sbgemm: spr: implement otcopy_16
This commit is contained in:
Wangyang Guo
parent
8632380a96
commit
82194ea9d2
|
|
@ -25,8 +25,278 @@
|
|||
* USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
|
||||
* *****************************************************************************/
|
||||
|
||||
#include <immintrin.h>
|
||||
#include "common.h"
|
||||
|
||||
#define LOAD_A_8VEC(aptr) \
|
||||
r0 = _mm256_loadu_si256((__m256i *)(aptr + lda*0)); \
|
||||
r1 = _mm256_loadu_si256((__m256i *)(aptr + lda*1)); \
|
||||
r2 = _mm256_loadu_si256((__m256i *)(aptr + lda*2)); \
|
||||
r3 = _mm256_loadu_si256((__m256i *)(aptr + lda*3)); \
|
||||
r4 = _mm256_loadu_si256((__m256i *)(aptr + lda*4)); \
|
||||
r5 = _mm256_loadu_si256((__m256i *)(aptr + lda*5)); \
|
||||
r6 = _mm256_loadu_si256((__m256i *)(aptr + lda*6)); \
|
||||
r7 = _mm256_loadu_si256((__m256i *)(aptr + lda*7));
|
||||
|
||||
#define MASK_LOAD_A_8VEC(aptr) \
|
||||
r0 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*0)); \
|
||||
r1 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*1)); \
|
||||
r2 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*2)); \
|
||||
r3 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*3)); \
|
||||
r4 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*4)); \
|
||||
r5 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*5)); \
|
||||
r6 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*6)); \
|
||||
r7 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*7));
|
||||
|
||||
#define SWITCH_LOAD_A_8VEC(aptr, cond) \
|
||||
switch((cond)) { \
|
||||
case 8: r7 = _mm256_loadu_si256((__m256i *)(aptr + lda*7)); \
|
||||
case 7: r6 = _mm256_loadu_si256((__m256i *)(aptr + lda*6)); \
|
||||
case 6: r5 = _mm256_loadu_si256((__m256i *)(aptr + lda*5)); \
|
||||
case 5: r4 = _mm256_loadu_si256((__m256i *)(aptr + lda*4)); \
|
||||
case 4: r3 = _mm256_loadu_si256((__m256i *)(aptr + lda*3)); \
|
||||
case 3: r2 = _mm256_loadu_si256((__m256i *)(aptr + lda*2)); \
|
||||
case 2: r1 = _mm256_loadu_si256((__m256i *)(aptr + lda*1)); \
|
||||
case 1: r0 = _mm256_loadu_si256((__m256i *)(aptr + lda*0)); \
|
||||
}
|
||||
|
||||
#define SWITCH_MASK_LOAD_A_8VEC(aptr, cond) \
|
||||
switch((cond)) { \
|
||||
case 8: r7 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*7)); \
|
||||
case 7: r6 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*6)); \
|
||||
case 6: r5 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*5)); \
|
||||
case 5: r4 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*4)); \
|
||||
case 4: r3 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*3)); \
|
||||
case 3: r2 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*2)); \
|
||||
case 2: r1 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*1)); \
|
||||
case 1: r0 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aptr + lda*0)); \
|
||||
}
|
||||
|
||||
#define REORDER_8x16(t0, t1, t2, t3, t4, t5, t6, t7) \
|
||||
t0 = _mm256_unpacklo_epi16(r0, r1); \
|
||||
t1 = _mm256_unpackhi_epi16(r0, r1); \
|
||||
t2 = _mm256_unpacklo_epi16(r2, r3); \
|
||||
t3 = _mm256_unpackhi_epi16(r2, r3); \
|
||||
t4 = _mm256_unpacklo_epi16(r4, r5); \
|
||||
t5 = _mm256_unpackhi_epi16(r4, r5); \
|
||||
t6 = _mm256_unpacklo_epi16(r6, r7); \
|
||||
t7 = _mm256_unpackhi_epi16(r6, r7); \
|
||||
r0 = _mm256_unpacklo_epi32(t0, t2); \
|
||||
r1 = _mm256_unpacklo_epi32(t1, t3); \
|
||||
r2 = _mm256_unpacklo_epi32(t4, t6); \
|
||||
r3 = _mm256_unpacklo_epi32(t5, t7); \
|
||||
r4 = _mm256_unpackhi_epi32(t0, t2); \
|
||||
r5 = _mm256_unpackhi_epi32(t1, t3); \
|
||||
r6 = _mm256_unpackhi_epi32(t4, t6); \
|
||||
r7 = _mm256_unpackhi_epi32(t5, t7); \
|
||||
t0 = _mm256_unpacklo_epi64(r0, r2); \
|
||||
t1 = _mm256_unpackhi_epi64(r0, r2); \
|
||||
t2 = _mm256_unpacklo_epi64(r4, r6); \
|
||||
t3 = _mm256_unpackhi_epi64(r4, r6); \
|
||||
t4 = _mm256_unpacklo_epi64(r1, r3); \
|
||||
t5 = _mm256_unpackhi_epi64(r1, r3); \
|
||||
t6 = _mm256_unpacklo_epi64(r5, r7); \
|
||||
t7 = _mm256_unpackhi_epi64(r5, r7);
|
||||
|
||||
#define STORE_256_LO(x) \
|
||||
v = _mm256_permute2x128_si256(t0##x, t1##x, 0x20); \
|
||||
_mm256_storeu_si256((__m256i *)(boffset + x*32), v);
|
||||
|
||||
#define STORE_256_HI(x) \
|
||||
v = _mm256_permute2x128_si256(t0##x, t1##x, 0x31); \
|
||||
_mm256_storeu_si256((__m256i *)(boffset + (x + 8)*32), v);
|
||||
|
||||
#define MASK_STORE_256_LO(x) \
|
||||
v = _mm256_permute2x128_si256(t0##x, t1##x, 0x20); \
|
||||
_mm256_mask_storeu_epi16(boffset + x*m_load, mmask, v);
|
||||
|
||||
#define MASK_STORE_256_HI(x) \
|
||||
v = _mm256_permute2x128_si256(t0##x, t1##x, 0x31); \
|
||||
_mm256_mask_storeu_epi16(boffset + (x + 8)*m_load, mmask, v);
|
||||
|
||||
#define STORE_256(x, y) {\
|
||||
__m256i v; \
|
||||
if (x == 0) { STORE_256_LO(y); } \
|
||||
else { STORE_256_HI(y); } \
|
||||
}
|
||||
|
||||
#define MASK_STORE_256(x, y) {\
|
||||
__m256i v; \
|
||||
if (x == 0) { MASK_STORE_256_LO(y); } \
|
||||
else { MASK_STORE_256_HI(y); } \
|
||||
}
|
||||
|
||||
#define SWITCH_STORE_16x(cond, func) \
|
||||
switch((cond)) {\
|
||||
case 15: func(1, 6); \
|
||||
case 14: func(1, 5); \
|
||||
case 13: func(1, 4); \
|
||||
case 12: func(1, 3); \
|
||||
case 11: func(1, 2); \
|
||||
case 10: func(1, 1); \
|
||||
case 9: func(1, 0); \
|
||||
case 8: func(0, 7); \
|
||||
case 7: func(0, 6); \
|
||||
case 6: func(0, 5); \
|
||||
case 5: func(0, 4); \
|
||||
case 4: func(0, 3); \
|
||||
case 3: func(0, 2); \
|
||||
case 2: func(0, 1); \
|
||||
case 1: func(0, 0); \
|
||||
}
|
||||
|
||||
|
||||
int CNAME(BLASLONG m, BLASLONG n, IFLOAT *a, BLASLONG lda, IFLOAT *b) {
|
||||
IFLOAT *aoffset, *boffset;
|
||||
IFLOAT *aoffset00, *aoffset01, *aoffset10, *aoffset11;
|
||||
IFLOAT *boffset0;
|
||||
|
||||
__m256i r0, r1, r2, r3, r4, r5, r6, r7;
|
||||
__m256i t00, t01, t02, t03, t04, t05, t06, t07;
|
||||
__m256i t10, t11, t12, t13, t14, t15, t16, t17;
|
||||
|
||||
aoffset = a;
|
||||
boffset = b;
|
||||
BLASLONG n_count = n;
|
||||
BLASLONG m_count = m;
|
||||
for (; n_count > 15; n_count -= 16) {
|
||||
aoffset00 = aoffset;
|
||||
aoffset01 = aoffset00 + 8 * lda;
|
||||
aoffset10 = aoffset01 + 8 * lda;
|
||||
aoffset11 = aoffset10 + 8 * lda;
|
||||
aoffset += 16;
|
||||
m_count = m;
|
||||
for (; m_count > 31; m_count -= 32) {
|
||||
// first 16 rows
|
||||
LOAD_A_8VEC(aoffset00);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
LOAD_A_8VEC(aoffset01);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
STORE_256(0, 0); STORE_256(0, 1); STORE_256(0, 2); STORE_256(0, 3);
|
||||
STORE_256(0, 4); STORE_256(0, 5); STORE_256(0, 6); STORE_256(0, 7);
|
||||
STORE_256(1, 0); STORE_256(1, 1); STORE_256(1, 2); STORE_256(1, 3);
|
||||
STORE_256(1, 4); STORE_256(1, 5); STORE_256(1, 6); STORE_256(1, 7);
|
||||
// last 16 rows
|
||||
boffset += 16;
|
||||
LOAD_A_8VEC(aoffset10);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
LOAD_A_8VEC(aoffset11);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
STORE_256(0, 0); STORE_256(0, 1); STORE_256(0, 2); STORE_256(0, 3);
|
||||
STORE_256(0, 4); STORE_256(0, 5); STORE_256(0, 6); STORE_256(0, 7);
|
||||
STORE_256(1, 0); STORE_256(1, 1); STORE_256(1, 2); STORE_256(1, 3);
|
||||
STORE_256(1, 4); STORE_256(1, 5); STORE_256(1, 6); STORE_256(1, 7);
|
||||
aoffset00 += 32 * lda;
|
||||
aoffset01 += 32 * lda;
|
||||
aoffset10 += 32 * lda;
|
||||
aoffset11 += 32 * lda;
|
||||
boffset += 31 * 16;
|
||||
}
|
||||
if (m_count > 1) {
|
||||
int m_load = m_count & ~1;
|
||||
m_count -= m_load;
|
||||
__mmask16 mmask;
|
||||
SWITCH_LOAD_A_8VEC(aoffset00, m_load > 8 ? 8: m_load);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
if (m_load > 8) {
|
||||
SWITCH_LOAD_A_8VEC(aoffset01, m_load > 16 ? 8: m_load - 8);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
}
|
||||
int this_load = m_load > 16 ? 16 : m_load;
|
||||
mmask = (1UL << this_load) - 1;
|
||||
MASK_STORE_256(0, 0); MASK_STORE_256(0, 1); MASK_STORE_256(0, 2); MASK_STORE_256(0, 3);
|
||||
MASK_STORE_256(0, 4); MASK_STORE_256(0, 5); MASK_STORE_256(0, 6); MASK_STORE_256(0, 7);
|
||||
MASK_STORE_256(1, 0); MASK_STORE_256(1, 1); MASK_STORE_256(1, 2); MASK_STORE_256(1, 3);
|
||||
MASK_STORE_256(1, 4); MASK_STORE_256(1, 5); MASK_STORE_256(1, 6); MASK_STORE_256(1, 7);
|
||||
boffset0 = boffset;
|
||||
if (m_load > 16) {
|
||||
boffset += this_load;
|
||||
SWITCH_LOAD_A_8VEC(aoffset10, m_load > 24 ? 8: m_load - 16);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
if (m_load > 24) {
|
||||
SWITCH_LOAD_A_8VEC(aoffset11, m_load - 24);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
}
|
||||
this_load = m_load - 16;
|
||||
mmask = (1UL << this_load) - 1;
|
||||
MASK_STORE_256(0, 0); MASK_STORE_256(0, 1); MASK_STORE_256(0, 2); MASK_STORE_256(0, 3);
|
||||
MASK_STORE_256(0, 4); MASK_STORE_256(0, 5); MASK_STORE_256(0, 6); MASK_STORE_256(0, 7);
|
||||
MASK_STORE_256(1, 0); MASK_STORE_256(1, 1); MASK_STORE_256(1, 2); MASK_STORE_256(1, 3);
|
||||
MASK_STORE_256(1, 4); MASK_STORE_256(1, 5); MASK_STORE_256(1, 6); MASK_STORE_256(1, 7);
|
||||
}
|
||||
boffset = boffset0 + 16 * m_load;
|
||||
aoffset00 += m_load * lda;
|
||||
}
|
||||
if (m_count > 0) {
|
||||
// just copy lask K to B directly
|
||||
r0 = _mm256_loadu_si256((__m256i *)(aoffset00));
|
||||
_mm256_storeu_si256((__m256i *)(boffset), r0);
|
||||
boffset += 16;
|
||||
}
|
||||
}
|
||||
if (n_count > 0) {
|
||||
__mmask16 nmask = (1UL << n_count) - 1;
|
||||
aoffset00 = aoffset;
|
||||
aoffset01 = aoffset00 + 8 * lda;
|
||||
aoffset10 = aoffset01 + 8 * lda;
|
||||
aoffset11 = aoffset10 + 8 * lda;
|
||||
m_count = m;
|
||||
for (; m_count > 31; m_count -= 32) {
|
||||
// first 16 rows
|
||||
MASK_LOAD_A_8VEC(aoffset00);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
MASK_LOAD_A_8VEC(aoffset01);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
SWITCH_STORE_16x(n_count, STORE_256);
|
||||
// last 16 rows
|
||||
boffset0 = boffset;
|
||||
boffset += 16;
|
||||
MASK_LOAD_A_8VEC(aoffset10);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
MASK_LOAD_A_8VEC(aoffset11);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
SWITCH_STORE_16x(n_count, STORE_256);
|
||||
aoffset00 += 32 * lda;
|
||||
aoffset01 += 32 * lda;
|
||||
aoffset10 += 32 * lda;
|
||||
aoffset11 += 32 * lda;
|
||||
boffset = 32 * n_count + boffset0;
|
||||
}
|
||||
if (m_count > 1) {
|
||||
int m_load = m_count & ~1;
|
||||
m_count -= m_load;
|
||||
__mmask16 mmask;
|
||||
SWITCH_MASK_LOAD_A_8VEC(aoffset00, m_load > 8 ? 8: m_load);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
if (m_load > 8) {
|
||||
SWITCH_MASK_LOAD_A_8VEC(aoffset01, m_load > 16 ? 8: m_load - 8);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
}
|
||||
int this_load = m_load > 16 ? 16 : m_load;
|
||||
mmask = (1UL << this_load) - 1;
|
||||
SWITCH_STORE_16x(n_count, MASK_STORE_256);
|
||||
boffset0 = boffset;
|
||||
if (m_load > 16) {
|
||||
boffset += this_load;
|
||||
SWITCH_MASK_LOAD_A_8VEC(aoffset10, m_load > 24 ? 8: m_load - 16);
|
||||
REORDER_8x16(t00, t01, t02, t03, t04, t05, t06, t07);
|
||||
if (m_load > 24) {
|
||||
SWITCH_MASK_LOAD_A_8VEC(aoffset11, m_load - 24);
|
||||
REORDER_8x16(t10, t11, t12, t13, t14, t15, t16, t17);
|
||||
}
|
||||
this_load = m_load - 16;
|
||||
mmask = (1UL << this_load) - 1;
|
||||
SWITCH_STORE_16x(n_count, MASK_STORE_256);
|
||||
}
|
||||
boffset = boffset0 + n_count * m_load;
|
||||
aoffset00 += m_load * lda;
|
||||
}
|
||||
if (m_count > 0) {
|
||||
// just copy lask K to B directly
|
||||
r0 = _mm256_maskz_loadu_epi16(nmask, (__m256i *)(aoffset00));
|
||||
_mm256_mask_storeu_epi16((__m256i *)(boffset), nmask, r0);
|
||||
boffset += 16;
|
||||
}
|
||||
}
|
||||
return 0;
|
||||
}
|
||||
|
|
|
|||
Loading…
Reference in New Issue