Merge pull request #197 from wernsaar/develop
optimized again bulldozer dgemm kernel
This commit is contained in:
commit
e2c7c75715
|
@ -89,210 +89,199 @@
|
|||
|
||||
#define KERNEL1(xx) \
|
||||
vmovups -16 * SIZE(AO, %rax, 4),%xmm0 ;\
|
||||
vfmaddpd %xmm8,%xmm0,%xmm1,%xmm8 ;\
|
||||
vmovaps %xmm2,%xmm0 ;\
|
||||
vmovups -14 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup -16 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -15 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm9,%xmm0,%xmm3,%xmm9 ;\
|
||||
vmovups -14 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup -14 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vfmaddpd %xmm8,%xmm0,%xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm2,%xmm1,%xmm12 ;\
|
||||
vmovddup -13 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vmovups -12 * SIZE(AO, %rax, 4), %xmm4 ;\
|
||||
vmovups -10 * SIZE(AO, %rax, 4),%xmm6 ;\
|
||||
vfmaddpd %xmm9,%xmm0,%xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm2,%xmm3,%xmm13 ;\
|
||||
vmovddup -14 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -13 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm0,%xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm0,%xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovups -12 * SIZE(AO, %rax, 4), %xmm0 ;\
|
||||
vmovups -10 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup -12 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -11 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm0,%xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm0,%xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL2(xx) \
|
||||
vmovups -8 * SIZE(AO, %rax, 4),%xmm4 ;\
|
||||
vmovddup -12 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -11 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup -10 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -9 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8, %xmm4, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm6, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm9, %xmm4, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm6, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm4, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm6, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm4, %xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm6, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL3(xx) \
|
||||
vmovups -8 * SIZE(AO, %rax, 4),%xmm0 ;\
|
||||
vmovups -6 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup -8 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -7 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup -6 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -5 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8, %xmm0, %xmm1, %xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vmovups -4 * SIZE(AO, %rax, 4), %xmm4 ;\
|
||||
vmovups -2 * SIZE(AO, %rax, 4),%xmm6 ;\
|
||||
vfmaddpd %xmm9, %xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm0, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm0, %xmm7, %xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL4(xx) \
|
||||
vmovddup -4 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -3 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup -2 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -1 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8,%xmm4, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm6, %xmm1 ,%xmm12;\
|
||||
vfmaddpd %xmm9,%xmm4, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm6, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm4, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm6, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm4, %xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm6, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL5(xx) \
|
||||
vmovups (AO, %rax, 4), %xmm0 ;\
|
||||
vmovups 2 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup (BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 1 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup 2 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 3 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8,%xmm0, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vmovups 4 * SIZE(AO, %rax, 4), %xmm4 ;\
|
||||
vmovups 6 * SIZE(AO, %rax, 4),%xmm6 ;\
|
||||
vfmaddpd %xmm9,%xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm0, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm0, %xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL6(xx) \
|
||||
vmovddup 4 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 5 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup 6 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 7 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8,%xmm4, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm6, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm9,%xmm4, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm6, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm4, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm6, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm4, %xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm6, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL7(xx) \
|
||||
vmovups 8 * SIZE(AO, %rax, 4), %xmm0 ;\
|
||||
vmovups 10 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup 8 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 9 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup 10 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 11 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8,%xmm0, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vmovups 12 * SIZE(AO, %rax, 4), %xmm4 ;\
|
||||
vmovups 14 * SIZE(AO, %rax, 4), %xmm6 ;\
|
||||
vfmaddpd %xmm9,%xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm0, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm0, %xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm7,%xmm15 ;\
|
||||
|
||||
#define KERNEL8(xx) \
|
||||
vmovddup 12 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 13 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup 14 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 15 * SIZE(BO, %rax, 4), %xmm7 ;\
|
||||
vfmaddpd %xmm8,%xmm4, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm12,%xmm6, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm9,%xmm4, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm13, %xmm6, %xmm3,%xmm13 ;\
|
||||
vfmaddpd %xmm10,%xmm4, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm6, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm4, %xmm7,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm6, %xmm7,%xmm15 ;\
|
||||
addq $8 * SIZE, %rax ;\
|
||||
|
||||
#define KERNEL_SUB1(xx) \
|
||||
vmovups -16 * SIZE(AO),%xmm0 ;\
|
||||
vmovups -14 * SIZE(AO),%xmm2 ;\
|
||||
vmovddup -16 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -15 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm8, %xmm0, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm9, %xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12, %xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm13, %xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -14 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -13 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm10, %xmm0, %xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11, %xmm0, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14, %xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15, %xmm2, %xmm3,%xmm15 ;\
|
||||
|
||||
|
||||
#define KERNEL_SUB2(xx) \
|
||||
vmovups -12 * SIZE(AO), %xmm0 ;\
|
||||
vmovups -10 * SIZE(AO), %xmm2 ;\
|
||||
vmovddup -12 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -11 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm8, %xmm0, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm9, %xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -10 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup -9 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovddup -10 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -9 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm0, %xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm0, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovddup -8 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -7 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
|
||||
#define KERNEL3(xx) \
|
||||
vmovups -6 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vfmaddpd %xmm8, %xmm4, %xmm5, %xmm8 ;\
|
||||
vfmaddpd %xmm9, %xmm4, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm5,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -6 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -5 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm4, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm4, %xmm3, %xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovups -4 * SIZE(AO, %rax, 4), %xmm4 ;\
|
||||
vmovups -2 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup -4 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -3 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
|
||||
#define KERNEL4(xx) \
|
||||
vfmaddpd %xmm8,%xmm4, %xmm5,%xmm8 ;\
|
||||
vfmaddpd %xmm9,%xmm4, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm5 ,%xmm12;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -2 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup -1 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm4, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm4, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
/*A*/ vmovups (AO, %rax, 4), %xmm6 ;\
|
||||
vmovups 2 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup 1 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
/**/ vmovddup (BO, %rax, 4), %xmm1 ;\
|
||||
|
||||
#define KERNEL5(xx) \
|
||||
vfmaddpd %xmm8,%xmm6, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm9,%xmm6, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup 2 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 3 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm6, %xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm6, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovups 4 * SIZE(AO, %rax, 4), %xmm6 ;\
|
||||
vmovups 6 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup 4 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 5 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
|
||||
#define KERNEL6(xx) \
|
||||
vfmaddpd %xmm8,%xmm6, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm9,%xmm6, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup 6 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 7 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm6, %xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm6, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
/*A*/ vmovups 8 * SIZE(AO, %rax, 4), %xmm7 ;\
|
||||
vmovups 10 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
/**/ vmovddup 8 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 9 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
|
||||
#define KERNEL7(xx) \
|
||||
vfmaddpd %xmm8,%xmm7, %xmm5,%xmm8 ;\
|
||||
vfmaddpd %xmm9,%xmm7, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm5,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup 10 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 11 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm7, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm7, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovups 12 * SIZE(AO, %rax, 4), %xmm7 ;\
|
||||
vmovups 14 * SIZE(AO, %rax, 4),%xmm2 ;\
|
||||
vmovddup 12 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 13 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
|
||||
#define KERNEL8(xx) \
|
||||
vfmaddpd %xmm8,%xmm7, %xmm5,%xmm8 ;\
|
||||
vfmaddpd %xmm9,%xmm7, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm5,%xmm12 ;\
|
||||
vfmaddpd %xmm13, %xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup 14 * SIZE(BO, %rax, 4), %xmm5 ;\
|
||||
vmovddup 15 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm7, %xmm5,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm7, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
/*A*/ vmovups 16 * SIZE(AO, %rax, 4), %xmm0 ;\
|
||||
vmovddup 16 * SIZE(BO, %rax, 4), %xmm1 ;\
|
||||
vmovddup 17 * SIZE(BO, %rax, 4), %xmm3 ;\
|
||||
vmovaps %xmm0, %xmm2 ;\
|
||||
addq $8 * SIZE, %rax ;\
|
||||
|
||||
#define KERNEL_SUB1(xx) \
|
||||
vmovddup -15 * SIZE(BO), %xmm3 ;\
|
||||
vmovups -16 * SIZE(AO),%xmm0 ;\
|
||||
vfmaddpd %xmm8, %xmm1, %xmm0,%xmm8 ;\
|
||||
vmovapd %xmm2, %xmm0 ;\
|
||||
vmovups -14 * SIZE(AO),%xmm2 ;\
|
||||
vfmaddpd %xmm12, %xmm2, %xmm1,%xmm12 ;\
|
||||
vmovddup -14 * SIZE(BO), %xmm1 ;\
|
||||
vfmaddpd %xmm9, %xmm3, %xmm0,%xmm9 ;\
|
||||
vfmaddpd %xmm13, %xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -13 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm10, %xmm1, %xmm0,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1 ,%xmm14 ;\
|
||||
vfmaddpd %xmm11, %xmm3, %xmm0,%xmm11 ;\
|
||||
vfmaddpd %xmm15, %xmm2, %xmm3,%xmm15 ;\
|
||||
vmovups -12 * SIZE(AO), %xmm0 ;\
|
||||
vmovddup -12 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -11 * SIZE(BO), %xmm3 ;\
|
||||
vmovapd %xmm0, %xmm2
|
||||
|
||||
|
||||
#define KERNEL_SUB2(xx) \
|
||||
vfmaddpd %xmm8,%xmm1, %xmm0,%xmm8 ;\
|
||||
vmovaps %xmm2, %xmm0 ;\
|
||||
vmovups -10 * SIZE(AO),%xmm2 ;\
|
||||
vmovups -8 * SIZE(AO),%xmm4 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm9,%xmm3, %xmm0,%xmm9 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -10 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -9 * SIZE(BO), %xmm3 ;\
|
||||
vmovddup -8 * SIZE(BO), %xmm5 ;\
|
||||
vfmaddpd %xmm10,%xmm1, %xmm0,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm3, %xmm0,%xmm11 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovddup -7 * SIZE(BO), %xmm3 ;\
|
||||
vmovaps %xmm4, %xmm2
|
||||
|
||||
#define KERNEL_SUB3(xx) \
|
||||
vfmaddpd %xmm8,%xmm5, %xmm4,%xmm8 ;\
|
||||
vmovaps %xmm2, %xmm4 ;\
|
||||
vmovups -6 * SIZE(AO),%xmm2 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm5,%xmm12 ;\
|
||||
vfmaddpd %xmm9,%xmm3, %xmm4,%xmm9 ;\
|
||||
vmovddup -6 * SIZE(BO), %xmm5 ;\
|
||||
vmovups -8 * SIZE(AO),%xmm0 ;\
|
||||
vmovups -6 * SIZE(AO),%xmm2 ;\
|
||||
vmovddup -8 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -7 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm8, %xmm0, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm9, %xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -6 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -5 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm10,%xmm5, %xmm4,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm3, %xmm4,%xmm11 ;\
|
||||
vmovups -4 * SIZE(AO), %xmm4 ;\
|
||||
vmovddup -4 * SIZE(BO), %xmm5 ;\
|
||||
vfmaddpd %xmm10,%xmm0, %xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm0, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovddup -3 * SIZE(BO), %xmm3 ;\
|
||||
vmovaps %xmm4, %xmm2
|
||||
|
||||
#define KERNEL_SUB4(xx) \
|
||||
vfmaddpd %xmm8,%xmm5, %xmm4,%xmm8 ;\
|
||||
vmovaps %xmm2, %xmm4 ;\
|
||||
vmovups -2 * SIZE(AO),%xmm2 ;\
|
||||
vmovups (AO), %xmm0 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm5,%xmm12 ;\
|
||||
vmovups -4 * SIZE(AO), %xmm0 ;\
|
||||
vmovups -2 * SIZE(AO), %xmm2 ;\
|
||||
vmovddup -4 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -3 * SIZE(BO), %xmm3 ;\
|
||||
vfmaddpd %xmm8, %xmm0, %xmm1,%xmm8 ;\
|
||||
vfmaddpd %xmm9, %xmm0, %xmm3,%xmm9 ;\
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12 ;\
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13 ;\
|
||||
vmovddup -2 * SIZE(BO), %xmm5 ;\
|
||||
vfmaddpd %xmm9,%xmm3, %xmm4,%xmm9 ;\
|
||||
vmovddup -2 * SIZE(BO), %xmm1 ;\
|
||||
vmovddup -1 * SIZE(BO), %xmm3 ;\
|
||||
vmovddup (BO), %xmm1 ;\
|
||||
vfmaddpd %xmm10,%xmm5, %xmm4,%xmm10 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm5,%xmm14 ;\
|
||||
vfmaddpd %xmm11,%xmm3, %xmm4,%xmm11 ;\
|
||||
vfmaddpd %xmm10,%xmm0, %xmm1,%xmm10 ;\
|
||||
vfmaddpd %xmm11,%xmm0, %xmm3,%xmm11 ;\
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14 ;\
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15 ;\
|
||||
vmovups (AO), %xmm0 ;\
|
||||
vmovddup (BO), %xmm1 ;\
|
||||
vmovddup 1 * SIZE(BO), %xmm3 ;\
|
||||
vmovaps %xmm0, %xmm2
|
||||
|
||||
|
@ -410,19 +399,9 @@
|
|||
vxorpd %xmm15, %xmm15,%xmm15
|
||||
|
||||
prefetcht0 (CO1)
|
||||
prefetcht0 8*SIZE(CO1)
|
||||
prefetcht0 (CO1,LDC)
|
||||
prefetcht0 8*SIZE(CO1,LDC)
|
||||
prefetcht0 (CO2)
|
||||
prefetcht0 8*SIZE(CO2)
|
||||
prefetcht0 (CO2,LDC)
|
||||
prefetcht0 8*(CO2,LDC)
|
||||
vmovups -16 * SIZE(AO), %xmm0
|
||||
vmovddup -16 * SIZE(BO), %xmm1
|
||||
vmovddup -15 * SIZE(BO), %xmm3
|
||||
|
||||
vmovaps %xmm0, %xmm2
|
||||
|
||||
|
||||
#ifndef TRMMKERNEL
|
||||
movq K, %rax
|
||||
|
@ -447,14 +426,18 @@
|
|||
negq %rax
|
||||
NOBRANCH
|
||||
je .L15
|
||||
ALIGN_4
|
||||
// ALIGN_4
|
||||
|
||||
.align 16
|
||||
|
||||
#define PR1 16
|
||||
#define PR2 24
|
||||
|
||||
.L12:
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -465,10 +448,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -479,10 +462,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -493,10 +476,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -507,10 +490,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -521,10 +504,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -535,10 +518,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -549,10 +532,10 @@
|
|||
KERNEL8(16 * 0)
|
||||
NOBRANCH
|
||||
je .L15
|
||||
prefetcht0 24*SIZE(AO,%rax,4)
|
||||
prefetcht0 32*SIZE(AO,%rax,4)
|
||||
prefetcht0 24*SIZE(BO,%rax,4)
|
||||
prefetcht0 32*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(AO,%rax,4)
|
||||
prefetcht0 PR1*SIZE(BO,%rax,4)
|
||||
prefetcht0 PR2*SIZE(BO,%rax,4)
|
||||
KERNEL1(16 * 0)
|
||||
KERNEL2(16 * 0)
|
||||
KERNEL3(16 * 0)
|
||||
|
@ -601,23 +584,26 @@
|
|||
ALIGN_4
|
||||
|
||||
.L17:
|
||||
vfmaddpd %xmm8,%xmm1, %xmm0,%xmm8
|
||||
vmovaps %xmm2, %xmm0
|
||||
vmovups -14 * SIZE(AO, %rax, 4),%xmm2
|
||||
vmovups -16 * SIZE(AO, %rax, 4), %xmm0
|
||||
vmovups -14 * SIZE(AO, %rax, 4), %xmm2
|
||||
vmovddup -16 * SIZE(BO, %rax, 4), %xmm1
|
||||
vmovddup -15 * SIZE(BO, %rax, 4), %xmm3
|
||||
vfmaddpd %xmm8,%xmm0, %xmm1,%xmm8
|
||||
vfmaddpd %xmm9,%xmm0, %xmm3,%xmm9
|
||||
vfmaddpd %xmm12,%xmm2, %xmm1,%xmm12
|
||||
vmovddup -14 * SIZE(BO, %rax, 4), %xmm1
|
||||
vfmaddpd %xmm9,%xmm3, %xmm0,%xmm9
|
||||
vfmaddpd %xmm13,%xmm2, %xmm3,%xmm13
|
||||
vmovddup -14 * SIZE(BO, %rax, 4), %xmm1
|
||||
vmovddup -13 * SIZE(BO, %rax, 4), %xmm3
|
||||
vfmaddpd %xmm10,%xmm1, %xmm0,%xmm10
|
||||
vfmaddpd %xmm10,%xmm0, %xmm1,%xmm10
|
||||
vfmaddpd %xmm11,%xmm0, %xmm3,%xmm11
|
||||
vfmaddpd %xmm14,%xmm2, %xmm1,%xmm14
|
||||
vfmaddpd %xmm11,%xmm3, %xmm0,%xmm11
|
||||
vmovups -12 * SIZE(AO, %rax, 4), %xmm0
|
||||
vmovddup -12 * SIZE(BO, %rax, 4), %xmm1
|
||||
vfmaddpd %xmm15,%xmm2, %xmm3,%xmm15
|
||||
/*
|
||||
vmovups -12 * SIZE(AO, %rax, 4), %xmm0
|
||||
vmovddup -12 * SIZE(BO, %rax, 4), %xmm1
|
||||
vmovddup -11 * SIZE(BO, %rax, 4), %xmm3
|
||||
vmovaps %xmm0, %xmm2
|
||||
|
||||
vmovaps %xmm0, %xmm2
|
||||
*/
|
||||
addq $SIZE, %rax
|
||||
jl .L17
|
||||
ALIGN_4
|
||||
|
|
Loading…
Reference in New Issue