// Auto-generated file. Do not edit! // Template: src/qs8-gemm/4x8c4-aarch32-neondot-cortex-a55.S.in // Generator: tools/xngen // // Copyright 2022 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_f32_qc8w_gemm_minmax_ukernel_4x8c4__asm_aarch32_neondot_cortex_a55( // size_t mr, r0 // size_t nc, r1 // size_t kc, r2 -> r5 // const uint8_t* restrict a, r3 // size_t a_stride, sp + 80 -> (r7) // const void* restrict w, sp + 84 -> r9 // uint8_t* restrict c, sp + 88 -> r11 // size_t cm_stride, sp + 92 -> (r6) // size_t cn_stride, sp + 96 -> r7 // xnn_f32_minmax_params params, sp + 100 -> (r5) // const struct xnn_qd8_quantization_params *quantization_params) [sp + 104] -> (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 // r5 params, zero point & scale // d6, d7, d14, d15 zero point and scale // q6, q7 zero point and scale. // 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_f32_qc8w_gemm_minmax_ukernel_4x8c4__asm_aarch32_neondot_cortex_a55 # Push 96 bytes PUSH {r4, r5, r6, r7, r8, r9, r10, r11} // 32 VPUSH {d8-d15} // +64 = 96 LDR r7, [sp, 96] // a_stride ADD r2, r2, 3 // kc = (kc + 3) & ~3 LDR r11, [sp, 104] // c LDR r6, [sp, 108] // cm_stride LDR r9, [sp, 100] // w BIC r2, r2, 3 # Clamp A and C pointers CMP r0, 2 // if mr >= 2 ADD r12, r3, r7 // a1 = a0 + a_stride ADD r4, r11, r6 // c1 = c0 + cm_stride MOVLO r12, r3 // a1 MOVLO r4, r11 // c1 // if mr > 2 ADD r10, r12, r7 // a2 = a1 + a_stride ADD r8, r4, r6 // c2 = c1 + cm_stride MOVLS r10, r12 // a2 MOVLS r8, r4 // c2 CMP r0, 4 // if mr >=4 ADD r0, r10, r7 // a3 = a2 + a_stride ADD r6, r8, r6 // c3 = c2 + cm_stride MOVLO r0, r10 // a3 MOVLO r6, r8 // c3 LDR r7, [sp, 112] // cn_stride LDR r5, [sp, 120] // &quantization_params[0].zero_point VLD1.8 {q6, q7}, [r5] .p2align 3 0: # Load initial bias from w into accumulators VLDM r9!, {d16-d19} // Bias SUBS r5, r2, 8 // k = kc - 8 # Prologue + Bias // ksum * zero_point VLD1.8 {d4}, [r9]! // B0 VMUL.S32 q10, q8, d13[0] VLD1.8 {d0}, [r3]! // A0 VMUL.S32 q12, q8, d14[0] VLD1.8 {d5}, [r9]! // B1 VMUL.S32 q14, q8, d15[0] VLD1.8 {d6}, [r9]! // B2 VMUL.S32 q8, q8, d12[0] VLD1.8 {d1}, [r12]! // A1 VMUL.S32 q11, q9, d13[0] VLD1.8 {d7}, [r9]! // B3 VMUL.S32 q13, q9, d14[0] VMUL.S32 q15, q9, d15[0] VMUL.S32 q9, q9, d12[0] BLO 5f // less than 8 channels? SUBS r5, r5, 8 // k = k - 8 BLO 2f // less than 16 channels - skip mainloop # Main loop - 8 bytes of A. # 16 SDOT, 12 LD64 .p2align 3 1: 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 1b # Epilogue .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] TST r5, 7 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 4f 3: LDR r5, [sp, 116] // 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 bias VLD1.8 {q0-q1}, [r9]! VMUL.F32 q2, q0, d12[1] VMUL.F32 q3, q1, d12[1] VMUL.F32 q4, q0, d13[1] VMUL.F32 q5, q1, d13[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, d14[1] VMUL.F32 q3, q1, d14[1] VMUL.F32 q4, q0, d15[1] VMUL.F32 q5, q1, d15[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}, [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.32 q4, d5[0] VADD.F32 q9, q9, q1 VADD.F32 q11, q11, q1 VADD.F32 q13, q13, q1 VADD.F32 q15, q15, q1 VMAX.F32 q8, q8, q4 VMAX.F32 q9, q9, q4 VMAX.F32 q10, q10, q4 VMAX.F32 q11, q11, q4 VDUP.32 q5, d5[1] VMAX.F32 q12, q12, q4 VMAX.F32 q13, q13, q4 VMAX.F32 q14, q14, q4 VMAX.F32 q15, q15, q4 VMIN.F32 q8, q8, q5 VMIN.F32 q9, q9, q5 VMIN.F32 q10, q10, q5 VMIN.F32 q11, q11, q5 VMIN.F32 q12, q12, q5 VMIN.F32 q13, q13, q5 VMIN.F32 q14, q14, q5 VMIN.F32 q15, q15, q5 SUBS r1, r1, 8 # Store full 4 x 8 BLO 10f VST1.32 {q14, q15}, [r6], r7 SUB r0, r0, r2 VST1.32 {q12, q13}, [r8], r7 SUB r10, r10, r2 VST1.32 {q10, q11}, [r4], r7 SUB r12, r12, r2 VST1.32 {q8, q9}, [r11], r7 SUB r3, r3, r2 BHI 0b VPOP {d8-d15} POP {r4, r5, r6, r7, r8, r9, r10, r11} BX lr # Remainder prologue .p2align 3 4: 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 5: 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 3b # Store odd width .p2align 3 10: TST r1, 4 BEQ 11f VST1.32 {q14}, [r6]! VMOV q14, q15 VST1.32 {q12}, [r8]! VMOV q12, q13 VST1.32 {q10}, [r4]! VMOV q10, q11 VST1.32 {q8}, [r11]! VMOV q8, q9 11: TST r1, 2 BEQ 12f VST1.32 {d28}, [r6]! VEXT.8 q14, q14, q14, 8 VST1.32 {d24}, [r8]! VEXT.8 q12, q12, q12, 8 VST1.32 {d20}, [r4]! VEXT.8 q10, q10, q10, 8 VST1.32 {d16}, [r11]! VEXT.8 q8, q8, q8, 8 12: TST r1, 1 BEQ 13f VST1.32 {d28[0]}, [r6]! VST1.32 {d24[0]}, [r8]! VST1.32 {d20[0]}, [r4]! VST1.32 {d16[0]}, [r11]! 13: VPOP {d8-d15} POP {r4, r5, r6, r7, r8, r9, r10, r11} BX lr END_FUNCTION xnn_qd8_f32_qc8w_gemm_minmax_ukernel_4x8c4__asm_aarch32_neondot_cortex_a55 #endif // __APPLE__ #ifdef __ELF__ .section ".note.GNU-stack","",%progbits #endif