Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 1 | // Copyright 2019 Google LLC |
| 2 | // |
| 3 | // This source code is licensed under the BSD-style license found in the |
| 4 | // LICENSE file in the root directory of this source tree. |
| 5 | |
| 6 | #include <xnnpack/assembly.h> |
| 7 | |
| 8 | .syntax unified |
| 9 | |
| 10 | // void xnn_f32_gemm_ukernel_4x8__aarch32_neon_cortex_a55( |
| 11 | // size_t mr, r0 |
| 12 | // size_t nc, r1 |
Frank Barchard | 36053aa | 2020-03-12 12:28:55 -0700 | [diff] [blame] | 13 | // size_t kc, r2 -> r5 |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 14 | // const uint8_t*restrict a, r3 |
Frank Barchard | 36053aa | 2020-03-12 12:28:55 -0700 | [diff] [blame] | 15 | // size_t a_stride, sp + 96 -> (r7) |
| 16 | // const void*restrict w, sp + 100 -> r9 |
| 17 | // uint8_t*restrict c, sp + 104 -> r11 |
| 18 | // size_t cm_stride, sp + 108 -> (r6) |
| 19 | // size_t cn_stride, sp + 112 -> (r0) |
Marat Dukhan | eb09a6b | 2020-04-08 17:34:32 -0700 | [diff] [blame] | 20 | // minmax_params*params, sp + 116 -> (r5) |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 21 | |
| 22 | // inner loop registers |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 23 | // r14 (lr) unused |
| 24 | |
| 25 | // A0 r3 d0 |
| 26 | // A1 r12 d1 |
| 27 | // A2 r10 d2 |
| 28 | // A3 r7 d3 |
| 29 | |
| 30 | // B r9 d8, d9, d10, d11 |
| 31 | // B d12, d13, d14, d15 |
| 32 | |
| 33 | // C0 r11 d16-d17 q8 d18-d19 q9 |
| 34 | // C1 r4 d20-d21 q10 d22-d23 q11 |
| 35 | // C2 r8 d24-d25 q12 d26-d27 q13 |
| 36 | // C3 r6 d28-d29 q14 d30-d31 q15 |
| 37 | |
| 38 | // Clamp (r5) d4 d5 d6 d7 |
| 39 | |
| 40 | BEGIN_FUNCTION xnn_f32_gemm_ukernel_4x8__aarch32_neon_cortex_a55 |
| 41 | .arm |
| 42 | #ifndef __APPLE__ |
| 43 | .arch armv7-a |
| 44 | .fpu neon |
| 45 | #endif |
Frank Barchard | 36053aa | 2020-03-12 12:28:55 -0700 | [diff] [blame] | 46 | // Push 96 bytes |
| 47 | VPUSH {d8-d15} // 64 |
| 48 | PUSH {r4, r5, r6, r7, r8, r9, r10, r11} // +32 = 96 |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 49 | |
Frank Barchard | 36053aa | 2020-03-12 12:28:55 -0700 | [diff] [blame] | 50 | LDR r7, [sp, 96] // a_stride |
| 51 | LDR r11, [sp, 104] // c |
| 52 | LDR r6, [sp, 108] // cm_stride |
| 53 | LDR r9, [sp, 100] // w |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 54 | |
| 55 | // Clamp A and C pointers |
| 56 | CMP r0, 2 // if mr >= 2 |
| 57 | ADD r12, r3, r7 // a1 = a0 + a_stride |
| 58 | ADD r4, r11, r6 // c1 = c0 + cm_stride |
| 59 | MOVLO r12, r3 // a1 |
| 60 | MOVLO r4, r11 // c1 |
| 61 | // if mr > 2 |
| 62 | ADD r10, r12, r7 // a2 = a1 + a_stride |
| 63 | ADD r8, r4, r6 // c2 = c1 + cm_stride |
| 64 | MOVLS r10, r12 // a2 |
| 65 | MOVLS r8, r4 // c2 |
| 66 | |
| 67 | CMP r0, 4 // if mr >=4 |
| 68 | ADD r7, r10, r7 // a3 = a2 + a_stride |
| 69 | ADD r6, r8, r6 // c3 = c2 + cm_stride |
| 70 | MOVLO r7, r10 // a3 |
| 71 | MOVLO r6, r8 // c3 |
| 72 | |
| 73 | .p2align 3 |
| 74 | 1: |
| 75 | # Load initial bias from w into accumulators |
| 76 | VLDM r9!, {d16-d19} // Bias |
| 77 | |
| 78 | SUBS r5, r2, 16 // kc - 16 |
| 79 | PLD [r3, 0] // Prefetch A |
| 80 | PLD [r3, 64] |
| 81 | VMOV q10, q8 |
| 82 | PLD [r12, 0] |
| 83 | PLD [r12, 64] |
| 84 | VMOV q11, q9 |
| 85 | PLD [r10, 0] |
| 86 | PLD [r10, 64] |
| 87 | VMOV q12, q8 |
| 88 | PLD [r7, 0] |
| 89 | PLD [r7, 64] |
| 90 | VMOV q13, q9 |
| 91 | PLD [r9, 0] // Prefetch B |
| 92 | PLD [r9, 64] |
| 93 | VMOV q14, q8 |
| 94 | PLD [r9, 128] |
| 95 | PLD [r9, 192] |
| 96 | VMOV q15, q9 |
| 97 | PLD [r9, 256] |
| 98 | PLD [r9, 320] |
| 99 | BLO 5f // less than 4 channels? |
| 100 | |
| 101 | // Prologue |
| 102 | VLD1.32 {d0}, [r3]! // A0 |
| 103 | VLD1.32 {d1}, [r12]! // A1 |
| 104 | VLD1.32 {d2}, [r10]! // A2 |
| 105 | VLD1.32 {d3}, [r7]! // A3 |
| 106 | SUBS r5, r5, 16 |
| 107 | VLDM r9, {d8-d11} // B0 |
| 108 | VLDR d15, [r9, 56] // B1CK 0 |
| 109 | VLDR d13, [r9, 40] // B1 |
| 110 | BLO 3f // less than 4 channels? skip main loop |
| 111 | |
| 112 | # Main loop - 4 floats of A (16 bytes) |
| 113 | # 32 FMA + 8 LD64 A + 8 LDR B |
| 114 | .p2align 3 |
| 115 | 2: |
| 116 | # First group of 16 FMA, Second group loads |
| 117 | // BLOCK 0 |
| 118 | VMLA.F32 q8, q4, d0[0] |
| 119 | VLD1.32 {d4}, [r3]! // A0 |
| 120 | VMLA.F32 q10, q4, d1[0] |
| 121 | VLD1.32 {d5}, [r12]! // A1 |
| 122 | VMLA.F32 q12, q4, d2[0] |
| 123 | |
| 124 | // BLOCK 1 |
| 125 | VMLA.F32 q14, q4, d3[0] |
| 126 | VLDR d12, [r9, 32] // B1 |
| 127 | VMLA.F32 q9, q5, d0[0] |
| 128 | VLDR d9, [r9, 72] // B0 |
| 129 | VMLA.F32 q11, q5, d1[0] |
| 130 | |
| 131 | // BLOCK 2 |
| 132 | VMLA.F32 q13, q5, d2[0] |
| 133 | VLD1.32 {d6}, [r10]! // A2 |
| 134 | VMLA.F32 q15, q5, d3[0] |
| 135 | VLD1.32 {d7}, [r7]! // A3 |
| 136 | VMLA.F32 q8, q6, d0[1] |
| 137 | |
| 138 | // BLOCK 3 |
| 139 | VMLA.F32 q10, q6, d1[1] |
| 140 | VLDR d14, [r9, 48] // B1 |
| 141 | VMLA.F32 q12, q6, d2[1] |
| 142 | VLDR d11, [r9, 88] // B0 |
| 143 | VMLA.F32 q14, q6, d3[1] |
| 144 | |
| 145 | // BLOCK 4 |
| 146 | VMLA.F32 q9, q7, d0[1] |
| 147 | VLDR d8, [r9, 64] // B0 |
| 148 | VMLA.F32 q11, q7, d1[1] |
| 149 | VLDR d13, [r9, 104] // B1 |
| 150 | VMLA.F32 q13, q7, d2[1] |
| 151 | VLDR d10, [r9, 80] // B0 |
| 152 | |
| 153 | // BLOCK 5 |
| 154 | VMLA.F32 q15, q7, d3[1] |
| 155 | VLDR d15, [r9, 120] // B1 |
| 156 | |
| 157 | # Second group of 16 FMA, First group of loads |
| 158 | // BLOCK 0 |
| 159 | VMLA.F32 q8, q4, d4[0] |
| 160 | VLD1.32 {d0}, [r3]! // A0 |
| 161 | VMLA.F32 q10, q4, d5[0] |
| 162 | VLD1.32 {d1}, [r12]! // A1 |
| 163 | VMLA.F32 q12, q4, d6[0] |
| 164 | |
| 165 | // BLOCK 1 |
| 166 | VMLA.F32 q14, q4, d7[0] |
| 167 | VLDR d12, [r9, 96] // B1 |
| 168 | VMLA.F32 q9, q5, d4[0] |
| 169 | VLDR d9, [r9, 136] // B0 |
| 170 | VMLA.F32 q11, q5, d5[0] |
| 171 | |
| 172 | // BLOCK 2 |
| 173 | VMLA.F32 q13, q5, d6[0] |
| 174 | VLD1.32 {d2}, [r10]! // A2 |
| 175 | VMLA.F32 q15, q5, d7[0] |
| 176 | VLD1.32 {d3}, [r7]! // A3 |
| 177 | VMLA.F32 q8, q6, d4[1] |
| 178 | |
| 179 | // BLOCK 3 |
| 180 | VMLA.F32 q10, q6, d5[1] |
| 181 | VLDR d14, [r9, 112] // B1 |
| 182 | VMLA.F32 q12, q6, d6[1] |
| 183 | VLDR d11, [r9, 152] // B0 |
| 184 | VMLA.F32 q14, q6, d7[1] |
| 185 | SUBS r5, r5, 16 |
| 186 | |
| 187 | // BLOCK 4 |
| 188 | VMLA.F32 q9, q7, d4[1] |
| 189 | VLDR d8, [r9, 128] // B0 |
| 190 | VMLA.F32 q11, q7, d5[1] |
| 191 | VLDR d13, [r9, 168] // B1 |
| 192 | VMLA.F32 q13, q7, d6[1] |
| 193 | VLDR d10, [r9, 144] // B0 |
| 194 | |
| 195 | // BLOCK 5 |
| 196 | VMLA.F32 q15, q7, d7[1] |
| 197 | VLDR d15, [r9, 184] // B1 |
| 198 | ADD r9, r9, 128 // B++ |
| 199 | BHS 2b |
| 200 | |
| 201 | |
| 202 | # Epilogue - 4 floats of A (16 bytes) |
| 203 | 3: |
| 204 | # First group of 16 FMA, Second group loads |
| 205 | // BLOCK 0 |
| 206 | VMLA.F32 q8, q4, d0[0] |
| 207 | VLD1.32 {d4}, [r3]! // A0 |
| 208 | VMLA.F32 q10, q4, d1[0] |
| 209 | VLD1.32 {d5}, [r12]! // A1 |
| 210 | VMLA.F32 q12, q4, d2[0] |
| 211 | |
| 212 | // BLOCK 1 |
| 213 | VMLA.F32 q14, q4, d3[0] |
| 214 | VLDR d12, [r9, 32] // B1 |
| 215 | VMLA.F32 q9, q5, d0[0] |
| 216 | VLDR d9, [r9, 72] // B0 |
| 217 | VMLA.F32 q11, q5, d1[0] |
| 218 | |
| 219 | // BLOCK 2 |
| 220 | VMLA.F32 q13, q5, d2[0] |
| 221 | VLD1.32 {d6}, [r10]! // A2 |
| 222 | VMLA.F32 q15, q5, d3[0] |
| 223 | VLD1.32 {d7}, [r7]! // A3 |
| 224 | VMLA.F32 q8, q6, d0[1] |
| 225 | |
| 226 | // BLOCK 3 |
| 227 | VMLA.F32 q10, q6, d1[1] |
| 228 | VLDR d14, [r9, 48] // B1 |
| 229 | VMLA.F32 q12, q6, d2[1] |
| 230 | VLDR d11, [r9, 88] // B0 |
| 231 | VMLA.F32 q14, q6, d3[1] |
| 232 | |
| 233 | // BLOCK 4 |
| 234 | VMLA.F32 q9, q7, d0[1] |
| 235 | VLDR d8, [r9, 64] // B0 |
| 236 | VMLA.F32 q11, q7, d1[1] |
| 237 | VLDR d13, [r9, 104] // B1 |
| 238 | VMLA.F32 q13, q7, d2[1] |
| 239 | VLDR d10, [r9, 80] // B0 |
| 240 | |
| 241 | // BLOCK 5 |
| 242 | VMLA.F32 q15, q7, d3[1] |
| 243 | VLDR d15, [r9, 120] // B1 |
| 244 | |
| 245 | # Second group of 16 FMA, First group of loads |
| 246 | // BLOCK 0 |
| 247 | VMLA.F32 q8, q4, d4[0] |
| 248 | VLDR d12, [r9, 96] // B1 |
| 249 | VMLA.F32 q10, q4, d5[0] |
| 250 | VMLA.F32 q12, q4, d6[0] |
| 251 | |
| 252 | // BLOCK 1 |
| 253 | VMLA.F32 q14, q4, d7[0] |
| 254 | VLDR d14, [r9, 112] // B1 |
| 255 | VMLA.F32 q9, q5, d4[0] |
| 256 | VMLA.F32 q11, q5, d5[0] |
| 257 | |
| 258 | // BLOCK 2 |
| 259 | VMLA.F32 q13, q5, d6[0] |
| 260 | VMLA.F32 q15, q5, d7[0] |
| 261 | VMLA.F32 q8, q6, d4[1] |
| 262 | ADD r9, r9, 128 // B++ |
| 263 | |
| 264 | // BLOCK 3 |
| 265 | VMLA.F32 q10, q6, d5[1] |
| 266 | VMLA.F32 q12, q6, d6[1] |
| 267 | VMLA.F32 q14, q6, d7[1] |
| 268 | TST r5, 15 |
| 269 | |
| 270 | // BLOCK 4 |
| 271 | VMLA.F32 q9, q7, d4[1] |
| 272 | VMLA.F32 q11, q7, d5[1] |
| 273 | VMLA.F32 q13, q7, d6[1] |
| 274 | |
| 275 | // BLOCK 5 |
| 276 | VMLA.F32 q15, q7, d7[1] |
| 277 | |
| 278 | // Is there a remainder?- 1 to 3 floats of A (4, 8 or 12 bytes) |
| 279 | BNE 5f |
| 280 | |
| 281 | .p2align 3 |
| 282 | 4: |
| 283 | // Load params pointer |
Frank Barchard | 36053aa | 2020-03-12 12:28:55 -0700 | [diff] [blame] | 284 | LDR r0, [sp, 112] // cn_stride |
Marat Dukhan | eb09a6b | 2020-04-08 17:34:32 -0700 | [diff] [blame] | 285 | LDR r5, [sp, 116] // params |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 286 | SUBS r1, r1, 8 |
| 287 | |
Marat Dukhan | eb09a6b | 2020-04-08 17:34:32 -0700 | [diff] [blame] | 288 | // Load min/max values |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 289 | VLD1.32 {d4[],d5[]}, [r5]! |
| 290 | VLD1.32 {d6[],d7[]}, [r5] |
| 291 | |
| 292 | // Clamp |
Marat Dukhan | a51cf48 | 2020-04-08 16:16:19 -0700 | [diff] [blame] | 293 | VMAX.F32 q8, q8, q2 |
| 294 | VMAX.F32 q9, q9, q2 |
| 295 | VMAX.F32 q10, q10, q2 |
| 296 | VMAX.F32 q11, q11, q2 |
| 297 | VMAX.F32 q12, q12, q2 |
| 298 | VMAX.F32 q13, q13, q2 |
| 299 | VMAX.F32 q14, q14, q2 |
| 300 | VMAX.F32 q15, q15, q2 |
| 301 | VMIN.F32 q8, q8, q3 |
| 302 | VMIN.F32 q9, q9, q3 |
| 303 | VMIN.F32 q10, q10, q3 |
| 304 | VMIN.F32 q11, q11, q3 |
| 305 | VMIN.F32 q12, q12, q3 |
| 306 | VMIN.F32 q13, q13, q3 |
| 307 | VMIN.F32 q14, q14, q3 |
| 308 | VMIN.F32 q15, q15, q3 |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 309 | |
| 310 | // Store full 4 x 8 |
| 311 | BLO 10f |
| 312 | VST1.32 {d16-d19}, [r11], r0 |
| 313 | SUB r7, r7, r2 |
| 314 | VST1.32 {d20-d23}, [r4], r0 |
| 315 | SUB r10, r10, r2 |
| 316 | VST1.32 {d24-d27}, [r8], r0 |
| 317 | SUB r12, r12, r2 |
| 318 | VST1.32 {d28-d31}, [r6], r0 |
| 319 | SUB r3, r3, r2 |
| 320 | BHI 1b |
| 321 | |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 322 | POP {r4, r5, r6, r7, r8, r9, r10, r11} |
| 323 | VPOP {d8-d15} |
| 324 | BX lr |
| 325 | |
| 326 | .p2align 3 |
| 327 | 5: |
| 328 | // Is there a remainder?- 2 floats of A (8 bytes) |
| 329 | TST r5, 8 |
| 330 | BEQ 6f |
| 331 | |
| 332 | // Remainder - 2 floats of A (8 bytes) |
| 333 | VLD1.32 {d0}, [r3]! // A0 |
| 334 | VLDM r9!, {d8-d11} // B0 |
| 335 | VLD1.32 {d1}, [r12]! // A1 |
| 336 | VLD1.32 {d2}, [r10]! // A2 |
| 337 | VLD1.32 {d3}, [ r7]! // A3 |
| 338 | |
| 339 | VMLA.F32 q8, q4, d0[0] |
| 340 | VMLA.F32 q9, q5, d0[0] |
| 341 | VMLA.F32 q10, q4, d1[0] |
| 342 | VMLA.F32 q11, q5, d1[0] |
| 343 | VLDM r9!, {d12-d15} // B1 |
| 344 | VMLA.F32 q12, q4, d2[0] |
| 345 | VMLA.F32 q13, q5, d2[0] |
| 346 | VMLA.F32 q14, q4, d3[0] |
| 347 | VMLA.F32 q15, q5, d3[0] |
| 348 | VMLA.F32 q8, q6, d0[1] |
| 349 | VMLA.F32 q9, q7, d0[1] |
| 350 | VMLA.F32 q10, q6, d1[1] |
| 351 | VMLA.F32 q11, q7, d1[1] |
| 352 | VMLA.F32 q12, q6, d2[1] |
| 353 | VMLA.F32 q13, q7, d2[1] |
| 354 | VMLA.F32 q14, q6, d3[1] |
| 355 | VMLA.F32 q15, q7, d3[1] |
| 356 | |
| 357 | // Is there a remainder?- 1 floats of A (4 bytes) |
| 358 | TST r5, 4 |
| 359 | BEQ 4b |
| 360 | |
| 361 | 6: |
| 362 | // Remainder- 1 floats of A (4 bytes) |
| 363 | VLDM r3!, {s0} // A0 |
| 364 | VLDM r9!, {d8-d11} // B0 |
| 365 | VLDM r12!, {s2} // A1 |
| 366 | VLDM r10!, {s4} // A2 |
| 367 | VLDM r7!, {s6} // A3 |
| 368 | VMLA.F32 q8, q4, d0[0] |
| 369 | VMLA.F32 q9, q5, d0[0] |
| 370 | VMLA.F32 q10, q4, d1[0] |
| 371 | VMLA.F32 q11, q5, d1[0] |
| 372 | VMLA.F32 q12, q4, d2[0] |
| 373 | VMLA.F32 q13, q5, d2[0] |
| 374 | VMLA.F32 q14, q4, d3[0] |
| 375 | VMLA.F32 q15, q5, d3[0] |
| 376 | B 4b |
| 377 | |
| 378 | // Store odd width |
| 379 | 10: |
| 380 | TST r1, 4 |
| 381 | BEQ 11f |
| 382 | VST1.32 {d16-d17}, [r11]! |
| 383 | VMOV q8, q9 |
| 384 | VST1.32 {d20-d21}, [r4]! |
| 385 | VMOV q10, q11 |
| 386 | VST1.32 {d24-d25}, [r8]! |
| 387 | VMOV q12, q13 |
| 388 | VST1.32 {d28-d29}, [r6]! |
| 389 | VMOV q14, q15 |
| 390 | |
| 391 | 11: |
| 392 | TST r1, 2 |
| 393 | BEQ 12f |
| 394 | VST1.32 {d16}, [r11]! |
| 395 | VMOV d16, d17 |
| 396 | VST1.32 {d20}, [r4]! |
| 397 | VMOV d20, d21 |
| 398 | VST1.32 {d24}, [r8]! |
| 399 | VMOV d24, d25 |
| 400 | VST1.32 {d28}, [r6]! |
| 401 | VMOV d28, d29 |
| 402 | |
| 403 | 12: |
| 404 | TST r1, 1 |
| 405 | BEQ 13f |
| 406 | VST1.32 {d16[0]}, [r11] |
| 407 | VST1.32 {d20[0]}, [r4] |
| 408 | VST1.32 {d24[0]}, [r8] |
| 409 | VST1.32 {d28[0]}, [r6] |
| 410 | |
| 411 | 13: |
Frank Barchard | b7dd29e | 2020-03-11 12:37:10 -0700 | [diff] [blame] | 412 | POP {r4, r5, r6, r7, r8, r9, r10, r11} |
| 413 | VPOP {d8-d15} |
| 414 | BX lr |
| 415 | |
| 416 | END_FUNCTION xnn_f32_gemm_ukernel_4x8__aarch32_neon_cortex_a55 |
| 417 | |
| 418 | #ifdef __ELF__ |
| 419 | .section ".note.GNU-stack","",%progbits |
| 420 | #endif |