OpenBLAS/kernel/x86_64/dgemm_ncopy_8_bulldozer.S

1822 lines
37 KiB
ArmAsm

/*********************************************************************/
/* Copyright 2009, 2010 The University of Texas at Austin. */
/* All rights reserved. */
/* */
/* Redistribution and use in source and binary forms, with or */
/* without modification, are permitted provided that the following */
/* conditions are met: */
/* */
/* 1. Redistributions of source code must retain the above */
/* copyright notice, this list of conditions and the following */
/* disclaimer. */
/* */
/* 2. Redistributions in binary form must reproduce the above */
/* copyright notice, this list of conditions and the following */
/* disclaimer in the documentation and/or other materials */
/* provided with the distribution. */
/* */
/* THIS SOFTWARE IS PROVIDED BY THE UNIVERSITY OF TEXAS AT */
/* AUSTIN ``AS IS'' AND ANY EXPRESS OR IMPLIED WARRANTIES, */
/* INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF */
/* MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE */
/* DISCLAIMED. IN NO EVENT SHALL THE UNIVERSITY OF TEXAS AT */
/* AUSTIN OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, */
/* INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES */
/* (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE */
/* GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR */
/* BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF */
/* LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT */
/* (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT */
/* OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE */
/* POSSIBILITY OF SUCH DAMAGE. */
/* */
/* The views and conclusions contained in the software and */
/* documentation are those of the authors and should not be */
/* interpreted as representing official policies, either expressed */
/* or implied, of The University of Texas at Austin. */
/*********************************************************************/
#define ASSEMBLER
#include "common.h"
#define A_PRE 256
#define B_PRE 128
#ifndef WINDOWS_ABI
#define M ARG1 /* rdi */
#define N ARG2 /* rsi */
#define A ARG3 /* rdx */
#define LDA ARG4 /* rcx */
#define B ARG5 /* r8 */
#define AO1 %r9
#define AO2 %r10
#define LDA3 %r11
#define J %r12
#define MM %r13
#else
#define STACKSIZE 128
#define M ARG1 /* rcx */
#define N ARG2 /* rdx */
#define A ARG3 /* r8 */
#define LDA ARG4 /* r9 */
#define OLD_B 40 + 32 + STACKSIZE(%rsp)
#define B %r15
#define AO1 %r10
#define AO2 %r11
#define LDA3 %r12
#define J %r13
#define MM %r14
#endif
#define I %rax
PROLOGUE
PROFCODE
#ifdef WINDOWS_ABI
pushq %r15
pushq %r14
#endif
pushq %r13
pushq %r12
#ifdef WINDOWS_ABI
subq $STACKSIZE, %rsp
vmovups %xmm6, 0(%rsp)
vmovups %xmm7, 16(%rsp)
vmovups %xmm8, 32(%rsp)
vmovups %xmm9, 48(%rsp)
vmovups %xmm10, 64(%rsp)
vmovups %xmm11, 80(%rsp)
vmovups %xmm12, 96(%rsp)
movq OLD_B, B
#endif
leaq (,LDA, SIZE), LDA
leaq (LDA, LDA, 2), LDA3
subq $-16 * SIZE, B
movq M, MM
leaq -1(M), %rax
testq $SIZE, A
cmovne %rax, MM
testq $SIZE, LDA
jne .L50
movq N, J
sarq $3, J
jle .L20
ALIGN_4
.L11:
movq A, AO1
leaq (A, LDA, 4), AO2
leaq (A, LDA, 8), A
testq $SIZE, A
je .L12
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO1, LDA, 2), %xmm2
vmovsd 0 * SIZE(AO1, LDA3), %xmm3
vmovsd 0 * SIZE(AO2), %xmm4
vmovsd 0 * SIZE(AO2, LDA), %xmm5
vmovsd 0 * SIZE(AO2, LDA, 2), %xmm6
vmovsd 0 * SIZE(AO2, LDA3), %xmm7
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpcklpd %xmm5, %xmm4 , %xmm4
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
addq $1 * SIZE, AO1
addq $1 * SIZE, AO2
subq $-8 * SIZE, B
ALIGN_3
.L12:
movq MM, I
sarq $3, I
jle .L14
ALIGN_4
.L13:
prefetchnta A_PRE(AO1)
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO1, LDA), %xmm1
prefetchnta A_PRE(AO1, LDA)
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups 0 * SIZE(AO1, LDA3), %xmm3
prefetchnta A_PRE(AO1, LDA, 2)
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups %xmm0, %xmm8
prefetchnta A_PRE(AO1, LDA3)
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
prefetchnta A_PRE(AO2)
vmovups 0 * SIZE(AO2), %xmm4
vmovups 0 * SIZE(AO2, LDA), %xmm5
prefetchnta A_PRE(AO2, LDA)
vmovups 0 * SIZE(AO2, LDA, 2), %xmm6
vmovups 0 * SIZE(AO2, LDA3), %xmm7
prefetchnta A_PRE(AO2, LDA, 2)
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
prefetchnta A_PRE(AO2, LDA3)
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
prefetchw B_PRE(B)
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
prefetchw B_PRE+64(B)
vmovups %xmm8, -8 * SIZE(B)
vmovups %xmm9, -6 * SIZE(B)
vmovups %xmm10, -4 * SIZE(B)
vmovups %xmm11, -2 * SIZE(B)
/***********************************************************************************************/
vmovups 2 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1, LDA), %xmm1
vmovups 2 * SIZE(AO1, LDA, 2), %xmm2
vmovups 2 * SIZE(AO1, LDA3), %xmm3
vmovups %xmm0, %xmm8
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups 2 * SIZE(AO2), %xmm4
vmovups 2 * SIZE(AO2, LDA), %xmm5
vmovups 2 * SIZE(AO2, LDA, 2), %xmm6
vmovups 2 * SIZE(AO2, LDA3), %xmm7
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
prefetchw B_PRE+128(B)
vmovups %xmm0, 0 * SIZE(B)
vmovups %xmm2, 2 * SIZE(B)
vmovups %xmm4, 4 * SIZE(B)
vmovups %xmm6, 6 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
prefetchw B_PRE+192(B)
vmovups %xmm8, 8 * SIZE(B)
vmovups %xmm9, 10 * SIZE(B)
vmovups %xmm10, 12 * SIZE(B)
vmovups %xmm11, 14 * SIZE(B)
/***********************************************************************************************/
vmovups 4 * SIZE(AO1), %xmm0
vmovups 4 * SIZE(AO1, LDA), %xmm1
vmovups 4 * SIZE(AO1, LDA, 2), %xmm2
vmovups 4 * SIZE(AO1, LDA3), %xmm3
vmovups %xmm0, %xmm8
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups 4 * SIZE(AO2), %xmm4
vmovups 4 * SIZE(AO2, LDA), %xmm5
vmovups 4 * SIZE(AO2, LDA, 2), %xmm6
vmovups 4 * SIZE(AO2, LDA3), %xmm7
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
prefetchw B_PRE+256(B)
vmovups %xmm0, 16 * SIZE(B)
vmovups %xmm2, 18 * SIZE(B)
vmovups %xmm4, 20 * SIZE(B)
vmovups %xmm6, 22 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
prefetchw B_PRE+320(B)
vmovups %xmm8, 24 * SIZE(B)
vmovups %xmm9, 26 * SIZE(B)
vmovups %xmm10, 28 * SIZE(B)
vmovups %xmm11, 30 * SIZE(B)
/***********************************************************************************************/
vmovups 6 * SIZE(AO1), %xmm0
vmovups 6 * SIZE(AO1, LDA), %xmm1
vmovups 6 * SIZE(AO1, LDA, 2), %xmm2
vmovups 6 * SIZE(AO1, LDA3), %xmm3
vmovups %xmm0, %xmm8
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups 6 * SIZE(AO2), %xmm4
vmovups 6 * SIZE(AO2, LDA), %xmm5
vmovups 6 * SIZE(AO2, LDA, 2), %xmm6
vmovups 6 * SIZE(AO2, LDA3), %xmm7
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
prefetchw B_PRE+384(B)
vmovups %xmm0, 32 * SIZE(B)
vmovups %xmm2, 34 * SIZE(B)
vmovups %xmm4, 36 * SIZE(B)
vmovups %xmm6, 38 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
prefetchw B_PRE+448(B)
vmovups %xmm8, 40 * SIZE(B)
vmovups %xmm9, 42 * SIZE(B)
vmovups %xmm10, 44 * SIZE(B)
vmovups %xmm11, 46 * SIZE(B)
addq $8 * SIZE, AO1
addq $8 * SIZE, AO2
subq $-64 * SIZE, B
decq I
jg .L13
ALIGN_4
.L14:
testq $4, MM
jle .L16
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups 0 * SIZE(AO1, LDA3), %xmm3
vmovups 0 * SIZE(AO2), %xmm4
vmovups 0 * SIZE(AO2, LDA), %xmm5
vmovups 0 * SIZE(AO2, LDA, 2), %xmm6
vmovups 0 * SIZE(AO2, LDA3), %xmm7
vmovups %xmm0, %xmm8
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
vmovups %xmm8, -8 * SIZE(B)
vmovups %xmm9, -6 * SIZE(B)
vmovups %xmm10, -4 * SIZE(B)
vmovups %xmm11, -2 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1, LDA), %xmm1
vmovups 2 * SIZE(AO1, LDA, 2), %xmm2
vmovups 2 * SIZE(AO1, LDA3), %xmm3
vmovups 2 * SIZE(AO2), %xmm4
vmovups 2 * SIZE(AO2, LDA), %xmm5
vmovups 2 * SIZE(AO2, LDA, 2), %xmm6
vmovups 2 * SIZE(AO2, LDA3), %xmm7
vmovups %xmm0, %xmm8
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, 0 * SIZE(B)
vmovups %xmm2, 2 * SIZE(B)
vmovups %xmm4, 4 * SIZE(B)
vmovups %xmm6, 6 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
vmovups %xmm8, 8 * SIZE(B)
vmovups %xmm9, 10 * SIZE(B)
vmovups %xmm10, 12 * SIZE(B)
vmovups %xmm11, 14 * SIZE(B)
addq $4 * SIZE, AO1
addq $4 * SIZE, AO2
subq $-32 * SIZE, B
ALIGN_4
.L16:
testq $2, MM
jle .L18
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups 0 * SIZE(AO1, LDA3), %xmm3
vmovups 0 * SIZE(AO2), %xmm4
vmovups 0 * SIZE(AO2, LDA), %xmm5
vmovups 0 * SIZE(AO2, LDA, 2), %xmm6
vmovups 0 * SIZE(AO2, LDA3), %xmm7
vmovups %xmm0, %xmm8
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm9
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm4, %xmm10
vunpcklpd %xmm5, %xmm4 , %xmm4
vmovups %xmm6, %xmm11
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
vunpckhpd %xmm1, %xmm8 , %xmm8
vunpckhpd %xmm3, %xmm9 , %xmm9
vunpckhpd %xmm5, %xmm10, %xmm10
vunpckhpd %xmm7, %xmm11, %xmm11
vmovups %xmm8, -8 * SIZE(B)
vmovups %xmm9, -6 * SIZE(B)
vmovups %xmm10, -4 * SIZE(B)
vmovups %xmm11, -2 * SIZE(B)
addq $2 * SIZE, AO1
addq $2 * SIZE, AO2
subq $-16 * SIZE, B
ALIGN_4
.L18:
testq $1, MM
jle .L19
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO1, LDA, 2), %xmm2
vmovsd 0 * SIZE(AO1, LDA3), %xmm3
vmovsd 0 * SIZE(AO2), %xmm4
vmovsd 0 * SIZE(AO2, LDA), %xmm5
vmovsd 0 * SIZE(AO2, LDA, 2), %xmm6
vmovsd 0 * SIZE(AO2, LDA3), %xmm7
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpcklpd %xmm5, %xmm4 , %xmm4
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
subq $-8 * SIZE, B
ALIGN_4
.L19:
decq J
jg .L11
ALIGN_4
.L20:
testq $4, N
jle .L30
movq A, AO1
leaq (A, LDA, 2), AO2
leaq (A, LDA, 4), A
testq $SIZE, A
je .L22
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO2), %xmm2
vmovsd 0 * SIZE(AO2, LDA), %xmm3
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
addq $1 * SIZE, AO1
addq $1 * SIZE, AO2
subq $-4 * SIZE, B
ALIGN_3
.L22:
movq MM, I
sarq $3, I
jle .L24
ALIGN_4
.L23:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO2), %xmm2
vmovups 0 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1, LDA), %xmm1
vmovups 2 * SIZE(AO2), %xmm2
vmovups 2 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -8 * SIZE(B)
vmovups %xmm2, -6 * SIZE(B)
vmovups %xmm4, -4 * SIZE(B)
vmovups %xmm6, -2 * SIZE(B)
vmovups 4 * SIZE(AO1), %xmm0
vmovups 4 * SIZE(AO1, LDA), %xmm1
vmovups 4 * SIZE(AO2), %xmm2
vmovups 4 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, 0 * SIZE(B)
vmovups %xmm2, 2 * SIZE(B)
vmovups %xmm4, 4 * SIZE(B)
vmovups %xmm6, 6 * SIZE(B)
vmovups 6 * SIZE(AO1), %xmm0
vmovups 6 * SIZE(AO1, LDA), %xmm1
vmovups 6 * SIZE(AO2), %xmm2
vmovups 6 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, 8 * SIZE(B)
vmovups %xmm2, 10 * SIZE(B)
vmovups %xmm4, 12 * SIZE(B)
vmovups %xmm6, 14 * SIZE(B)
addq $8 * SIZE, AO1
addq $8 * SIZE, AO2
subq $-32 * SIZE, B
decq I
jg .L23
ALIGN_4
.L24:
testq $4, MM
jle .L26
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO2), %xmm2
vmovups 0 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1, LDA), %xmm1
vmovups 2 * SIZE(AO2), %xmm2
vmovups 2 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -8 * SIZE(B)
vmovups %xmm2, -6 * SIZE(B)
vmovups %xmm4, -4 * SIZE(B)
vmovups %xmm6, -2 * SIZE(B)
addq $4 * SIZE, AO1
addq $4 * SIZE, AO2
subq $-16 * SIZE, B
ALIGN_4
.L26:
testq $2, MM
jle .L28
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO2), %xmm2
vmovups 0 * SIZE(AO2, LDA), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
addq $2 * SIZE, AO1
addq $2 * SIZE, AO2
subq $-8 * SIZE, B
ALIGN_4
.L28:
testq $1, MM
jle .L30
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO2), %xmm2
vmovsd 0 * SIZE(AO2, LDA), %xmm3
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
subq $-4 * SIZE, B
ALIGN_4
.L30:
testq $2, N
jle .L40
movq A, AO1
leaq (A, LDA), AO2
leaq (A, LDA, 2), A
testq $SIZE, A
je .L32
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO2), %xmm1
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm0, -16 * SIZE(B)
addq $1 * SIZE, AO1
addq $1 * SIZE, AO2
subq $-2 * SIZE, B
ALIGN_3
.L32:
movq MM, I
sarq $3, I
jle .L34
ALIGN_4
.L33:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO2), %xmm1
vmovups 2 * SIZE(AO1), %xmm2
vmovups 2 * SIZE(AO2), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm4, -14 * SIZE(B)
vmovups %xmm2, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
vmovups 4 * SIZE(AO1), %xmm0
vmovups 4 * SIZE(AO2), %xmm1
vmovups 6 * SIZE(AO1), %xmm2
vmovups 6 * SIZE(AO2), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm1, %xmm4 , %xmm4
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -8 * SIZE(B)
vmovups %xmm4, -6 * SIZE(B)
vmovups %xmm2, -4 * SIZE(B)
vmovups %xmm6, -2 * SIZE(B)
addq $8 * SIZE, AO1
addq $8 * SIZE, AO2
subq $-16 * SIZE, B
decq I
jg .L33
ALIGN_4
.L34:
testq $4, MM
jle .L36
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO2), %xmm1
vmovups 2 * SIZE(AO1), %xmm2
vmovups 2 * SIZE(AO2), %xmm3
vmovups %xmm0, %xmm4
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpckhpd %xmm1, %xmm4 , %xmm4
vmovups %xmm2, %xmm6
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpckhpd %xmm3, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm4, -14 * SIZE(B)
vmovups %xmm2, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
addq $4 * SIZE, AO1
addq $4 * SIZE, AO2
subq $-8 * SIZE, B
ALIGN_4
.L36:
testq $2, MM
jle .L38
vmovups 0 * SIZE(AO1), %xmm0
vmovups 0 * SIZE(AO2), %xmm1
vmovups %xmm0, %xmm2
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpckhpd %xmm1, %xmm2 , %xmm2
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
addq $2 * SIZE, AO1
addq $2 * SIZE, AO2
subq $-4 * SIZE, B
ALIGN_4
.L38:
testq $1, MM
jle .L40
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO2), %xmm1
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm0, -16 * SIZE(B)
subq $-2 * SIZE, B
ALIGN_4
.L40:
testq $1, N
jle .L999
movq A, AO1
testq $SIZE, A
jne .L45
movq MM, I
sarq $3, I
jle .L42
ALIGN_4
.L41:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1), %xmm1
vmovups 4 * SIZE(AO1), %xmm2
vmovups 6 * SIZE(AO1), %xmm3
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, -14 * SIZE(B)
vmovups %xmm2, -12 * SIZE(B)
vmovups %xmm3, -10 * SIZE(B)
addq $8 * SIZE, AO1
subq $-8 * SIZE, B
decq I
jg .L41
ALIGN_4
.L42:
testq $4, MM
jle .L43
vmovups 0 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1), %xmm1
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, -14 * SIZE(B)
addq $4 * SIZE, AO1
subq $-4 * SIZE, B
ALIGN_4
.L43:
testq $2, MM
jle .L44
vmovups 0 * SIZE(AO1), %xmm0
vmovups %xmm0, -16 * SIZE(B)
addq $2 * SIZE, AO1
subq $-2 * SIZE, B
ALIGN_4
.L44:
testq $1, MM
jle .L999
vmovsd 0 * SIZE(AO1), %xmm0
vmovlpd %xmm0, -16 * SIZE(B)
jmp .L999
ALIGN_4
.L45:
vmovups -1 * SIZE(AO1), %xmm0
movq M, I
sarq $3, I
jle .L46
ALIGN_4
.L46:
vmovups 1 * SIZE(AO1), %xmm1
vmovups 3 * SIZE(AO1), %xmm2
vmovups 5 * SIZE(AO1), %xmm3
vmovups 7 * SIZE(AO1), %xmm4
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm2, %xmm1 , %xmm1
vshufpd $1, %xmm3, %xmm2 , %xmm2
vshufpd $1, %xmm4, %xmm3 , %xmm3
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, -14 * SIZE(B)
vmovups %xmm2, -12 * SIZE(B)
vmovups %xmm3, -10 * SIZE(B)
vmovups %xmm4, %xmm0
addq $8 * SIZE, AO1
subq $-8 * SIZE, B
decq I
jg .L46
ALIGN_4
.L47:
testq $4, M
jle .L48
vmovups 1 * SIZE(AO1), %xmm1
vmovups 3 * SIZE(AO1), %xmm2
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm2, %xmm1 , %xmm1
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, -14 * SIZE(B)
vmovups %xmm2, %xmm0
addq $4 * SIZE, AO1
addq $4 * SIZE, B
ALIGN_4
.L48:
testq $2, M
jle .L49
vmovups 1 * SIZE(AO1), %xmm1
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, %xmm0
addq $2 * SIZE, AO1
subq $-2 * SIZE, B
ALIGN_4
.L49:
testq $1, M
jle .L999
vshufpd $1, %xmm0, %xmm0 , %xmm0
vmovlpd %xmm0, -16 * SIZE(B)
jmp .L999
ALIGN_4
.L50:
movq N, J
sarq $3, J
jle .L60
ALIGN_4
.L51:
movq A, AO1
leaq (A, LDA, 4), AO2
leaq (A, LDA, 8), A
testq $SIZE, A
je .L52
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO1, LDA, 2), %xmm2
vmovsd 0 * SIZE(AO1, LDA3), %xmm3
vmovsd 0 * SIZE(AO2), %xmm4
vmovsd 0 * SIZE(AO2, LDA), %xmm5
vmovsd 0 * SIZE(AO2, LDA, 2), %xmm6
vmovsd 0 * SIZE(AO2, LDA3), %xmm7
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpcklpd %xmm5, %xmm4 , %xmm4
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
addq $1 * SIZE, AO1
addq $1 * SIZE, AO2
subq $-8 * SIZE, B
ALIGN_3
.L52:
vmovups -1 * SIZE(AO1, LDA), %xmm9
vmovups -1 * SIZE(AO1, LDA3), %xmm10
vmovups -1 * SIZE(AO2, LDA), %xmm11
vmovups -1 * SIZE(AO2, LDA3), %xmm12
movq MM, I
sarq $3, I
jle .L54
ALIGN_4
.L53:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups 1 * SIZE(AO1, LDA3), %xmm3
vmovups 0 * SIZE(AO2), %xmm4
vmovups 1 * SIZE(AO2, LDA), %xmm5
vmovups 0 * SIZE(AO2, LDA, 2), %xmm6
vmovups 1 * SIZE(AO2, LDA3), %xmm7
vmovsd %xmm0, %xmm9 , %xmm9
vmovsd %xmm2, %xmm10, %xmm10
vmovsd %xmm4, %xmm11, %xmm11
vmovsd %xmm6, %xmm12, %xmm12
vmovups %xmm9, -16 * SIZE(B)
vmovups %xmm10, -14 * SIZE(B)
vmovups %xmm11, -12 * SIZE(B)
vmovups %xmm12, -10 * SIZE(B)
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vshufpd $1, %xmm5, %xmm4 , %xmm4
vshufpd $1, %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -8 * SIZE(B)
vmovups %xmm2, -6 * SIZE(B)
vmovups %xmm4, -4 * SIZE(B)
vmovups %xmm6, -2 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 3 * SIZE(AO1, LDA), %xmm9
vmovups 2 * SIZE(AO1, LDA, 2), %xmm2
vmovups 3 * SIZE(AO1, LDA3), %xmm10
vmovups 2 * SIZE(AO2), %xmm4
vmovups 3 * SIZE(AO2, LDA), %xmm11
vmovups 2 * SIZE(AO2, LDA, 2), %xmm6
vmovups 3 * SIZE(AO2, LDA3), %xmm12
vmovsd %xmm0, %xmm1 , %xmm1
vmovsd %xmm2, %xmm3 , %xmm3
vmovsd %xmm4, %xmm5 , %xmm5
vmovsd %xmm6, %xmm7 , %xmm7
vmovups %xmm1, 0 * SIZE(B)
vmovups %xmm3, 2 * SIZE(B)
vmovups %xmm5, 4 * SIZE(B)
vmovups %xmm7, 6 * SIZE(B)
vshufpd $1, %xmm9, %xmm0 , %xmm0
vshufpd $1, %xmm10, %xmm2 , %xmm2
vshufpd $1, %xmm11, %xmm4 , %xmm4
vshufpd $1, %xmm12, %xmm6 , %xmm6
vmovups %xmm0, 8 * SIZE(B)
vmovups %xmm2, 10 * SIZE(B)
vmovups %xmm4, 12 * SIZE(B)
vmovups %xmm6, 14 * SIZE(B)
vmovups 4 * SIZE(AO1), %xmm0
vmovups 5 * SIZE(AO1, LDA), %xmm1
vmovups 4 * SIZE(AO1, LDA, 2), %xmm2
vmovups 5 * SIZE(AO1, LDA3), %xmm3
vmovups 4 * SIZE(AO2), %xmm4
vmovups 5 * SIZE(AO2, LDA), %xmm5
vmovups 4 * SIZE(AO2, LDA, 2), %xmm6
vmovups 5 * SIZE(AO2, LDA3), %xmm7
vmovsd %xmm0, %xmm9 , %xmm9
vmovsd %xmm2, %xmm10, %xmm10
vmovsd %xmm4, %xmm11, %xmm11
vmovsd %xmm6, %xmm12, %xmm12
vmovups %xmm9, 16 * SIZE(B)
vmovups %xmm10, 18 * SIZE(B)
vmovups %xmm11, 20 * SIZE(B)
vmovups %xmm12, 22 * SIZE(B)
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vshufpd $1, %xmm5, %xmm4 , %xmm4
vshufpd $1, %xmm7, %xmm6 , %xmm6
vmovups %xmm0, 24 * SIZE(B)
vmovups %xmm2, 26 * SIZE(B)
vmovups %xmm4, 28 * SIZE(B)
vmovups %xmm6, 30 * SIZE(B)
vmovups 6 * SIZE(AO1), %xmm0
vmovups 7 * SIZE(AO1, LDA), %xmm9
vmovups 6 * SIZE(AO1, LDA, 2), %xmm2
vmovups 7 * SIZE(AO1, LDA3), %xmm10
vmovups 6 * SIZE(AO2), %xmm4
vmovups 7 * SIZE(AO2, LDA), %xmm11
vmovups 6 * SIZE(AO2, LDA, 2), %xmm6
vmovups 7 * SIZE(AO2, LDA3), %xmm12
vmovsd %xmm0, %xmm1 , %xmm1
vmovsd %xmm2, %xmm3 , %xmm3
vmovsd %xmm4, %xmm5 , %xmm5
vmovsd %xmm6, %xmm7 , %xmm7
vmovups %xmm1, 32 * SIZE(B)
vmovups %xmm3, 34 * SIZE(B)
vmovups %xmm5, 36 * SIZE(B)
vmovups %xmm7, 38 * SIZE(B)
vshufpd $1, %xmm9, %xmm0 , %xmm0
vshufpd $1, %xmm10, %xmm2 , %xmm2
vshufpd $1, %xmm11, %xmm4 , %xmm4
vshufpd $1, %xmm12, %xmm6 , %xmm6
vmovups %xmm0, 40 * SIZE(B)
vmovups %xmm2, 42 * SIZE(B)
vmovups %xmm4, 44 * SIZE(B)
vmovups %xmm6, 46 * SIZE(B)
addq $8 * SIZE, AO1
addq $8 * SIZE, AO2
subq $-64 * SIZE, B
decq I
jg .L53
ALIGN_4
.L54:
testq $4, MM
jle .L56
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups 1 * SIZE(AO1, LDA3), %xmm3
vmovups 0 * SIZE(AO2), %xmm4
vmovups 1 * SIZE(AO2, LDA), %xmm5
vmovups 0 * SIZE(AO2, LDA, 2), %xmm6
vmovups 1 * SIZE(AO2, LDA3), %xmm7
vmovsd %xmm0, %xmm9 , %xmm9
vmovsd %xmm2, %xmm10, %xmm10
vmovsd %xmm4, %xmm11, %xmm11
vmovsd %xmm6, %xmm12, %xmm12
vmovups %xmm9, -16 * SIZE(B)
vmovups %xmm10, -14 * SIZE(B)
vmovups %xmm11, -12 * SIZE(B)
vmovups %xmm12, -10 * SIZE(B)
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vshufpd $1, %xmm5, %xmm4 , %xmm4
vshufpd $1, %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -8 * SIZE(B)
vmovups %xmm2, -6 * SIZE(B)
vmovups %xmm4, -4 * SIZE(B)
vmovups %xmm6, -2 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 3 * SIZE(AO1, LDA), %xmm9
vmovups 2 * SIZE(AO1, LDA, 2), %xmm2
vmovups 3 * SIZE(AO1, LDA3), %xmm10
vmovups 2 * SIZE(AO2), %xmm4
vmovups 3 * SIZE(AO2, LDA), %xmm11
vmovups 2 * SIZE(AO2, LDA, 2), %xmm6
vmovups 3 * SIZE(AO2, LDA3), %xmm12
vmovsd %xmm0, %xmm1 , %xmm1
vmovsd %xmm2, %xmm3 , %xmm3
vmovsd %xmm4, %xmm5 , %xmm5
vmovsd %xmm6, %xmm7 , %xmm7
vmovups %xmm1, 0 * SIZE(B)
vmovups %xmm3, 2 * SIZE(B)
vmovups %xmm5, 4 * SIZE(B)
vmovups %xmm7, 6 * SIZE(B)
vshufpd $1, %xmm9, %xmm0 , %xmm0
vshufpd $1, %xmm10, %xmm2 , %xmm2
vshufpd $1, %xmm11, %xmm4 , %xmm4
vshufpd $1, %xmm12, %xmm6 , %xmm6
vmovups %xmm0, 8 * SIZE(B)
vmovups %xmm2, 10 * SIZE(B)
vmovups %xmm4, 12 * SIZE(B)
vmovups %xmm6, 14 * SIZE(B)
addq $4 * SIZE, AO1
addq $4 * SIZE, AO2
subq $-32 * SIZE, B
ALIGN_4
.L56:
testq $2, MM
jle .L58
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO1, LDA, 2), %xmm2
vmovups 1 * SIZE(AO1, LDA3), %xmm3
vmovups 0 * SIZE(AO2), %xmm4
vmovups 1 * SIZE(AO2, LDA), %xmm5
vmovups 0 * SIZE(AO2, LDA, 2), %xmm6
vmovups 1 * SIZE(AO2, LDA3), %xmm7
vmovsd %xmm0, %xmm9 , %xmm9
vmovsd %xmm2, %xmm10, %xmm10
vmovsd %xmm4, %xmm11, %xmm11
vmovsd %xmm6, %xmm12, %xmm12
vmovups %xmm9, -16 * SIZE(B)
vmovups %xmm10, -14 * SIZE(B)
vmovups %xmm11, -12 * SIZE(B)
vmovups %xmm12, -10 * SIZE(B)
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vshufpd $1, %xmm5, %xmm4 , %xmm4
vshufpd $1, %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -8 * SIZE(B)
vmovups %xmm2, -6 * SIZE(B)
vmovups %xmm4, -4 * SIZE(B)
vmovups %xmm6, -2 * SIZE(B)
addq $2 * SIZE, AO1
addq $2 * SIZE, AO2
subq $-16 * SIZE, B
ALIGN_4
.L58:
testq $1, MM
jle .L59
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO1, LDA, 2), %xmm2
vmovsd 0 * SIZE(AO1, LDA3), %xmm3
vmovsd 0 * SIZE(AO2), %xmm4
vmovsd 0 * SIZE(AO2, LDA), %xmm5
vmovsd 0 * SIZE(AO2, LDA, 2), %xmm6
vmovsd 0 * SIZE(AO2, LDA3), %xmm7
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vunpcklpd %xmm5, %xmm4 , %xmm4
vunpcklpd %xmm7, %xmm6 , %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
subq $-8 * SIZE, B
ALIGN_4
.L59:
decq J
jg .L51
ALIGN_4
.L60:
testq $4, N
jle .L70
movq A, AO1
leaq (A, LDA, 2), AO2
leaq (A, LDA, 4), A
testq $SIZE, A
je .L62
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO2), %xmm2
vmovsd 0 * SIZE(AO2, LDA), %xmm3
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
addq $1 * SIZE, AO1
addq $1 * SIZE, AO2
subq $-4 * SIZE, B
ALIGN_3
.L62:
vmovups -1 * SIZE(AO1, LDA), %xmm5
vmovups -1 * SIZE(AO2, LDA), %xmm7
movq MM, I
sarq $3, I
jle .L64
ALIGN_4
.L63:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO2), %xmm2
vmovups 1 * SIZE(AO2, LDA), %xmm3
vmovsd %xmm0, %xmm5 , %xmm5
vmovsd %xmm2, %xmm7 , %xmm7
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vmovups %xmm5, -16 * SIZE(B)
vmovups %xmm7, -14 * SIZE(B)
vmovups %xmm0, -12 * SIZE(B)
vmovups %xmm2, -10 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 3 * SIZE(AO1, LDA), %xmm5
vmovups 2 * SIZE(AO2), %xmm2
vmovups 3 * SIZE(AO2, LDA), %xmm7
vmovsd %xmm0, %xmm1 , %xmm1
vmovsd %xmm2, %xmm3 , %xmm3
vshufpd $1, %xmm5, %xmm0 , %xmm0
vshufpd $1, %xmm7, %xmm2 , %xmm2
vmovups %xmm1, -8 * SIZE(B)
vmovups %xmm3, -6 * SIZE(B)
vmovups %xmm0, -4 * SIZE(B)
vmovups %xmm2, -2 * SIZE(B)
vmovups 4 * SIZE(AO1), %xmm0
vmovups 5 * SIZE(AO1, LDA), %xmm1
vmovups 4 * SIZE(AO2), %xmm2
vmovups 5 * SIZE(AO2, LDA), %xmm3
vmovsd %xmm0, %xmm5 , %xmm5
vmovsd %xmm2, %xmm7 , %xmm7
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vmovups %xmm5, 0 * SIZE(B)
vmovups %xmm7, 2 * SIZE(B)
vmovups %xmm0, 4 * SIZE(B)
vmovups %xmm2, 6 * SIZE(B)
vmovups 6 * SIZE(AO1), %xmm0
vmovups 7 * SIZE(AO1, LDA), %xmm5
vmovups 6 * SIZE(AO2), %xmm2
vmovups 7 * SIZE(AO2, LDA), %xmm7
vmovsd %xmm0, %xmm1 , %xmm1
vmovsd %xmm2, %xmm3 , %xmm3
vshufpd $1, %xmm5, %xmm0 , %xmm0
vshufpd $1, %xmm7, %xmm2 , %xmm2
vmovups %xmm1, 8 * SIZE(B)
vmovups %xmm3, 10 * SIZE(B)
vmovups %xmm0, 12 * SIZE(B)
vmovups %xmm2, 14 * SIZE(B)
addq $8 * SIZE, AO1
addq $8 * SIZE, AO2
subq $-32 * SIZE, B
decq I
jg .L63
ALIGN_4
.L64:
testq $4, MM
jle .L66
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO2), %xmm2
vmovups 1 * SIZE(AO2, LDA), %xmm3
vmovsd %xmm0, %xmm5 , %xmm5
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovsd %xmm2, %xmm7 , %xmm7
vshufpd $1, %xmm3, %xmm2 , %xmm2
vmovups %xmm5, -16 * SIZE(B)
vmovups %xmm7, -14 * SIZE(B)
vmovups %xmm0, -12 * SIZE(B)
vmovups %xmm2, -10 * SIZE(B)
vmovups 2 * SIZE(AO1), %xmm0
vmovups 3 * SIZE(AO1, LDA), %xmm5
vmovups 2 * SIZE(AO2), %xmm2
vmovups 3 * SIZE(AO2, LDA), %xmm7
vmovsd %xmm0, %xmm1 , %xmm1
vshufpd $1, %xmm5, %xmm0 , %xmm0
vmovsd %xmm2, %xmm3 , %xmm3
vshufpd $1, %xmm7, %xmm2 , %xmm2
vmovups %xmm1, -8 * SIZE(B)
vmovups %xmm3, -6 * SIZE(B)
vmovups %xmm0, -4 * SIZE(B)
vmovups %xmm2, -2 * SIZE(B)
addq $4 * SIZE, AO1
addq $4 * SIZE, AO2
subq $-16 * SIZE, B
ALIGN_4
.L66:
testq $2, MM
jle .L68
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO1, LDA), %xmm1
vmovups 0 * SIZE(AO2), %xmm2
vmovups 1 * SIZE(AO2, LDA), %xmm3
vmovsd %xmm0, %xmm5 , %xmm5
vmovsd %xmm2, %xmm7 , %xmm7
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm3, %xmm2 , %xmm2
vmovups %xmm5, -16 * SIZE(B)
vmovups %xmm7, -14 * SIZE(B)
vmovups %xmm0, -12 * SIZE(B)
vmovups %xmm2, -10 * SIZE(B)
addq $2 * SIZE, AO1
addq $2 * SIZE, AO2
subq $-8 * SIZE, B
ALIGN_4
.L68:
testq $1, MM
jle .L70
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO1, LDA), %xmm1
vmovsd 0 * SIZE(AO2), %xmm2
vmovsd 0 * SIZE(AO2, LDA), %xmm3
vunpcklpd %xmm1, %xmm0 , %xmm0
vunpcklpd %xmm3, %xmm2 , %xmm2
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
subq $-4 * SIZE, B
ALIGN_4
.L70:
testq $2, N
jle .L80
movq A, AO1
leaq (A, LDA), AO2
leaq (A, LDA, 2), A
testq $SIZE, A
je .L72
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO2), %xmm1
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm0, -16 * SIZE(B)
addq $1 * SIZE, AO1
addq $1 * SIZE, AO2
subq $-2 * SIZE, B
ALIGN_3
.L72:
vmovups -1 * SIZE(AO2), %xmm5
movq MM, I
sarq $3, I
jle .L74
ALIGN_4
.L73:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO2), %xmm1
vmovups 2 * SIZE(AO1), %xmm2
vmovups 3 * SIZE(AO2), %xmm3
vmovsd %xmm0, %xmm5 , %xmm5
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovsd %xmm2, %xmm1 , %xmm1
vshufpd $1, %xmm3, %xmm2 , %xmm2
vmovups %xmm5, -16 * SIZE(B)
vmovups %xmm0, -14 * SIZE(B)
vmovups %xmm1, -12 * SIZE(B)
vmovups %xmm2, -10 * SIZE(B)
vmovups 4 * SIZE(AO1), %xmm0
vmovups 5 * SIZE(AO2), %xmm1
vmovups 6 * SIZE(AO1), %xmm2
vmovups 7 * SIZE(AO2), %xmm5
vmovsd %xmm0, %xmm3 , %xmm3
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovsd %xmm2, %xmm1 , %xmm1
vshufpd $1, %xmm5, %xmm2 , %xmm2
vmovups %xmm3, -8 * SIZE(B)
vmovups %xmm0, -6 * SIZE(B)
vmovups %xmm1, -4 * SIZE(B)
vmovups %xmm2, -2 * SIZE(B)
addq $8 * SIZE, AO1
addq $8 * SIZE, AO2
subq $-16 * SIZE, B
decq I
jg .L73
ALIGN_4
.L74:
testq $4, MM
jle .L76
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO2), %xmm1
vmovups 2 * SIZE(AO1), %xmm2
vmovups 3 * SIZE(AO2), %xmm3
vmovsd %xmm0, %xmm5 , %xmm5
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovsd %xmm2, %xmm1 , %xmm1
vshufpd $1, %xmm3, %xmm2 , %xmm2
vmovups %xmm5, -16 * SIZE(B)
vmovups %xmm0, -14 * SIZE(B)
vmovups %xmm1, -12 * SIZE(B)
vmovups %xmm2, -10 * SIZE(B)
vmovups %xmm3, %xmm5
addq $4 * SIZE, AO1
addq $4 * SIZE, AO2
subq $-8 * SIZE, B
ALIGN_4
.L76:
testq $2, MM
jle .L78
vmovups 0 * SIZE(AO1), %xmm0
vmovups 1 * SIZE(AO2), %xmm1
vmovsd %xmm0, %xmm5 , %xmm5
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovups %xmm5, -16 * SIZE(B)
vmovups %xmm0, -14 * SIZE(B)
addq $2 * SIZE, AO1
addq $2 * SIZE, AO2
subq $-4 * SIZE, B
ALIGN_4
.L78:
testq $1, MM
jle .L80
vmovsd 0 * SIZE(AO1), %xmm0
vmovsd 0 * SIZE(AO2), %xmm1
vunpcklpd %xmm1, %xmm0 , %xmm0
vmovups %xmm0, -16 * SIZE(B)
subq $-2 * SIZE, B
ALIGN_4
.L80:
testq $1, N
jle .L999
movq A, AO1
testq $SIZE, A
jne .L85
movq MM, I
sarq $3, I
jle .L82
ALIGN_4
.L81:
vmovups 0 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1), %xmm2
vmovups 4 * SIZE(AO1), %xmm4
vmovups 6 * SIZE(AO1), %xmm6
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
vmovups %xmm4, -12 * SIZE(B)
vmovups %xmm6, -10 * SIZE(B)
addq $8 * SIZE, AO1
subq $-8 * SIZE, B
decq I
jg .L81
ALIGN_4
.L82:
testq $4, MM
jle .L83
vmovups 0 * SIZE(AO1), %xmm0
vmovups 2 * SIZE(AO1), %xmm2
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm2, -14 * SIZE(B)
addq $4 * SIZE, AO1
subq $-4 * SIZE, B
ALIGN_4
.L83:
testq $2, MM
jle .L84
vmovups 0 * SIZE(AO1), %xmm0
vmovups %xmm0, -16 * SIZE(B)
addq $2 * SIZE, AO1
subq $-2 * SIZE, B
ALIGN_4
.L84:
testq $1, MM
jle .L999
vmovsd 0 * SIZE(AO1), %xmm0
vmovlpd %xmm0, -16 * SIZE(B)
jmp .L999
ALIGN_4
.L85:
vmovups -1 * SIZE(AO1), %xmm0
movq M, I
sarq $3, I
jle .L86
ALIGN_4
.L86:
vmovups 1 * SIZE(AO1), %xmm1
vmovups 3 * SIZE(AO1), %xmm2
vmovups 5 * SIZE(AO1), %xmm3
vmovups 7 * SIZE(AO1), %xmm4
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm2, %xmm1 , %xmm1
vshufpd $1, %xmm3, %xmm2 , %xmm2
vshufpd $1, %xmm4, %xmm3 , %xmm3
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, -14 * SIZE(B)
vmovups %xmm2, -12 * SIZE(B)
vmovups %xmm3, -10 * SIZE(B)
vmovups %xmm4, %xmm0
addq $8 * SIZE, AO1
subq $-8 * SIZE, B
decq I
jg .L86
ALIGN_4
.L87:
testq $4, M
jle .L88
vmovups 1 * SIZE(AO1), %xmm1
vmovups 3 * SIZE(AO1), %xmm2
vshufpd $1, %xmm1, %xmm0 , %xmm0
vshufpd $1, %xmm2, %xmm1 , %xmm1
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, -14 * SIZE(B)
vmovups %xmm2, %xmm0
addq $4 * SIZE, AO1
addq $4 * SIZE, B
ALIGN_4
.L88:
testq $2, M
jle .L89
vmovups 1 * SIZE(AO1), %xmm1
vshufpd $1, %xmm1, %xmm0 , %xmm0
vmovups %xmm0, -16 * SIZE(B)
vmovups %xmm1, %xmm0
addq $2 * SIZE, AO1
subq $-2 * SIZE, B
ALIGN_4
.L89:
testq $1, M
jle .L999
vshufpd $1, %xmm0, %xmm0 , %xmm0
vmovlpd %xmm0, -16 * SIZE(B)
ALIGN_4
.L999:
#ifdef WINDOWS_ABI
vmovups 0(%rsp), %xmm6
vmovups 16(%rsp), %xmm7
vmovups 32(%rsp), %xmm8
vmovups 48(%rsp), %xmm9
vmovups 64(%rsp), %xmm10
vmovups 80(%rsp), %xmm11
vmovups 96(%rsp), %xmm12
addq $STACKSIZE, %rsp
#endif
popq %r12
popq %r13
#ifdef WINDOWS_ABI
popq %r14
popq %r15
#endif
ret
EPILOGUE