| 1 |
// Auto-generated file. Do not edit! |
| 2 |
// Template: src/qs8-igemm/4x8-aarch32-neon-mlal-lane-cortex-a7.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_qs8_qc8w_igemm_minmax_fp32_ukernel_4x8__asm_aarch32_neonv8_mlal_lane_cortex_a35_prfm( |
| 16 |
// size_t mr, (r0) |
| 17 |
// size_t nc, r1 -> sp + 56 |
| 18 |
// size_t kc, (r2) -> r5 -> sp + 60 |
| 19 |
// size_t ks, (r3) -> sp + 64 -> r14 |
| 20 |
// const int8_t** restrict a, sp + 104 -> r2 |
| 21 |
// const void* restrict w, sp + 108 -> r9 |
| 22 |
// int8_t* restrict c, sp + 112 -> r11 |
| 23 |
// size_t cm_stride, sp + 116 -> (r6) |
| 24 |
// size_t cn_stride, sp + 120 -> (r7) |
| 25 |
// size_t a_offset, sp + 124 -> (r5) |
| 26 |
// const int8_t* zero, sp + 128 -> (r7) |
| 27 |
// xnn_qs8_qc8w_conv_minmax_params*params); sp + 132 -> (r5) |
| 28 |
|
| 29 |
// d8-d15, r4-r11,r14(lr) need to be preserved if used. r13(sp),r15(pc) are reserved. |
| 30 |
|
| 31 |
// Register usage |
| 32 |
// A0 r3 d0-d1 q0 |
| 33 |
// A1 r12 d2-d3 q1 |
| 34 |
// A2 r10 d4-d5 q2 |
| 35 |
// A3 r0 d6-d7 q3 |
| 36 |
// B r9 d8-d9 q4 q5 |
| 37 |
// C0 r11 d16-d17 q8 d18-d19 q9 |
| 38 |
// C1 r4 d20-d21 q10 d22-d23 q11 |
| 39 |
// C2 r8 d24-d25 q12 d26-d27 q13 |
| 40 |
// C3 r6 d28-d29 q14 d30-d31 q15 |
| 41 |
// unused d15 |
| 42 |
|
| 43 |
// params structure is 4 bytes |
| 44 |
// struct { |
| 45 |
// int16_t output_zero_point; d13[2] |
| 46 |
// int8_t output_min; d13[6] |
| 47 |
// int8_t output_max; d13[7] |
| 48 |
// } xnn_qs8_minmax_params.neonv8; |
| 49 |
|
| 50 |
BEGIN_FUNCTION xnn_qs8_qc8w_igemm_minmax_fp32_ukernel_4x8__asm_aarch32_neonv8_mlal_lane_cortex_a35_prfm |
| 51 |
# Push 104 bytes |
| 52 |
# r1, r2 will be reloaded in outer loop. r3 is ks |
| 53 |
PUSH {r1, r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, lr} // +48 |
| 54 |
SUB sp, sp, 8 // +8 |
| 55 |
VPUSH {d8-d13} // +48 = 104 |
| 56 |
|
| 57 |
LDR r11, [sp, 112] // c |
| 58 |
LDR r6, [sp, 116] // cm_stride |
| 59 |
LDR r2, [sp, 104] // a |
| 60 |
LDR r9, [sp, 108] // w |
| 61 |
LDR r5, [sp, 132] // params |
| 62 |
MOV r14, r3 // p = ks |
| 63 |
|
| 64 |
# Clamp C pointers |
| 65 |
CMP r0, 2 // if mr >= 2 |
| 66 |
ADD r4, r11, r6 // c1 = c0 + cm_stride |
| 67 |
MOVLO r4, r11 // c1 |
| 68 |
// if mr > 2 |
| 69 |
ADD r8, r4, r6 // c2 = c1 + cm_stride |
| 70 |
MOVLS r8, r4 // c2 |
| 71 |
CMP r0, 4 // if mr >=4 |
| 72 |
ADD r6, r8, r6 // c3 = c2 + cm_stride |
| 73 |
MOVLO r6, r8 // c3 |
| 74 |
|
| 75 |
# Load params values |
| 76 |
VLD1.32 {d13[]}, [r5] // QC8 neonv8 params |
| 77 |
|
| 78 |
PLD [r9, 64] // Prefetch B |
| 79 |
PLD [r9, 128] |
| 80 |
PLD [r9, 192] |
| 81 |
PLD [r9, 256] |
| 82 |
PLD [r9, 320] |
| 83 |
PLD [r9, 384] |
| 84 |
|
| 85 |
.p2align 3 |
| 86 |
0: |
| 87 |
# Load initial bias from w into accumulators |
| 88 |
VLDM r9!, {d16-d19} // Bias |
| 89 |
VMOV q10, q8 |
| 90 |
VMOV q11, q9 |
| 91 |
STR r1, [sp, 56] // save nc |
| 92 |
VMOV q12, q8 |
| 93 |
VMOV q13, q9 |
| 94 |
VMOV q14, q8 |
| 95 |
VMOV q15, q9 |
| 96 |
|
| 97 |
.p2align 3 |
| 98 |
1: |
| 99 |
# Load next 4 A pointers |
| 100 |
LDR r3, [r2, 0] |
| 101 |
LDR r12, [r2, 4] |
| 102 |
LDR r10, [r2, 8] |
| 103 |
LDR r0, [r2, 12] |
| 104 |
|
| 105 |
# Add a_offset |
| 106 |
LDR r5, [sp, 124] // a_offset |
| 107 |
LDR r7, [sp, 128] // zero |
| 108 |
ADD r2, r2, 16 |
| 109 |
CMP r3, r7 // if a0 == zero |
| 110 |
ADD r3, r3, r5 // a0 += a_offset |
| 111 |
MOVEQ r3, r7 // a0 = zero, else += a0 + a_offset |
| 112 |
CMP r12, r7 // if a1 == zero |
| 113 |
ADD r12, r12, r5 // a1 += a_offset |
| 114 |
MOVEQ r12, r7 // a1 = zero, else += a1 + a_offset |
| 115 |
CMP r10, r7 // if a2 == zero |
| 116 |
ADD r10, r10, r5 // a2 += a_offset |
| 117 |
MOVEQ r10, r7 // a2 = zero, else += a2 + a_offset |
| 118 |
CMP r0, r7 // if a3 == zero |
| 119 |
ADD r0, r0, r5 // a3 += a_offset |
| 120 |
LDR r5, [sp, 60] // kc |
| 121 |
MOVEQ r0, r7 // a3 = zero, else += a3 + a_offset |
| 122 |
SUBS r5, r5, 8 // kc - 8 |
| 123 |
BLO 5f // less than 8 channels? |
| 124 |
|
| 125 |
// Prologue - load 4A's and B0 |
| 126 |
VLD1.8 {d0}, [r3]! // A0 |
| 127 |
VLD1.8 {d8}, [r9]! // B0 |
| 128 |
SUBS r5, r5, 8 // k = k - 8 |
| 129 |
VLD1.8 {d2}, [r12]! // A1 |
| 130 |
VLD1.8 {d4}, [r10]! // A2 |
| 131 |
VLD1.8 {d6}, [r0]! // A3 |
| 132 |
|
| 133 |
BLO 3f // less than 8 channels? |
| 134 |
|
| 135 |
// Main loop - 8 bytes |
| 136 |
// 64 bytes for weights. |
| 137 |
// 5 VMOVL = 4 A and 1 B = 5 cycles |
| 138 |
// 7 blocks with VLD B, VMOVL, 8 VMLA = 10 cycles |
| 139 |
// 1 blocks with VLD B, VMLA = 9 cycles |
| 140 |
// total = 84 cycles |
| 141 |
.p2align 3 |
| 142 |
2: |
| 143 |
// Extend - 5 cycles |
| 144 |
VMOVL.S8 q0, d0 |
| 145 |
VMOVL.S8 q4, d8 |
| 146 |
PLD [r9, 448] |
| 147 |
VMOVL.S8 q1, d2 |
| 148 |
VMOVL.S8 q2, d4 |
| 149 |
VMOVL.S8 q3, d6 |
| 150 |
|
| 151 |
// BLOCK 0 - 10 cycles |
| 152 |
VLD1.8 {d10}, [r9]! // B1 |
| 153 |
VMLAL.S16 q8, d8, d0[0] |
| 154 |
VMLAL.S16 q9, d9, d0[0] |
| 155 |
VMLAL.S16 q10, d8, d2[0] |
| 156 |
VMLAL.S16 q11, d9, d2[0] |
| 157 |
VMOVL.S8 q5, d10 |
| 158 |
VMLAL.S16 q12, d8, d4[0] |
| 159 |
VMLAL.S16 q13, d9, d4[0] |
| 160 |
VMLAL.S16 q14, d8, d6[0] |
| 161 |
VMLAL.S16 q15, d9, d6[0] |
| 162 |
|
| 163 |
// BLOCK 1 - 10 cycles |
| 164 |
VLD1.8 {d8}, [r9]! // B2 |
| 165 |
VMLAL.S16 q8, d10, d0[1] |
| 166 |
VMLAL.S16 q9, d11, d0[1] |
| 167 |
VMLAL.S16 q10, d10, d2[1] |
| 168 |
VMLAL.S16 q11, d11, d2[1] |
| 169 |
VMOVL.S8 q4, d8 |
| 170 |
VMLAL.S16 q12, d10, d4[1] |
| 171 |
VMLAL.S16 q13, d11, d4[1] |
| 172 |
VMLAL.S16 q14, d10, d6[1] |
| 173 |
VMLAL.S16 q15, d11, d6[1] |
| 174 |
|
| 175 |
// BLOCK 2 - 10 cycles |
| 176 |
VLD1.8 {d10}, [r9]! // B3 |
| 177 |
VMLAL.S16 q8, d8, d0[2] |
| 178 |
VMLAL.S16 q9, d9, d0[2] |
| 179 |
VMLAL.S16 q10, d8, d2[2] |
| 180 |
VMLAL.S16 q11, d9, d2[2] |
| 181 |
VMOVL.S8 q5, d10 |
| 182 |
VMLAL.S16 q12, d8, d4[2] |
| 183 |
VMLAL.S16 q13, d9, d4[2] |
| 184 |
VMLAL.S16 q14, d8, d6[2] |
| 185 |
VMLAL.S16 q15, d9, d6[2] |
| 186 |
|
| 187 |
// BLOCK 3 - 10 cycles |
| 188 |
VLD1.8 {d8}, [r9]! // B4 |
| 189 |
VMLAL.S16 q8, d10, d0[3] |
| 190 |
VMLAL.S16 q9, d11, d0[3] |
| 191 |
VMLAL.S16 q10, d10, d2[3] |
| 192 |
VMLAL.S16 q11, d11, d2[3] |
| 193 |
VLD1.8 {d0}, [r3]! // A0 |
| 194 |
VMOVL.S8 q4, d8 |
| 195 |
VMLAL.S16 q12, d10, d4[3] |
| 196 |
VMLAL.S16 q13, d11, d4[3] |
| 197 |
VMLAL.S16 q14, d10, d6[3] |
| 198 |
VMLAL.S16 q15, d11, d6[3] |
| 199 |
|
| 200 |
// BLOCK 4 - 10 cycles |
| 201 |
VLD1.8 {d10}, [r9]! // B5 |
| 202 |
VMLAL.S16 q8, d8, d1[0] |
| 203 |
VMLAL.S16 q9, d9, d1[0] |
| 204 |
VMLAL.S16 q10, d8, d3[0] |
| 205 |
VMLAL.S16 q11, d9, d3[0] |
| 206 |
VLD1.8 {d2}, [r12]! // A1 |
| 207 |
VMOVL.S8 q5, d10 |
| 208 |
VMLAL.S16 q12, d8, d5[0] |
| 209 |
VMLAL.S16 q13, d9, d5[0] |
| 210 |
VMLAL.S16 q14, d8, d7[0] |
| 211 |
VMLAL.S16 q15, d9, d7[0] |
| 212 |
|
| 213 |
// BLOCK 5 - 10 cycles |
| 214 |
VLD1.8 {d8}, [r9]! // B6 |
| 215 |
VMLAL.S16 q8, d10, d1[1] |
| 216 |
VMLAL.S16 q9, d11, d1[1] |
| 217 |
VMLAL.S16 q10, d10, d3[1] |
| 218 |
VMLAL.S16 q11, d11, d3[1] |
| 219 |
VLD1.8 {d4}, [r10]! // A2 |
| 220 |
VMOVL.S8 q4, d8 |
| 221 |
VMLAL.S16 q12, d10, d5[1] |
| 222 |
VMLAL.S16 q13, d11, d5[1] |
| 223 |
VMLAL.S16 q14, d10, d7[1] |
| 224 |
VMLAL.S16 q15, d11, d7[1] |
| 225 |
|
| 226 |
// BLOCK 6 - 10 cycles |
| 227 |
VLD1.8 {d10}, [r9]! // B7 |
| 228 |
VMLAL.S16 q8, d8, d1[2] |
| 229 |
VMLAL.S16 q9, d9, d1[2] |
| 230 |
VMLAL.S16 q10, d8, d3[2] |
| 231 |
VMLAL.S16 q11, d9, d3[2] |
| 232 |
VLD1.8 {d6}, [r0]! // A3 |
| 233 |
VMOVL.S8 q5, d10 |
| 234 |
VMLAL.S16 q12, d8, d5[2] |
| 235 |
VMLAL.S16 q13, d9, d5[2] |
| 236 |
VMLAL.S16 q14, d8, d7[2] |
| 237 |
VMLAL.S16 q15, d9, d7[2] |
| 238 |
|
| 239 |
// BLOCK 7 - 9 cycles |
| 240 |
VLD1.8 {d8}, [r9]! // B0 |
| 241 |
VMLAL.S16 q8, d10, d1[3] |
| 242 |
VMLAL.S16 q9, d11, d1[3] |
| 243 |
VMLAL.S16 q10, d10, d3[3] |
| 244 |
VMLAL.S16 q11, d11, d3[3] |
| 245 |
VMLAL.S16 q12, d10, d5[3] |
| 246 |
VMLAL.S16 q13, d11, d5[3] |
| 247 |
SUBS r5, r5, 8 |
| 248 |
VMLAL.S16 q14, d10, d7[3] |
| 249 |
VMLAL.S16 q15, d11, d7[3] |
| 250 |
BHS 2b |
| 251 |
|
| 252 |
// Epilogue |
| 253 |
|
| 254 |
.p2align 3 |
| 255 |
3: |
| 256 |
VMOVL.S8 q0, d0 |
| 257 |
VMOVL.S8 q4, d8 |
| 258 |
VMOVL.S8 q1, d2 |
| 259 |
VMOVL.S8 q2, d4 |
| 260 |
VMOVL.S8 q3, d6 |
| 261 |
|
| 262 |
VLD1.8 {d10}, [r9]! // B1 |
| 263 |
VMLAL.S16 q8, d8, d0[0] |
| 264 |
VMLAL.S16 q9, d9, d0[0] |
| 265 |
VMLAL.S16 q10, d8, d2[0] |
| 266 |
VMLAL.S16 q11, d9, d2[0] |
| 267 |
VMOVL.S8 q5, d10 |
| 268 |
VMLAL.S16 q12, d8, d4[0] |
| 269 |
VMLAL.S16 q13, d9, d4[0] |
| 270 |
VMLAL.S16 q14, d8, d6[0] |
| 271 |
VMLAL.S16 q15, d9, d6[0] |
| 272 |
|
| 273 |
VLD1.8 {d8}, [r9]! // B2 |
| 274 |
VMLAL.S16 q8, d10, d0[1] |
| 275 |
VMLAL.S16 q9, d11, d0[1] |
| 276 |
VMLAL.S16 q10, d10, d2[1] |
| 277 |
VMLAL.S16 q11, d11, d2[1] |
| 278 |
VMOVL.S8 q4, d8 |
| 279 |
VMLAL.S16 q12, d10, d4[1] |
| 280 |
VMLAL.S16 q13, d11, d4[1] |
| 281 |
VMLAL.S16 q14, d10, d6[1] |
| 282 |
VMLAL.S16 q15, d11, d6[1] |
| 283 |
|
| 284 |
VLD1.8 {d10}, [r9]! // B3 |
| 285 |
VMLAL.S16 q8, d8, d0[2] |
| 286 |
VMLAL.S16 q9, d9, d0[2] |
| 287 |
VMLAL.S16 q10, d8, d2[2] |
| 288 |
VMLAL.S16 q11, d9, d2[2] |
| 289 |
VMOVL.S8 q5, d10 |
| 290 |
VMLAL.S16 q12, d8, d4[2] |
| 291 |
VMLAL.S16 q13, d9, d4[2] |
| 292 |
VMLAL.S16 q14, d8, d6[2] |
| 293 |
VMLAL.S16 q15, d9, d6[2] |
| 294 |
|
| 295 |
VLD1.8 {d8}, [r9]! // B4 |
| 296 |
VMLAL.S16 q8, d10, d0[3] |
| 297 |
VMLAL.S16 q9, d11, d0[3] |
| 298 |
VMLAL.S16 q10, d10, d2[3] |
| 299 |
VMLAL.S16 q11, d11, d2[3] |
| 300 |
VMOVL.S8 q4, d8 |
| 301 |
VMLAL.S16 q12, d10, d4[3] |
| 302 |
VMLAL.S16 q13, d11, d4[3] |
| 303 |
VMLAL.S16 q14, d10, d6[3] |
| 304 |
VMLAL.S16 q15, d11, d6[3] |
| 305 |
|
| 306 |
VLD1.8 {d10}, [r9]! // B5 |
| 307 |
VMLAL.S16 q8, d8, d1[0] |
| 308 |
VMLAL.S16 q9, d9, d1[0] |
| 309 |
VMLAL.S16 q10, d8, d3[0] |
| 310 |
VMLAL.S16 q11, d9, d3[0] |
| 311 |
VMOVL.S8 q5, d10 |
| 312 |
VMLAL.S16 q12, d8, d5[0] |
| 313 |
VMLAL.S16 q13, d9, d5[0] |
| 314 |
VMLAL.S16 q14, d8, d7[0] |
| 315 |
VMLAL.S16 q15, d9, d7[0] |
| 316 |
|
| 317 |
VLD1.8 {d8}, [r9]! // B6 |
| 318 |
VMLAL.S16 q8, d10, d1[1] |
| 319 |
VMLAL.S16 q9, d11, d1[1] |
| 320 |
VMLAL.S16 q10, d10, d3[1] |
| 321 |
VMLAL.S16 q11, d11, d3[1] |
| 322 |
VMOVL.S8 q4, d8 |
| 323 |
VMLAL.S16 q12, d10, d5[1] |
| 324 |
VMLAL.S16 q13, d11, d5[1] |
| 325 |
VMLAL.S16 q14, d10, d7[1] |
| 326 |
VMLAL.S16 q15, d11, d7[1] |
| 327 |
|
| 328 |
VLD1.8 {d10}, [r9]! // B7 |
| 329 |
VMLAL.S16 q8, d8, d1[2] |
| 330 |
VMLAL.S16 q9, d9, d1[2] |
| 331 |
VMLAL.S16 q10, d8, d3[2] |
| 332 |
VMLAL.S16 q11, d9, d3[2] |
| 333 |
VMOVL.S8 q5, d10 |
| 334 |
VMLAL.S16 q12, d8, d5[2] |
| 335 |
VMLAL.S16 q13, d9, d5[2] |
| 336 |
VMLAL.S16 q14, d8, d7[2] |
| 337 |
VMLAL.S16 q15, d9, d7[2] |
| 338 |
|
| 339 |
VMLAL.S16 q8, d10, d1[3] |
| 340 |
VMLAL.S16 q9, d11, d1[3] |
| 341 |
VMLAL.S16 q10, d10, d3[3] |
| 342 |
VMLAL.S16 q11, d11, d3[3] |
| 343 |
VMLAL.S16 q12, d10, d5[3] |
| 344 |
VMLAL.S16 q13, d11, d5[3] |
| 345 |
ADDS r5, r5, 8 |
| 346 |
VMLAL.S16 q14, d10, d7[3] |
| 347 |
VMLAL.S16 q15, d11, d7[3] |
| 348 |
|
| 349 |
# Is there a remainder?- 1-7 bytes of A |
| 350 |
BNE 6f |
| 351 |
|
| 352 |
4: |
| 353 |
# ks loop |
| 354 |
SUBS r14, r14, 16 // ks -= MR * sizeof(void*) |
| 355 |
BHI 1b |
| 356 |
|
| 357 |
LDR r7, [sp, 120] // cn_stride |
| 358 |
LDR r14, [sp, 64] // p = ks |
| 359 |
|
| 360 |
# QC8 FP32 quantization |
| 361 |
VLD1.8 {q0-q1}, [r9]! |
| 362 |
|
| 363 |
VCVT.F32.S32 q8, q8 |
| 364 |
VCVT.F32.S32 q9, q9 |
| 365 |
VCVT.F32.S32 q10, q10 |
| 366 |
VCVT.F32.S32 q11, q11 |
| 367 |
VCVT.F32.S32 q12, q12 |
| 368 |
VCVT.F32.S32 q13, q13 |
| 369 |
VCVT.F32.S32 q14, q14 |
| 370 |
VCVT.F32.S32 q15, q15 |
| 371 |
|
| 372 |
VMUL.F32 q8, q8, q0 // multiplier |
| 373 |
VMUL.F32 q9, q9, q1 |
| 374 |
VMUL.F32 q10, q10, q0 |
| 375 |
VMUL.F32 q11, q11, q1 |
| 376 |
VMUL.F32 q12, q12, q0 |
| 377 |
VMUL.F32 q13, q13, q1 |
| 378 |
VMUL.F32 q14, q14, q0 |
| 379 |
VMUL.F32 q15, q15, q1 |
| 380 |
|
| 381 |
VCVTN.S32.F32 q8, q8 |
| 382 |
VCVTN.S32.F32 q9, q9 |
| 383 |
VCVTN.S32.F32 q10, q10 |
| 384 |
VCVTN.S32.F32 q11, q11 |
| 385 |
VCVTN.S32.F32 q12, q12 |
| 386 |
VCVTN.S32.F32 q13, q13 |
| 387 |
VCVTN.S32.F32 q14, q14 |
| 388 |
VCVTN.S32.F32 q15, q15 |
| 389 |
|
| 390 |
VDUP.16 q0, d13[2] // output_zero_point |
| 391 |
|
| 392 |
VQMOVN.S32 d16, q8 |
| 393 |
VQMOVN.S32 d17, q9 |
| 394 |
VQMOVN.S32 d18, q10 |
| 395 |
VQMOVN.S32 d19, q11 |
| 396 |
VQMOVN.S32 d20, q12 |
| 397 |
VQMOVN.S32 d21, q13 |
| 398 |
VQMOVN.S32 d22, q14 |
| 399 |
VQMOVN.S32 d23, q15 |
| 400 |
|
| 401 |
VQADD.S16 q8, q8, q0 |
| 402 |
VQADD.S16 q9, q9, q0 |
| 403 |
VQADD.S16 q10, q10, q0 |
| 404 |
VQADD.S16 q11, q11, q0 |
| 405 |
|
| 406 |
LDR r1, [sp, 56] // restore nc |
| 407 |
VDUP.8 q12, d13[6] // output_min |
| 408 |
|
| 409 |
VQMOVN.S16 d0, q8 |
| 410 |
VQMOVN.S16 d1, q9 |
| 411 |
VQMOVN.S16 d2, q10 |
| 412 |
VQMOVN.S16 d3, q11 |
| 413 |
|
| 414 |
VDUP.8 q13, d13[7] // output_max |
| 415 |
|
| 416 |
VMAX.S8 q0, q0, q12 |
| 417 |
VMAX.S8 q1, q1, q12 |
| 418 |
|
| 419 |
SUBS r1, r1, 8 // nc -= 8 |
| 420 |
|
| 421 |
VMIN.S8 q0, q0, q13 |
| 422 |
VMIN.S8 q1, q1, q13 |
| 423 |
|
| 424 |
# Store full 4 x 8 |
| 425 |
BLO 7f |
| 426 |
VST1.8 {d3}, [r6], r7 |
| 427 |
VST1.8 {d2}, [r8], r7 |
| 428 |
VST1.8 {d1}, [r4], r7 |
| 429 |
VST1.8 {d0}, [r11], r7 |
| 430 |
SUB r2, r2, r14 // a -= ks |
| 431 |
BHI 0b |
| 432 |
|
| 433 |
VPOP {d8-d13} |
| 434 |
ADD sp, sp, 20 // skip pad of 8, r1, r2, r3 |
| 435 |
POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 436 |
|
| 437 |
# Remainder- 1 to 7 bytes of A |
| 438 |
.p2align 3 |
| 439 |
5: |
| 440 |
AND r5, r5, 7 // kc remainder 1 to 7 |
| 441 |
6: |
| 442 |
VLD1.8 {d0}, [r3] |
| 443 |
VLD1.8 {d8}, [r9]! |
| 444 |
VLD1.8 {d2}, [r12] |
| 445 |
VLD1.8 {d4}, [r10] |
| 446 |
VLD1.8 {d6}, [r0] |
| 447 |
|
| 448 |
VMOVL.S8 q0, d0 |
| 449 |
VMOVL.S8 q4, d8 |
| 450 |
VMOVL.S8 q1, d2 |
| 451 |
VMOVL.S8 q2, d4 |
| 452 |
VMOVL.S8 q3, d6 |
| 453 |
VMLAL.S16 q8, d8, d0[0] |
| 454 |
VMLAL.S16 q9, d9, d0[0] |
| 455 |
VMLAL.S16 q10, d8, d2[0] |
| 456 |
VMLAL.S16 q11, d9, d2[0] |
| 457 |
VMLAL.S16 q12, d8, d4[0] |
| 458 |
VMLAL.S16 q13, d9, d4[0] |
| 459 |
VMLAL.S16 q14, d8, d6[0] |
| 460 |
VMLAL.S16 q15, d9, d6[0] |
| 461 |
CMP r5, 2 |
| 462 |
BLO 4b |
| 463 |
|
| 464 |
VLD1.8 {d8}, [r9]! |
| 465 |
VMOVL.S8 q4, d8 |
| 466 |
VMLAL.S16 q8, d8, d0[1] |
| 467 |
VMLAL.S16 q9, d9, d0[1] |
| 468 |
VMLAL.S16 q10, d8, d2[1] |
| 469 |
VMLAL.S16 q11, d9, d2[1] |
| 470 |
VMLAL.S16 q12, d8, d4[1] |
| 471 |
VMLAL.S16 q13, d9, d4[1] |
| 472 |
VMLAL.S16 q14, d8, d6[1] |
| 473 |
VMLAL.S16 q15, d9, d6[1] |
| 474 |
BEQ 4b |
| 475 |
|
| 476 |
VLD1.8 {d8}, [r9]! |
| 477 |
VMOVL.S8 q4, d8 |
| 478 |
VMLAL.S16 q8, d8, d0[2] |
| 479 |
VMLAL.S16 q9, d9, d0[2] |
| 480 |
VMLAL.S16 q10, d8, d2[2] |
| 481 |
VMLAL.S16 q11, d9, d2[2] |
| 482 |
VMLAL.S16 q12, d8, d4[2] |
| 483 |
VMLAL.S16 q13, d9, d4[2] |
| 484 |
VMLAL.S16 q14, d8, d6[2] |
| 485 |
VMLAL.S16 q15, d9, d6[2] |
| 486 |
CMP r5, 4 |
| 487 |
BLO 4b |
| 488 |
|
| 489 |
VLD1.8 {d8}, [r9]! |
| 490 |
VMOVL.S8 q4, d8 |
| 491 |
VMLAL.S16 q8, d8, d0[3] |
| 492 |
VMLAL.S16 q9, d9, d0[3] |
| 493 |
VMLAL.S16 q10, d8, d2[3] |
| 494 |
VMLAL.S16 q11, d9, d2[3] |
| 495 |
VMLAL.S16 q12, d8, d4[3] |
| 496 |
VMLAL.S16 q13, d9, d4[3] |
| 497 |
VMLAL.S16 q14, d8, d6[3] |
| 498 |
VMLAL.S16 q15, d9, d6[3] |
| 499 |
BEQ 4b |
| 500 |
|
| 501 |
VLD1.8 {d8}, [r9]! |
| 502 |
VMOVL.S8 q4, d8 |
| 503 |
VMLAL.S16 q8, d8, d1[0] |
| 504 |
VMLAL.S16 q9, d9, d1[0] |
| 505 |
VMLAL.S16 q10, d8, d3[0] |
| 506 |
VMLAL.S16 q11, d9, d3[0] |
| 507 |
VMLAL.S16 q12, d8, d5[0] |
| 508 |
VMLAL.S16 q13, d9, d5[0] |
| 509 |
VMLAL.S16 q14, d8, d7[0] |
| 510 |
VMLAL.S16 q15, d9, d7[0] |
| 511 |
CMP r5, 6 |
| 512 |
BLO 4b |
| 513 |
|
| 514 |
VLD1.8 {d8}, [r9]! |
| 515 |
VMOVL.S8 q4, d8 |
| 516 |
VMLAL.S16 q8, d8, d1[1] |
| 517 |
VMLAL.S16 q9, d9, d1[1] |
| 518 |
VMLAL.S16 q10, d8, d3[1] |
| 519 |
VMLAL.S16 q11, d9, d3[1] |
| 520 |
VMLAL.S16 q12, d8, d5[1] |
| 521 |
VMLAL.S16 q13, d9, d5[1] |
| 522 |
VMLAL.S16 q14, d8, d7[1] |
| 523 |
VMLAL.S16 q15, d9, d7[1] |
| 524 |
BEQ 4b |
| 525 |
|
| 526 |
VLD1.8 {d8}, [r9]! |
| 527 |
VMOVL.S8 q4, d8 |
| 528 |
VMLAL.S16 q8, d8, d1[2] |
| 529 |
VMLAL.S16 q9, d9, d1[2] |
| 530 |
VMLAL.S16 q10, d8, d3[2] |
| 531 |
VMLAL.S16 q11, d9, d3[2] |
| 532 |
VMLAL.S16 q12, d8, d5[2] |
| 533 |
VMLAL.S16 q13, d9, d5[2] |
| 534 |
VMLAL.S16 q14, d8, d7[2] |
| 535 |
VMLAL.S16 q15, d9, d7[2] |
| 536 |
B 4b |
| 537 |
|
| 538 |
# Store odd width |
| 539 |
.p2align 3 |
| 540 |
7: |
| 541 |
TST r1, 4 |
| 542 |
BEQ 8f |
| 543 |
VST1.32 {d3[0]}, [r6]! |
| 544 |
VST1.32 {d2[0]}, [r8]! |
| 545 |
VST1.32 {d1[0]}, [r4]! |
| 546 |
VST1.32 {d0[0]}, [r11]! |
| 547 |
VEXT.8 q1, q1, q1, 4 |
| 548 |
VEXT.8 q0, q0, q0, 4 |
| 549 |
8: |
| 550 |
TST r1, 2 |
| 551 |
BEQ 9f |
| 552 |
VST1.16 {d3[0]}, [r6]! |
| 553 |
VST1.16 {d2[0]}, [r8]! |
| 554 |
VST1.16 {d1[0]}, [r4]! |
| 555 |
VST1.16 {d0[0]}, [r11]! |
| 556 |
VEXT.8 q1, q1, q1, 2 |
| 557 |
VEXT.8 q0, q0, q0, 2 |
| 558 |
|
| 559 |
9: |
| 560 |
TST r1, 1 |
| 561 |
BEQ 10f |
| 562 |
VST1.8 {d3[0]}, [r6] |
| 563 |
VST1.8 {d2[0]}, [r8] |
| 564 |
VST1.8 {d1[0]}, [r4] |
| 565 |
VST1.8 {d0[0]}, [r11] |
| 566 |
|
| 567 |
10: |
| 568 |
VPOP {d8-d13} |
| 569 |
ADD sp, sp, 20 // skip pad of 8, r1, r2, r3 |
| 570 |
POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 571 |
|
| 572 |
END_FUNCTION xnn_qs8_qc8w_igemm_minmax_fp32_ukernel_4x8__asm_aarch32_neonv8_mlal_lane_cortex_a35_prfm |
| 573 |
|
| 574 |
#ifdef __ELF__ |
| 575 |
.section ".note.GNU-stack","",%progbits |
| 576 |
#endif |