Frank Barchard | c87a8fd | 2020-02-12 13:02:52 -0800 | [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_igemm_ukernel_4x8__aarch32_neon_cortex_a53( |
| 11 | // size_t mr, r0 |
| 12 | // size_t nc, r1 |
| 13 | // size_t kc, r2 -> r5 -> sp + 68 |
| 14 | // size_t ks, r3 -> sp + 72 -> r14 |
| 15 | // const float**restrict a, sp + 112 -> (r5) |
| 16 | // const void*restrict w, sp + 116 -> r9 |
| 17 | // uint8_t*restrict c, sp + 120 -> r11 |
| 18 | // size_t cm_stride, sp + 124 -> (r6) |
| 19 | // size_t cn_stride, sp + 128 -> (r0) |
| 20 | // size_t a_offset, sp + 132 -> (r5) |
| 21 | // const float* zero, sp + 136 -> (r0) |
Marat Dukhan | eb09a6b | 2020-04-08 17:34:32 -0700 | [diff] [blame] | 22 | // minmax_params*params, sp + 140 -> (r5) |
Frank Barchard | c87a8fd | 2020-02-12 13:02:52 -0800 | [diff] [blame] | 23 | |
| 24 | // inner loop registers |
| 25 | // r0, r2 scratch temporaries for loads |
| 26 | |
| 27 | // A0 r3 d0 |
| 28 | // A1 r12 d1 |
| 29 | // A2 r10 d2 |
| 30 | // A3 r7 d3 |
| 31 | |
| 32 | // B r9 d8, d9, d10, d11 |
| 33 | // B d12, d13, d14, d15 |
| 34 | |
| 35 | // C0 r11 d16-d17 q8 d18-d19 q9 |
| 36 | // C1 r4 d20-d21 q10 d22-d23 q11 |
| 37 | // C2 r8 d24-d25 q12 d26-d27 q13 |
| 38 | // C3 r6 d28-d29 q14 d30-d31 q15 |
| 39 | |
| 40 | // Clamp (r5) d4 d5 d6 d7 |
| 41 | |
| 42 | BEGIN_FUNCTION xnn_f32_igemm_ukernel_4x8__aarch32_neon_cortex_a53 |
| 43 | .arm |
| 44 | #ifndef __APPLE__ |
| 45 | .arch armv7-a |
| 46 | .fpu neon |
| 47 | #endif |
| 48 | // Push 112 bytes |
| 49 | // r2 will be reloaded in outer loop. r3 is ks |
| 50 | PUSH {r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, r14} // +44 |
| 51 | SUB sp, sp, 4 // 4 |
| 52 | VPUSH {d8-d15} // +64 = 112 |
| 53 | |
| 54 | LDR r11, [sp, 120] // c |
| 55 | LDR r6, [sp, 124] // cm_stride |
| 56 | LDR r5, [sp, 112] // a |
| 57 | LDR r9, [sp, 116] // w |
| 58 | MOV r14, r3 // p = ks |
| 59 | |
| 60 | // Clamp C pointers |
| 61 | CMP r0, 2 // if mr >= 2 |
| 62 | ADD r4, r11, r6 // c1 = c0 + cm_stride |
| 63 | MOVLO r4, r11 // c1 |
| 64 | // if mr > 2 |
| 65 | ADD r8, r4, r6 // c2 = c1 + cm_stride |
| 66 | MOVLS r8, r4 // c2 |
| 67 | CMP r0, 4 // if mr >=4 |
| 68 | ADD r6, r8, r6 // c3 = c2 + cm_stride |
| 69 | MOVLO r6, r8 // c3 |
| 70 | |
| 71 | |
| 72 | .p2align 3 |
| 73 | 0: |
| 74 | # Load initial bias from w into accumulators |
| 75 | VLDM r9!, {d16-d19} // Bias |
| 76 | |
| 77 | VMOV q10, q8 |
| 78 | VMOV q11, q9 |
| 79 | VMOV q12, q8 |
| 80 | VMOV q13, q9 |
| 81 | PLD [r9, 0] // Prefetch B |
| 82 | PLD [r9, 64] |
| 83 | VMOV q14, q8 |
| 84 | PLD [r9, 128] |
| 85 | PLD [r9, 192] |
| 86 | VMOV q15, q9 |
| 87 | PLD [r9, 256] |
| 88 | PLD [r9, 320] |
| 89 | |
| 90 | 1: |
| 91 | # Load next 4 A pointers |
| 92 | LDR r3, [r5, 0] |
| 93 | LDR r12, [r5, 4] |
| 94 | LDR r10, [r5, 8] |
| 95 | LDR r7, [r5, 12] |
| 96 | ADD r5, r5, 16 |
| 97 | PLD [r3, 0] // Prefetch A |
| 98 | STR r5, [sp, 112] // a |
| 99 | PLD [r3, 64] |
| 100 | LDR r0, [sp, 136] // zero |
| 101 | PLD [r12, 0] |
| 102 | LDR r5, [sp, 132] // a_offset |
| 103 | PLD [r12, 64] |
| 104 | LDR r2, [sp, 68] // kc |
| 105 | PLD [r10, 0] |
| 106 | PLD [r10, 64] |
| 107 | PLD [r7, 0] |
| 108 | PLD [r7, 64] |
| 109 | |
| 110 | // Add a_offset |
| 111 | CMP r3, r0 // if a0 == zero |
| 112 | ADD r3, r3, r5 // a0 += a_offset |
| 113 | MOVEQ r3, r0 // a0 = zero, else += a0 + a_offset |
| 114 | CMP r12, r0 // if a1 == zero |
| 115 | ADD r12, r12, r5 // a1 += a_offset |
| 116 | MOVEQ r12, r0 // a1 = zero, else += a1 + a_offset |
| 117 | CMP r10, r0 // if a2 == zero |
| 118 | ADD r10, r10, r5 // a2 += a_offset |
| 119 | MOVEQ r10, r0 // a2 = zero, else += a2 + a_offset |
| 120 | CMP r7, r0 // if a3 == zero |
| 121 | ADD r7, r7, r5 // a3 += a_offset |
| 122 | MOVEQ r7, r0 // a3 = zero, else += a3 + a_offset |
| 123 | |
| 124 | SUBS r5, r2, 16 // kc - 16 |
| 125 | BLO 5f // less than 4 channels? |
| 126 | |
| 127 | // Prologue |
| 128 | VLD1.32 {d0}, [r3]! // A0 |
| 129 | VLD1.32 {d1}, [r12]! // A1 |
| 130 | VLD1.32 {d2}, [r10]! // A2 |
| 131 | VLD1.32 {d3}, [r7]! // A3 |
| 132 | SUBS r5, r5, 16 |
| 133 | VLDM r9, {d8-d11} // B0 |
| 134 | LDR r0, [r9, 56] // B1 low VMOV is in BLOCK 0 |
| 135 | LDR r2, [r9, 60] // B1 high |
| 136 | VLDR d13, [r9, 40] // B1 |
| 137 | |
| 138 | BLO 3f // less than 4 channels? skip main loop |
| 139 | |
| 140 | # Main loop - 4 floats of A (16 bytes) |
| 141 | # 32 FMA + 8 LD64 A + 8 LDR B |
| 142 | .p2align 3 |
| 143 | 2: |
| 144 | # First group of 16 FMA, Second group loads |
| 145 | // BLOCK 0 |
| 146 | VLD1.32 {d4}, [r3]! // A0 |
| 147 | VMOV d15, r0, r2 // b1 VMOV b from second group |
| 148 | VMLA.F32 q8, q4, d0[0] |
| 149 | LDR r0, [r12] // A1 low |
| 150 | VMLA.F32 q10, q4, d1[0] |
| 151 | LDR r2, [r12, 4] // A1 high |
| 152 | VMLA.F32 q12, q4, d2[0] |
| 153 | PLD [r3, 128] // Prefetch A0 |
| 154 | |
| 155 | // BLOCK 1 |
| 156 | VLDR d12, [r9, 32] // B1 |
| 157 | VMOV d5, r0, r2 // a1 VMOV |
| 158 | VMLA.F32 q14, q4, d3[0] |
| 159 | LDR r0, [r9, 72] // B0 low |
| 160 | VMLA.F32 q9, q5, d0[0] |
| 161 | LDR r2, [r9, 76] // B0 high |
| 162 | VMLA.F32 q11, q5, d1[0] |
| 163 | PLD [r12, 128] // Prefetch A1 |
| 164 | |
| 165 | // BLOCK 2 |
| 166 | VLD1.32 {d6}, [r10]! // A2 |
| 167 | VMOV d9, r0, r2 // b0 VMOV |
| 168 | VMLA.F32 q13, q5, d2[0] |
| 169 | LDR r0, [r7] // A3 low |
| 170 | VMLA.F32 q15, q5, d3[0] |
| 171 | LDR r2, [r7, 4] // A3 high |
| 172 | VMLA.F32 q8, q6, d0[1] |
| 173 | PLD [r10, 128] // Prefetch A2 |
| 174 | |
| 175 | // BLOCK 3 |
| 176 | VLDR d14, [r9, 48] // B1 |
| 177 | VMOV d7, r0, r2 // a3 VMOV |
| 178 | VMLA.F32 q10, q6, d1[1] |
| 179 | LDR r0, [r9, 88] // B0 low |
| 180 | VMLA.F32 q12, q6, d2[1] |
| 181 | LDR r2, [r9, 92] // B0 high |
| 182 | VMLA.F32 q14, q6, d3[1] |
| 183 | PLD [r7, 128] // Prefetch A3 |
| 184 | |
| 185 | // BLOCK 4 |
| 186 | VLDR d8, [r9, 64] // B0 |
| 187 | VMOV d11, r0, r2 // B0 VMOV |
| 188 | VMLA.F32 q9, q7, d0[1] |
| 189 | LDR r0, [r9, 104] // B1 low VMOV is in BLOCK 0 |
| 190 | VMLA.F32 q11, q7, d1[1] |
| 191 | LDR r2, [r9, 108] // B1 high |
| 192 | VMLA.F32 q13, q7, d2[1] |
| 193 | PLD [r9, 384] // Prefetch B |
| 194 | |
| 195 | // BLOCK 5 |
| 196 | VLDR d10, [r9, 80] // B0 |
| 197 | VMOV d13, r0, r2 // b1 VMOV b from second group |
| 198 | VMLA.F32 q15, q7, d3[1] |
| 199 | LDR r0, [r9, 120] // B1 low VMOV is in BLOCK 0 |
| 200 | NOP |
| 201 | LDR r2, [r9, 124] // B1 high |
| 202 | NOP |
| 203 | PLD [r9, 448] // Prefetch B |
| 204 | |
| 205 | # Second group of 16 FMA, First group of loads |
| 206 | // BLOCK 0 |
| 207 | VLD1.32 {d0}, [r3]! // A0 |
| 208 | VMOV d15, r0, r2 // b1 VMOV b from second group |
| 209 | VMLA.F32 q8, q4, d4[0] |
| 210 | LDR r0, [r12, 8] // A1 low |
| 211 | VMLA.F32 q10, q4, d5[0] |
| 212 | LDR r2, [r12, 12] // A1 high |
| 213 | VMLA.F32 q12, q4, d6[0] |
| 214 | // NOP |
| 215 | |
| 216 | // BLOCK 1 |
| 217 | VLDR d12, [r9, 96] // B1 |
| 218 | VMOV d1, r0, r2 // a1 VMOV |
| 219 | VMLA.F32 q14, q4, d7[0] |
| 220 | LDR r0, [r9, 136] // B0 low |
| 221 | VMLA.F32 q9, q5, d4[0] |
| 222 | LDR r2, [r9, 140] // B0 high |
| 223 | VMLA.F32 q11, q5, d5[0] |
| 224 | // NOP |
| 225 | |
| 226 | // BLOCK 2 |
| 227 | VLD1.32 {d2}, [r10]! // A2 |
| 228 | VMOV d9, r0, r2 // b0 VMOV |
| 229 | VMLA.F32 q13, q5, d6[0] |
| 230 | LDR r0, [r7, 8] // A3 low |
| 231 | VMLA.F32 q15, q5, d7[0] |
| 232 | LDR r2, [r7, 12] // A3 high |
| 233 | VMLA.F32 q8, q6, d4[1] |
| 234 | // NOP |
| 235 | |
| 236 | // BLOCK 3 |
| 237 | VLDR d14, [r9, 112] // B1 |
| 238 | VMOV d3, r0, r2 // a3 VMOV |
| 239 | VMLA.F32 q10, q6, d5[1] |
| 240 | LDR r0, [r9, 152] // B0 low |
| 241 | VMLA.F32 q12, q6, d6[1] |
| 242 | LDR r2, [r9, 156] // B0 high |
| 243 | VMLA.F32 q14, q6, d7[1] |
| 244 | ADD r12, r12, 16 // A1++ |
| 245 | |
| 246 | // BLOCK 4 |
| 247 | VLDR d8, [r9, 128] // B0 |
| 248 | VMOV d11, r0, r2 // B0 VMOV |
| 249 | VMLA.F32 q9, q7, d4[1] |
| 250 | LDR r0, [r9, 168] // B1 low |
| 251 | VMLA.F32 q11, q7, d5[1] |
| 252 | LDR r2, [r9, 172] // B1 high |
| 253 | VMLA.F32 q13, q7, d6[1] |
| 254 | ADD r7, r7, 16 // A3++ |
| 255 | |
| 256 | // BLOCK 5 |
| 257 | VLDR d10, [r9, 144] // B0 |
| 258 | VMOV d13, r0, r2 // b1 VMOV b |
| 259 | VMLA.F32 q15, q7, d7[1] |
| 260 | LDR r0, [r9, 184] // B1 low VMOV is in BLOCK 0 |
| 261 | SUBS r5, r5, 16 |
| 262 | LDR r2, [r9, 188] // B1 high |
| 263 | ADD r9, r9, 128 // B++ |
| 264 | BHS 2b |
| 265 | |
| 266 | # Epilogue - 4 floats of A (16 bytes) |
| 267 | 3: |
| 268 | # First group of 16 FMA, Second group loads |
| 269 | // BLOCK 0 |
| 270 | VLD1.32 {d4}, [r3]! // A0 |
| 271 | VMOV d15, r0, r2 // b1 VMOV b from second group |
| 272 | VMLA.F32 q8, q4, d0[0] |
| 273 | LDR r0, [r12] // A1 low |
| 274 | VMLA.F32 q10, q4, d1[0] |
| 275 | LDR r2, [r12, 4] // A1 high |
| 276 | VMLA.F32 q12, q4, d2[0] |
| 277 | // NOP |
| 278 | |
| 279 | // BLOCK 1 |
| 280 | VLDR d12, [r9, 32] // B1 |
| 281 | VMOV d5, r0, r2 // a1 VMOV |
| 282 | VMLA.F32 q14, q4, d3[0] |
| 283 | LDR r0, [r9, 72] // B0 low |
| 284 | VMLA.F32 q9, q5, d0[0] |
| 285 | LDR r2, [r9, 76] // B0 high |
| 286 | VMLA.F32 q11, q5, d1[0] |
| 287 | // NOP |
| 288 | |
| 289 | // BLOCK 2 |
| 290 | VLD1.32 {d6}, [r10]! // A2 |
| 291 | VMOV d9, r0, r2 // b0 VMOV |
| 292 | VMLA.F32 q13, q5, d2[0] |
| 293 | LDR r0, [r7] // A3 low |
| 294 | VMLA.F32 q15, q5, d3[0] |
| 295 | LDR r2, [r7, 4] // A3 high |
| 296 | VMLA.F32 q8, q6, d0[1] |
| 297 | // NOP |
| 298 | |
| 299 | // BLOCK 3 |
| 300 | VLDR d14, [r9, 48] // B1 |
| 301 | VMOV d7, r0, r2 // a3 VMOV |
| 302 | VMLA.F32 q10, q6, d1[1] |
| 303 | LDR r0, [r9, 88] // B0 low |
| 304 | VMLA.F32 q12, q6, d2[1] |
| 305 | LDR r2, [r9, 92] // B0 high |
| 306 | VMLA.F32 q14, q6, d3[1] |
| 307 | // NOP |
| 308 | |
| 309 | // BLOCK 4 |
| 310 | VLDR d8, [r9, 64] // B0 |
| 311 | VMOV d11, r0, r2 // B0 VMOV |
| 312 | VMLA.F32 q9, q7, d0[1] |
| 313 | LDR r0, [r9, 104] // B1 low |
| 314 | VMLA.F32 q11, q7, d1[1] |
| 315 | LDR r2, [r9, 108] // B1 high |
| 316 | VMLA.F32 q13, q7, d2[1] |
| 317 | // NOP |
| 318 | |
| 319 | // BLOCK 5 |
| 320 | VLDR d10, [r9, 80] // B0 |
| 321 | VMOV d13, r0, r2 // b1 VMOV b |
| 322 | VMLA.F32 q15, q7, d3[1] |
| 323 | LDR r0, [r9, 120] // B1 low VMOV is in BLOCK 0 |
| 324 | NOP |
| 325 | LDR r2, [r9, 124] // B1 high |
| 326 | NOP |
| 327 | NOP |
| 328 | |
| 329 | # Second group of 16 FMA, First group of loads |
| 330 | // BLOCK 0 |
| 331 | VLDR d12, [r9, 96] // B1 |
| 332 | VMOV d15, r0, r2 // b1 VMOV b from second group |
| 333 | VMLA.F32 q8, q4, d4[0] |
| 334 | VMLA.F32 q10, q4, d5[0] |
| 335 | VMLA.F32 q12, q4, d6[0] |
| 336 | |
| 337 | // BLOCK 1 |
| 338 | VLDR d14, [r9, 112] // B1 |
| 339 | VMLA.F32 q14, q4, d7[0] |
| 340 | VMLA.F32 q9, q5, d4[0] |
| 341 | VMLA.F32 q11, q5, d5[0] |
| 342 | ADD r12, r12, 8 // A1++ |
| 343 | |
| 344 | // BLOCK 2 |
| 345 | ADD r7, r7, 8 // A3++ VLDR B1 lands here |
| 346 | ADD r9, r9, 128 // B++ |
| 347 | VMLA.F32 q13, q5, d6[0] |
| 348 | VMLA.F32 q15, q5, d7[0] |
| 349 | VMLA.F32 q8, q6, d4[1] |
| 350 | |
| 351 | // BLOCK 3 |
| 352 | VMLA.F32 q10, q6, d5[1] |
| 353 | VMLA.F32 q12, q6, d6[1] |
| 354 | VMLA.F32 q14, q6, d7[1] |
| 355 | TST r5, 15 |
| 356 | |
| 357 | // BLOCK 4 |
| 358 | VMLA.F32 q9, q7, d4[1] |
| 359 | VMLA.F32 q11, q7, d5[1] |
| 360 | VMLA.F32 q13, q7, d6[1] |
| 361 | |
| 362 | // BLOCK 5 |
| 363 | VMLA.F32 q15, q7, d7[1] |
| 364 | |
| 365 | // Is there a remainder?- 1 to 3 floats of A (4, 8 or 12 bytes) |
| 366 | BNE 5f |
| 367 | |
| 368 | .p2align 3 |
| 369 | 4: |
| 370 | LDR r5, [sp, 112] // a |
| 371 | SUBS r14, r14, 16 // ks -= MR * sizeof(void*) |
| 372 | |
| 373 | # ks loop |
Frank Barchard | 16d7272 | 2020-02-12 15:46:20 -0800 | [diff] [blame] | 374 | BHI 1b |
Frank Barchard | c87a8fd | 2020-02-12 13:02:52 -0800 | [diff] [blame] | 375 | |
| 376 | // Load params pointer |
| 377 | LDR r0, [sp, 128] // cn_stride |
Marat Dukhan | eb09a6b | 2020-04-08 17:34:32 -0700 | [diff] [blame] | 378 | LDR r2, [sp, 140] // params |
Frank Barchard | c87a8fd | 2020-02-12 13:02:52 -0800 | [diff] [blame] | 379 | LDR r14, [sp, 72] // p = ks |
| 380 | SUBS r1, r1, 8 |
| 381 | |
Marat Dukhan | eb09a6b | 2020-04-08 17:34:32 -0700 | [diff] [blame] | 382 | // Load min/max values |
Frank Barchard | c87a8fd | 2020-02-12 13:02:52 -0800 | [diff] [blame] | 383 | VLD1.32 {d4[],d5[]}, [r2]! |
| 384 | VLD1.32 {d6[],d7[]}, [r2] |
| 385 | |
| 386 | // Clamp |
Marat Dukhan | a51cf48 | 2020-04-08 16:16:19 -0700 | [diff] [blame] | 387 | VMAX.F32 q8, q8, q2 |
| 388 | VMAX.F32 q9, q9, q2 |
| 389 | VMAX.F32 q10, q10, q2 |
| 390 | VMAX.F32 q11, q11, q2 |
| 391 | VMAX.F32 q12, q12, q2 |
| 392 | VMAX.F32 q13, q13, q2 |
| 393 | VMAX.F32 q14, q14, q2 |
| 394 | VMAX.F32 q15, q15, q2 |
| 395 | VMIN.F32 q8, q8, q3 |
| 396 | VMIN.F32 q9, q9, q3 |
| 397 | VMIN.F32 q10, q10, q3 |
| 398 | VMIN.F32 q11, q11, q3 |
| 399 | VMIN.F32 q12, q12, q3 |
| 400 | VMIN.F32 q13, q13, q3 |
| 401 | VMIN.F32 q14, q14, q3 |
| 402 | VMIN.F32 q15, q15, q3 |
Frank Barchard | c87a8fd | 2020-02-12 13:02:52 -0800 | [diff] [blame] | 403 | |
| 404 | // Store full 4 x 8 |
| 405 | BLO 10f |
| 406 | VST1.32 {d28-d31}, [r6], r0 |
| 407 | VST1.32 {d24-d27}, [r8], r0 |
| 408 | VST1.32 {d20-d23}, [r4], r0 |
| 409 | VST1.32 {d16-d19}, [r11], r0 |
| 410 | |
| 411 | SUB r5, r5, r14 // a -= ks |
| 412 | |
| 413 | BHI 0b |
| 414 | |
| 415 | VPOP {d8-d15} |
| 416 | ADD sp, sp, 12 // skip pad, r2, r3 |
| 417 | POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 418 | |
| 419 | .p2align 3 |
| 420 | 5: |
| 421 | // Is there a remainder?- 2 floats of A (8 bytes) |
| 422 | TST r5, 8 |
| 423 | BEQ 6f |
| 424 | |
| 425 | // Remainder - 2 floats of A (8 bytes) |
| 426 | VLD1.32 {d0}, [r3]! // A0 |
| 427 | VLDM r9!, {d8-d11} // B0 |
| 428 | VLD1.32 {d1}, [r12]! // A1 |
| 429 | VLD1.32 {d2}, [r10]! // A2 |
| 430 | VLD1.32 {d3}, [ r7]! // A3 |
| 431 | |
| 432 | VMLA.F32 q8, q4, d0[0] |
| 433 | VMLA.F32 q9, q5, d0[0] |
| 434 | VMLA.F32 q10, q4, d1[0] |
| 435 | VMLA.F32 q11, q5, d1[0] |
| 436 | VLDM r9!, {d12-d15} // B1 |
| 437 | VMLA.F32 q12, q4, d2[0] |
| 438 | VMLA.F32 q13, q5, d2[0] |
| 439 | VMLA.F32 q14, q4, d3[0] |
| 440 | VMLA.F32 q15, q5, d3[0] |
| 441 | VMLA.F32 q8, q6, d0[1] |
| 442 | VMLA.F32 q9, q7, d0[1] |
| 443 | VMLA.F32 q10, q6, d1[1] |
| 444 | VMLA.F32 q11, q7, d1[1] |
| 445 | VMLA.F32 q12, q6, d2[1] |
| 446 | VMLA.F32 q13, q7, d2[1] |
| 447 | VMLA.F32 q14, q6, d3[1] |
| 448 | VMLA.F32 q15, q7, d3[1] |
| 449 | |
| 450 | // Is there a remainder?- 1 floats of A (4 bytes) |
| 451 | TST r5, 4 |
| 452 | BEQ 4b |
| 453 | |
| 454 | 6: |
| 455 | // Remainder- 1 floats of A (4 bytes) |
| 456 | VLDM r3!, {s0} // A0 |
| 457 | VLDM r9!, {d8-d11} // B0 |
| 458 | VLDM r12!, {s2} // A1 |
| 459 | VLDM r10!, {s4} // A2 |
| 460 | VLDM r7!, {s6} // A3 |
| 461 | VMLA.F32 q8, q4, d0[0] |
| 462 | VMLA.F32 q9, q5, d0[0] |
| 463 | VMLA.F32 q10, q4, d1[0] |
| 464 | VMLA.F32 q11, q5, d1[0] |
| 465 | VMLA.F32 q12, q4, d2[0] |
| 466 | VMLA.F32 q13, q5, d2[0] |
| 467 | VMLA.F32 q14, q4, d3[0] |
| 468 | VMLA.F32 q15, q5, d3[0] |
| 469 | B 4b |
| 470 | |
| 471 | // Store odd width |
| 472 | 10: |
| 473 | TST r1, 4 |
| 474 | BEQ 11f |
| 475 | VST1.32 {d28-d29}, [r6]! |
| 476 | VMOV q14, q15 |
| 477 | VST1.32 {d24-d25}, [r8]! |
| 478 | VMOV q12, q13 |
| 479 | VST1.32 {d20-d21}, [r4]! |
| 480 | VMOV q10, q11 |
| 481 | VST1.32 {d16-d17}, [r11]! |
| 482 | VMOV q8, q9 |
| 483 | |
| 484 | 11: |
| 485 | TST r1, 2 |
| 486 | BEQ 12f |
| 487 | VST1.32 {d28}, [r6]! |
| 488 | VMOV d28, d29 |
| 489 | VST1.32 {d24}, [r8]! |
| 490 | VMOV d24, d25 |
| 491 | VST1.32 {d20}, [r4]! |
| 492 | VMOV d20, d21 |
| 493 | VST1.32 {d16}, [r11]! |
| 494 | VMOV d16, d17 |
| 495 | |
| 496 | 12: |
| 497 | TST r1, 1 |
| 498 | BEQ 13f |
| 499 | VST1.32 {d28[0]}, [r6]! |
| 500 | VST1.32 {d24[0]}, [r8]! |
| 501 | VST1.32 {d20[0]}, [r4]! |
| 502 | VST1.32 {d16[0]}, [r11]! |
| 503 | |
| 504 | 13: |
| 505 | VPOP {d8-d15} |
| 506 | ADD sp, sp, 12 // skip pad, r2, r3 |
| 507 | POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} |
| 508 | |
| 509 | END_FUNCTION xnn_f32_igemm_ukernel_4x8__aarch32_neon_cortex_a53 |
| 510 | |
| 511 | #ifdef __ELF__ |
| 512 | .section ".note.GNU-stack","",%progbits |
| 513 | #endif |