prologue .p2align 3 5: VLD1.8 {d4}, [r9]! // B0 VLD1.8 {d0}, [r3]! // A0 VLD1.8 {d5}, [r9]! // B1 VLD1.8 {d6}, [r9]! // B2 VLD1.8 {d1}, [r12]! // A1 VLD1.8 {d7}, [r9]! // B3 # Remainder- 4 bytes of A 6: VSDOT.S8 q8, q2, d0[0] VLD1.32 {d2[0]}, [r10]! // A2 VSDOT.S8 q9, q3, d0[0] VLD1.32 {d3[0]}, [r0]! // A3 VSDOT.S8 q10, q2, d1[0] SUB r3, r3, 4 // Rewind A0 VSDOT.S8 q11, q3, d1[0] SUB r12, r12, 4 // Rewind A1 VSDOT.S8 q12, q2, d2[0] VSDOT.S8 q13, q3, d2[0] VSDOT.S8 q14, q2, d3[0] VSDOT.S8 q15, q3, d3[0] B 4b # Store odd width .p2align 3 11: TST r1, 4 BEQ 12f VST1.16 {d28}, [r6]! VMOV d28, d29 VST1.16 {d24}, [r8]! VMOV d24, d25 VST1.16 {d20}, [r4]! VMOV d20, d21 VST1.16 {d16}, [r11]! VMOV d16, d17 12: TST r1, 2 BEQ 13f VST1.32 {d28[0]}, [r6]! VEXT.8 d28, d28, d29, 4 VST1.32 {d24[0]}, [r8]! VEXT.8 d24, d24, d25, 4 VST1.32 {d20[0]}, [r4]! VEXT.8 d20, d20, d21, 4 VST1.32 {d16[0]}, [r11]! VEXT.8 d16, d16, d17, 4 13: TST r1, 1 BEQ 14f VST1.16 {d28[0]}, [r6] VST1.16 {d24[0]}, [r8] VST1.16 {d20[0]}, [r4] VST1.16 {d16[0]}, [r11] 14: VPOP {d8-d13} ADD sp, sp, 12 // skip pad, r2, r3 POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} END_FUNCTION xnn_qd8_f16_qc8w_igemm_minmax_ukernel_4x8c4__asm_aarch32_neondotfp16arith_cortex_a55 #endif // __APPLE__ #ifdef __ELF__ .section ".note.GNU-stack","",%progbits #endif