floraachy
/
OpenBLAS
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Small change.

This commit is contained in:
Chip Kerchner 2024-09-24 16:50:21 -05:00
parent df19375560
commit 8ab6245771
1 changed files with 50 additions and 50 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

100
kernel/power/sbgemv_n_power10.c
View File

@ -68,21 +68,21 @@ static void BF16GEMV_N_MMA_1(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
vec_make_mult1(v_x0, false); vec_make_mult1(v_x0, false);
for (; i + 8 <= n8; i += 8) { for (; i + 8 <= n8; i += 8) {
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult184_mma(&temp[0], &va0[i + 0], &v_x0[ 0]); vec_load_mult184_mma(&temp[0], &va0[i + 0], &v_x0[ 0]);
vec_load_mult184_mma(&temp[2], &va0[i + 4], &v_x0[ 0]); vec_load_mult184_mma(&temp[2], &va0[i + 4], &v_x0[ 0]);
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0); vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0);
vec_store8_pair(&v_y[(i * 2) + 0], vy0); vec_store8_pair(&v_y[(i * 2) + 0], vy0);
} }
if (n8 & 4) { if (n8 & 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult184_mma(&temp[0], &va0[i + 0], &v_x0[ 0]); vec_load_mult184_mma(&temp[0], &va0[i + 0], &v_x0[ 0]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -95,10 +95,10 @@ static void BF16GEMV_N_MMA_1(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
vec_f32 vy0[2*4]; vec_f32 vy0[2*4];
for (; i + 4 <= n8; i += 4) { for (; i + 4 <= n8; i += 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult18_mma(&temp[0], &va0[i + 0], v_x0[ 0]); vec_load_mult18_mma(&temp[0], &va0[i + 0], v_x0[ 0]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -106,10 +106,10 @@ static void BF16GEMV_N_MMA_1(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
#endif #endif
for (; i < n8; i++) { for (; i < n8; i++) {
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult12_mma(&temp[0], &va0[i], v_x0[ 0]); vec_load_mult12_mma(&temp[0], &va0[i], v_x0[ 0]);
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_store_pair(&v_y[(i * 2) + 0], vy0); vec_store_pair(&v_y[(i * 2) + 0], vy0);
@ -117,19 +117,19 @@ static void BF16GEMV_N_MMA_1(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
n &= 7; n &= 7;
if (n > 4) { if (n > 4) {
vec_loadN_mult12_mma(&temp[0], &va0[i], v_x0[ 0], n);
BLASLONG n3 = n & 3; BLASLONG n3 = n & 3;
vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3); vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3);
vec_loadN_mult12_mma(&temp[0], &va0[i], v_x0[ 0], n);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3); vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3);
} else if (n) { } else if (n) {
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_loadN_mult11_mma(&temp[0], &va0[i], v_x0[ 0], n); vec_loadN_mult11_mma(&temp[0], &va0[i], v_x0[ 0], n);
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n); vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n);
@ -163,20 +163,20 @@ static void BF16GEMV_N_MMA_2(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
vec_make_mult1(v_x0, false); vec_make_mult1(v_x0, false);
for (; i + 8 <= n8; i += 8) { for (; i + 8 <= n8; i += 8) {
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult288a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]); vec_load_mult288a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]);
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0); vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0);
vec_store8_pair(&v_y[(i * 2) + 0], vy0); vec_store8_pair(&v_y[(i * 2) + 0], vy0);
} }
if (n8 & 4) { if (n8 & 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult284a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]); vec_load_mult284a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -189,10 +189,10 @@ static void BF16GEMV_N_MMA_2(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
v_x0[0] = vec_loadN(x_bf, 2); v_x0[0] = vec_loadN(x_bf, 2);
for (; i + 4 <= n8; i += 4) { for (; i + 4 <= n8; i += 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult28a_mma(&temp[0], &va0[i + 0], &va1[i + 0], v_x0[ 0]); vec_load_mult28a_mma(&temp[0], &va0[i + 0], &va1[i + 0], v_x0[ 0]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -200,10 +200,10 @@ static void BF16GEMV_N_MMA_2(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
#endif #endif
for (; i < n8; i++) { for (; i < n8; i++) {
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0]); vec_load_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0]);
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_store_pair(&v_y[(i * 2) + 0], vy0); vec_store_pair(&v_y[(i * 2) + 0], vy0);
@ -211,19 +211,19 @@ static void BF16GEMV_N_MMA_2(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
n &= 7; n &= 7;
if (n > 4) { if (n > 4) {
vec_loadN_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
BLASLONG n3 = n & 3; BLASLONG n3 = n & 3;
vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3); vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3);
vec_loadN_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3); vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3);
} else if (n) { } else if (n) {
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_loadN_mult11a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n); vec_loadN_mult11a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n); vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n);
@ -261,22 +261,22 @@ static void BF16GEMV_N_MMA_4(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
vec_make_mult2(v_x0); vec_make_mult2(v_x0);
for (; i + 8 <= n8; i += 8) { for (; i + 8 <= n8; i += 8) {
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult288a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]); vec_load_mult288a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]);
vec_load_mult288b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]); vec_load_mult288b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]);
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0); vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0);
vec_store8_pair(&v_y[(i * 2) + 0], vy0); vec_store8_pair(&v_y[(i * 2) + 0], vy0);
} }
if (n8 & 4) { if (n8 & 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult284a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]); vec_load_mult284a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]);
vec_load_mult284b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]); vec_load_mult284b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -291,11 +291,11 @@ static void BF16GEMV_N_MMA_4(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
v_x0[ 4] = (vec_bf16)vec_splat((vec_f32)v_x0[0], 1); v_x0[ 4] = (vec_bf16)vec_splat((vec_f32)v_x0[0], 1);
for (; i + 4 <= n8; i += 4) { for (; i + 4 <= n8; i += 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult28a_mma(&temp[0], &va0[i + 0], &va1[i + 0], v_x0[ 0]); vec_load_mult28a_mma(&temp[0], &va0[i + 0], &va1[i + 0], v_x0[ 0]);
vec_load_mult28b_mma(&temp[0], &va2[i + 0], &va3[i + 0], v_x0[ 4]); vec_load_mult28b_mma(&temp[0], &va2[i + 0], &va3[i + 0], v_x0[ 4]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -303,11 +303,11 @@ static void BF16GEMV_N_MMA_4(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
#endif #endif
for (; i < n8; i++) { for (; i < n8; i++) {
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0]); vec_load_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0]);
vec_load_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4]); vec_load_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4]);
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_store_pair(&v_y[(i * 2) + 0], vy0); vec_store_pair(&v_y[(i * 2) + 0], vy0);
@ -315,21 +315,21 @@ static void BF16GEMV_N_MMA_4(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, FLOA
n &= 7; n &= 7;
if (n > 4) { if (n > 4) {
BLASLONG n3 = n & 3;
vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3);
vec_loadN_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n); vec_loadN_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
vec_loadN_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n); vec_loadN_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n);
BLASLONG n3 = n & 3;
vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3); vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3);
} else if (n) { } else if (n) {
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_loadN_mult11a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n); vec_loadN_mult11a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
vec_loadN_mult11b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n); vec_loadN_mult11b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n);
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n); vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n);
@ -376,26 +376,26 @@ static void BF16GEMV_N_MMA_8(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, BLAS
vec_make_mult4(v_x0); vec_make_mult4(v_x0);
for (; i + 8 <= n8; i += 8) { for (; i + 8 <= n8; i += 8) {
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult288a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]); vec_load_mult288a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]);
vec_load_mult288b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]); vec_load_mult288b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]);
vec_load_mult288b_mma(&temp[0], &vb0[i + 0], &vb1[i + 0], &v_x0[ 8]); vec_load_mult288b_mma(&temp[0], &vb0[i + 0], &vb1[i + 0], &v_x0[ 8]);
vec_load_mult288b_mma(&temp[0], &vb2[i + 0], &vb3[i + 0], &v_x0[12]); vec_load_mult288b_mma(&temp[0], &vb2[i + 0], &vb3[i + 0], &v_x0[12]);
vec_load8_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0); vec_reduce88_mma(&temp[0], temp0 + 0, v_alpha, vy0 + 0);
vec_store8_pair(&v_y[(i * 2) + 0], vy0); vec_store8_pair(&v_y[(i * 2) + 0], vy0);
} }
if (n8 & 4) { if (n8 & 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult284a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]); vec_load_mult284a_mma(&temp[0], &va0[i + 0], &va1[i + 0], &v_x0[ 0]);
vec_load_mult284b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]); vec_load_mult284b_mma(&temp[0], &va2[i + 0], &va3[i + 0], &v_x0[ 4]);
vec_load_mult284b_mma(&temp[0], &vb0[i + 0], &vb1[i + 0], &v_x0[ 8]); vec_load_mult284b_mma(&temp[0], &vb0[i + 0], &vb1[i + 0], &v_x0[ 8]);
vec_load_mult284b_mma(&temp[0], &vb2[i + 0], &vb3[i + 0], &v_x0[12]); vec_load_mult284b_mma(&temp[0], &vb2[i + 0], &vb3[i + 0], &v_x0[12]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce84_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -412,13 +412,13 @@ static void BF16GEMV_N_MMA_8(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, BLAS
v_x0[12] = (vec_bf16)vec_splat((vec_f32)v_x0[0], 3); v_x0[12] = (vec_bf16)vec_splat((vec_f32)v_x0[0], 3);
for (; i + 4 <= n8; i += 4) { for (; i + 4 <= n8; i += 4) {
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult28a_mma(&temp[0], &va0[i + 0], &va1[i + 0], v_x0[ 0]); vec_load_mult28a_mma(&temp[0], &va0[i + 0], &va1[i + 0], v_x0[ 0]);
vec_load_mult28b_mma(&temp[0], &va2[i + 0], &va3[i + 0], v_x0[ 4]); vec_load_mult28b_mma(&temp[0], &va2[i + 0], &va3[i + 0], v_x0[ 4]);
vec_load_mult28b_mma(&temp[0], &vb0[i + 0], &vb1[i + 0], v_x0[ 8]); vec_load_mult28b_mma(&temp[0], &vb0[i + 0], &vb1[i + 0], v_x0[ 8]);
vec_load_mult28b_mma(&temp[0], &vb2[i + 0], &vb3[i + 0], v_x0[12]); vec_load_mult28b_mma(&temp[0], &vb2[i + 0], &vb3[i + 0], v_x0[12]);
vec_load4_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce8_mma(&temp[0], temp0, v_alpha, vy0);
vec_store4_pair(&v_y[(i * 2) + 0], vy0); vec_store4_pair(&v_y[(i * 2) + 0], vy0);
@ -426,13 +426,13 @@ static void BF16GEMV_N_MMA_8(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, BLAS
#endif #endif
for (; i < n8; i++) { for (; i < n8; i++) {
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_load_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0]); vec_load_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0]);
vec_load_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4]); vec_load_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4]);
vec_load_mult22b_mma(&temp[0], &vb0[i], &vb1[i], v_x0[ 8]); vec_load_mult22b_mma(&temp[0], &vb0[i], &vb1[i], v_x0[ 8]);
vec_load_mult22b_mma(&temp[0], &vb2[i], &vb3[i], v_x0[12]); vec_load_mult22b_mma(&temp[0], &vb2[i], &vb3[i], v_x0[12]);
vec_load_pair(vy0, &v_y[(i * 2) + 0]);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_store_pair(&v_y[(i * 2) + 0], vy0); vec_store_pair(&v_y[(i * 2) + 0], vy0);
@ -440,25 +440,25 @@ static void BF16GEMV_N_MMA_8(BLASLONG n, IFLOAT **ap, IFLOAT *xo, FLOAT *y, BLAS
n &= 7; n &= 7;
if (n > 4) { if (n > 4) {
BLASLONG n3 = n & 3;
vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3);
vec_loadN_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n); vec_loadN_mult22a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
vec_loadN_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n); vec_loadN_mult22b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n);
vec_loadN_mult22b_mma(&temp[0], &vb0[i], &vb1[i], v_x0[ 8], n); vec_loadN_mult22b_mma(&temp[0], &vb0[i], &vb1[i], v_x0[ 8], n);
vec_loadN_mult22b_mma(&temp[0], &vb2[i], &vb3[i], v_x0[12], n); vec_loadN_mult22b_mma(&temp[0], &vb2[i], &vb3[i], v_x0[12], n);
BLASLONG n3 = n & 3;
vec_loadN2_f32(vy0, &v_y[(i * 2) + 0], n3);
vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce2_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3); vec_storeN2_f32(vy0, &v_y[(i * 2) + 0], n3);
} else if (n) { } else if (n) {
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_loadN_mult11a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n); vec_loadN_mult11a_mma(&temp[0], &va0[i], &va1[i], v_x0[ 0], n);
vec_loadN_mult11b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n); vec_loadN_mult11b_mma(&temp[0], &va2[i], &va3[i], v_x0[ 4], n);
vec_loadN_mult11b_mma(&temp[0], &vb0[i], &vb1[i], v_x0[ 8], n); vec_loadN_mult11b_mma(&temp[0], &vb0[i], &vb1[i], v_x0[ 8], n);
vec_loadN_mult11b_mma(&temp[0], &vb2[i], &vb3[i], v_x0[12], n); vec_loadN_mult11b_mma(&temp[0], &vb2[i], &vb3[i], v_x0[12], n);
vy0[0] = vec_loadN_f32(&v_y[(i * 2) + 0], n);
vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0); vec_reduce1_mma(&temp[0], temp0, v_alpha, vy0);
vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n); vec_storeN_f32(vy0[0], &v_y[(i * 2) + 0], n);