| 1 |
// Auto-generated file. Do not edit! |
| 2 |
// Template: src/qs8-igemm/4x8c4-aarch32-neondot-ld64.S.in |
| 3 |
// Generator: tools/xngen |
| 4 |
// |
| 5 |
// Copyright 2022 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_4x8c4__asm_aarch32_neondot_ld64( |
| 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 |
// xnn_qs8_qc8w_conv_minmax_params*params); sp + 124 -> (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 |
| 33 |
// A1 r12 d1 |
| 34 |
// A2 r10 d2 |
| 35 |
// A3 r0 d3 |
| 36 |
// B r9 q2 q3 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 q7 |
| 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 |
// iOS does not support 32 bit ARM with Neon DotProduct. |
| 51 |
#ifndef __APPLE__ |
| 52 |
|
| 53 |
BEGIN_FUNCTION xnn_qs8_qc8w_igemm_minmax_fp32_ukernel_4x8c4__asm_aarch32_neondot_ld64 |
| 54 |
ADD r2, r2, 3 // kc = (kc + 3) & ~3 |
| 55 |
BIC r2, r2, 3 |
| 56 |
# Push 96 bytes |
| 57 |
# r2 will be reloaded in outer loop. r3 is ks |
| 58 |
PUSH {r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, lr} // +44 |
| 59 |
SUB sp, sp, 4 // 4 |
| 60 |
VPUSH {d8-d13} // +48 = 96 |
| 61 |
|
| 62 |
LDR r11, [sp, 104] // c |
| 63 |
LDR r6, [sp, 108] // cm_stride |
| 64 |
LDR r2, [sp, 96] // a |
| 65 |
LDR r9, [sp, 100] // w |
| 66 |
LDR r5, [sp, 124] // params |
| 67 |
MOV r14, r3 // p = ks |
| 68 |
|
| 69 |
# Clamp C pointers |
| 70 |
CMP r0, 2 // if mr >= 2 |
| 71 |
ADD r4, r11, r6 // c1 = c0 + cm_stride |
| 72 |
MOVLO r4, r11 // c1 |
| 73 |
// if mr > 2 |
| 74 |
ADD r8, r4, r6 // c2 = c1 + cm_stride |
| 75 |
MOVLS r8, r4 // c2 |
| 76 |
CMP r0, 4 // if mr >=4 |
| 77 |
ADD r6, r8, r6 // c3 = c2 + cm_stride |
| 78 |
MOVLO r6, r8 // c3 |
| 79 |
|
| 80 |
# Load params values |
| 81 |
VLD1.32 {d13[]}, [r5] // QC8 params |
| 82 |
|
| 83 |
0: |
| 84 |
# Load initial bias from w into accumulators |
| 85 |
VLDM r9!, {d16-d19} // Bias |
| 86 |
VMOV q10, q8 |
| 87 |
VMOV q11, q9 |
| 88 |
LDR r7, [sp, 120] // zero |
| 89 |
VMOV q12, q8 |
| 90 |
VMOV q13, q9 |
| 91 |
VMOV q14, q8 |
| 92 |
VMOV q15, q9 |
| 93 |
|
| 94 |
1: |
| 95 |
# Load next 4 A pointers |
| 96 |
LDR r3, [r2, 0] |
| 97 |
LDR r12, [r2, 4] |
| 98 |
LDR r10, [r2, 8] |
| 99 |
LDR r0, [r2, 12] |
| 100 |
ADD r2, r2, 16 |
| 101 |
|
| 102 |
# Add a_offset |
| 103 |
LDR r5, [sp, 116] // a_offset |
| 104 |
CMP r3, r7 // if a0 == zero |
| 105 |
ADD r3, r3, r5 // a0 += a_offset |
| 106 |
MOVEQ r3, r7 // a0 = zero, else += a0 + a_offset |
| 107 |
CMP r12, r7 // if a1 == zero |
| 108 |
ADD r12, r12, r5 // a1 += a_offset |
| 109 |
MOVEQ r12, r7 // a1 = zero, else += a1 + a_offset |
| 110 |
CMP r10, r7 // if a2 == zero |
| 111 |
ADD r10, r10, r5 // a2 += a_offset |
| 112 |
MOVEQ r10, r7 // a2 = zero, else += a2 + a_offset |
| 113 |
CMP r0, r7 // if a3 == zero |
| 114 |
ADD r0, r0, r5 // a3 += a_offset |
| 115 |
LDR r5, [sp, 52] // kc |
| 116 |
MOVEQ r0, r7 // a3 = zero, else += a3 + a_offset |
| 117 |
|
| 118 |
SUBS r5, r5, 8 // kc - 8 |
| 119 |
BLO 4f // less than 8 channels? |
| 120 |
|
| 121 |
# Main loop - 8 bytes of A. |
| 122 |
# 16 SDOT, 4 LD64 A, 4 LD128 B |
| 123 |
.p2align 3 |
| 124 |
2: |
| 125 |
VLD1.8 {d0}, [r3]! // A0 |
| 126 |
VLD1.8 {q2}, [r9]! // B0 |
| 127 |
VLD1.8 {d1}, [r12]! // A1 |
| 128 |
VLD1.8 {q3}, [r9]! // B1 |
| 129 |
VLD1.8 {d2}, [r10]! // A2 |
| 130 |
VLD1.8 {q4}, [r9]! // B2 |
| 131 |
VLD1.8 {d3}, [r0]! // A3 |
| 132 |
VLD1.8 {q5}, [r9]! // B3 |
| 133 |
SUBS r5, r5, 8 |
| 134 |
|
| 135 |
VSDOT.S8 q8, q2, d0[0] |
| 136 |
VSDOT.S8 q9, q3, d0[0] |
| 137 |
VSDOT.S8 q10, q2, d1[0] |
| 138 |
VSDOT.S8 q11, q3, d1[0] |
| 139 |
VSDOT.S8 q12, q2, d2[0] |
| 140 |
VSDOT.S8 q13, q3, d2[0] |
| 141 |
VSDOT.S8 q14, q2, d3[0] |
| 142 |
VSDOT.S8 q15, q3, d3[0] |
| 143 |
|
| 144 |
VSDOT.S8 q8, q4, d0[1] |
| 145 |
VSDOT.S8 q9, q5, d0[1] |
| 146 |
VSDOT.S8 q10, q4, d1[1] |
| 147 |
VSDOT.S8 q11, q5, d1[1] |
| 148 |
VSDOT.S8 q12, q4, d2[1] |
| 149 |
VSDOT.S8 q13, q5, d2[1] |
| 150 |
VSDOT.S8 q14, q4, d3[1] |
| 151 |
VSDOT.S8 q15, q5, d3[1] |
| 152 |
BHS 2b |
| 153 |
|
| 154 |
# Is there a remainder?- 4 bytes of A |
| 155 |
TST r5, 4 |
| 156 |
BNE 4f |
| 157 |
|
| 158 |
3: |
| 159 |
# ks loop |
| 160 |
SUBS r14, r14, 16 // ks -= MR * sizeof(void*) |
| 161 |
BHI 1b |
| 162 |
|
| 163 |
LDR r7, [sp, 112] // cn_stride |
| 164 |
LDR r14, [sp, 56] // p = ks |
| 165 |
|
| 166 |
# QC8 FP32 quantization |
| 167 |
VLD1.8 {q0-q1}, [r9]! |
| 168 |
|
| 169 |
VCVT.F32.S32 q8, q8 |
| 170 |
VCVT.F32.S32 q9, q9 |
| 171 |
VCVT.F32.S32 q10, q10 |
| 172 |
VCVT.F32.S32 q11, q11 |
| 173 |
VCVT.F32.S32 q12, q12 |
| 174 |
VCVT.F32.S32 q13, q13 |
| 175 |
VCVT.F32.S32 q14, q14 |
| 176 |
VCVT.F32.S32 q15, q15 |
| 177 |
|
| 178 |
VMUL.F32 q8, q8, q0 // multiplier |
| 179 |
VMUL.F32 q9, q9, q1 |
| 180 |
VMUL.F32 q10, q10, q0 |
| 181 |
VMUL.F32 q11, q11, q1 |
| 182 |
VMUL.F32 q12, q12, q0 |
| 183 |
VMUL.F32 q13, q13, q1 |
| 184 |
VMUL.F32 q14, q14, q0 |
| 185 |
VMUL.F32 q15, q15, q1 |
| 186 |
|
| 187 |
VCVTN.S32.F32 q8, q8 |
| 188 |
VCVTN.S32.F32 q9, q9 |
| 189 |
VCVTN.S32.F32 q10, q10 |
| 190 |
VCVTN.S32.F32 q11, q11 |
| 191 |
VCVTN.S32.F32 q12, q12 |
| 192 |
VCVTN.S32.F32 q13, q13 |
| 193 |
VCVTN.S32.F32 q14, q14 |
| 194 |
VCVTN.S32.F32 q15, q15 |
| 195 |
VDUP.16 q0, d13[2] // output_zero_point |
| 196 |
|
| 197 |
VQMOVN.S32 d16, q8 |
| 198 |
VQMOVN.S32 d17, q9 |
| 199 |
VQMOVN.S32 d18, q10 |
| 200 |
VQMOVN.S32 d19, q11 |
| 201 |
VQMOVN.S32 d20, q12 |
| 202 |
VQMOVN.S32 d21, q13 |
| 203 |
VQMOVN.S32 d22, q14 |
| 204 |
VQMOVN.S32 d23, q15 |
| 205 |
|
| 206 |
VQADD.S16 q8, q8, q0 |
| 207 |
VQADD.S16 q9, q9, q0 |
| 208 |
VQADD.S16 q10, q10, q0 |
| 209 |
VQADD.S16 q11, q11, q0 |
| 210 |
|
| 211 |
VDUP.8 q12, d13[6] // output_min |
| 212 |
|
| 213 |
VQMOVN.S16 d0, q8 |
| 214 |
VQMOVN.S16 d1, q9 |
| 215 |
VQMOVN.S16 d2, q10 |
| 216 |
VQMOVN.S16 d3, q11 |
| 217 |
|
| 218 |
VDUP.8 q13, d13[7] // output_max |
| 219 |
|
| 220 |
VMAX.S8 q0, q0, q12 |
| 221 |
VMAX.S8 q1, q1, q12 |
| 222 |
|
| 223 |
SUBS r1, r1, 8 // nc -= 8 |
| 224 |
|
| 225 |
VMIN.S8 q0, q0, q13 |
| 226 |
VMIN.S8 q1, q1, q13 |
| 227 |
|
| 228 |
# Store full 4 x 8 |
| 229 |
BLO 5f |
| 230 |
VST1.8 {d3}, [r6], r7 |
| 231 |
VST1.8 {d2}, [r8], r7 |
| 232 |
VST1.8 {d1}, [r4], r7 |
| 233 |
VST1.8 {d0}, [r11], r7 |
| 234 |
SUB r2, r2, r14 // a -= ks |
| 235 |
BHI 0b |
| 236 |
|
| 237 |
VPOP {d8-d13} |
| 238 |
ADD sp, sp, 12 // skip pad, r2, r3 |
| 239 |
POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 240 |
|
| 241 |
4: |
| 242 |
# Remainder- 4 bytes of A |
| 243 |
VLD1.32 {d0[0]}, [r3]! // A0 |
| 244 |
VLD1.32 {q2}, [r9]! // B0 |
| 245 |
VLD1.32 {d1[0]}, [r12]! // A1 |
| 246 |
VLD1.32 {q3}, [r9]! // B1 |
| 247 |
VLD1.32 {d2[0]}, [r10]! // A2 |
| 248 |
VLD1.32 {d3[0]}, [r0]! // A3 |
| 249 |
|
| 250 |
VSDOT.S8 q8, q2, d0[0] |
| 251 |
VSDOT.S8 q9, q3, d0[0] |
| 252 |
VSDOT.S8 q10, q2, d1[0] |
| 253 |
VSDOT.S8 q11, q3, d1[0] |
| 254 |
VSDOT.S8 q12, q2, d2[0] |
| 255 |
VSDOT.S8 q13, q3, d2[0] |
| 256 |
VSDOT.S8 q14, q2, d3[0] |
| 257 |
VSDOT.S8 q15, q3, d3[0] |
| 258 |
B 3b |
| 259 |
|
| 260 |
# Store odd width |
| 261 |
.p2align 3 |
| 262 |
5: |
| 263 |
TST r1, 4 |
| 264 |
BEQ 6f |
| 265 |
VST1.32 {d3[0]}, [r6]! |
| 266 |
VST1.32 {d2[0]}, [r8]! |
| 267 |
VST1.32 {d1[0]}, [r4]! |
| 268 |
VST1.32 {d0[0]}, [r11]! |
| 269 |
VEXT.8 q1, q1, q1, 4 |
| 270 |
VEXT.8 q0, q0, q0, 4 |
| 271 |
6: |
| 272 |
TST r1, 2 |
| 273 |
BEQ 7f |
| 274 |
VST1.16 {d3[0]}, [r6]! |
| 275 |
VST1.16 {d2[0]}, [r8]! |
| 276 |
VST1.16 {d1[0]}, [r4]! |
| 277 |
VST1.16 {d0[0]}, [r11]! |
| 278 |
VEXT.8 q1, q1, q1, 2 |
| 279 |
VEXT.8 q0, q0, q0, 2 |
| 280 |
|
| 281 |
7: |
| 282 |
TST r1, 1 |
| 283 |
BEQ 8f |
| 284 |
VST1.8 {d3[0]}, [r6] |
| 285 |
VST1.8 {d2[0]}, [r8] |
| 286 |
VST1.8 {d1[0]}, [r4] |
| 287 |
VST1.8 {d0[0]}, [r11] |
| 288 |
|
| 289 |
8: |
| 290 |
VPOP {d8-d13} |
| 291 |
ADD sp, sp, 12 // skip pad, r2, r3 |
| 292 |
POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 293 |
|
| 294 |
END_FUNCTION xnn_qs8_qc8w_igemm_minmax_fp32_ukernel_4x8c4__asm_aarch32_neondot_ld64 |
| 295 |
#endif // __APPLE__ |
| 296 |
|
| 297 |
#ifdef __ELF__ |
| 298 |
.section ".note.GNU-stack","",%progbits |
| 299 |
#endif |