// Auto-generated file. Do not edit! // Template: src/qs8-igemm/4x8-aarch32-neon-mlal-lane-cortex-a7.S.in // Generator: tools/xngen // // Copyright 2021 Google LLC // // This source code is licensed under the BSD-style license found in the // LICENSE file in the root directory of this source tree. #include .syntax unified // void xnn_qu8_igemm_minmax_rndnu_ukernel_4x8__aarch32_neon_mlal_lane_cortex_a7( // size_t mr, (r0) // size_t nc, r1 -> sp + 56 // size_t kc, (r2) -> r5 -> sp + 60 // size_t ks, (r3) -> sp + 64 -> r14 // const uint8_t**restrict a, sp + 104 -> r2 // const void*restrict w, sp + 108 -> r9 // uint8_t*restrict c, sp + 112 -> r11 // size_t cm_stride, sp + 116 -> (r6) // size_t cn_stride, sp + 120 -> (r7) // size_t a_offset, sp + 124 -> (r5) // const uint8_t* zero, sp + 128 -> (r7) // xnn_qs8_conv_minmax_params*params); sp + 132 -> (r5) // d8-d15, r4-r11,r14(lr) need to be preserved if used. r13(sp),r15(pc) are reserved. // Register usage // A0 r3 d0-d1 q0 // A1 r12 d2-d3 q1 // A2 r10 d4-d5 q2 // A3 r0 d6-d7 q3 // B r9 d8-d9 q4 q5 // C0 r11 d16-d17 q8 d18-d19 q9 // C1 r4 d20-d21 q10 d22-d23 q11 // C2 r8 d24-d25 q12 d26-d27 q13 // C3 r6 d28-d29 q14 d30-d31 q15 // Unused d15 // params structure is 20 bytes // struct { // uint8_t kernel_zero_point[4]; d14 // int32_t right_pre_shift; d12[0] // int32_t multiplier; d12[1] // int32_t right_post_shift; d13[0] // int16_t output_zero_point; d13[2] // uint8_t output_min; d13[6] // uint8_t output_max; d13[7] // } rndnu_neon; BEGIN_FUNCTION xnn_qu8_igemm_minmax_rndnu_ukernel_4x8__aarch32_neon_mlal_lane_cortex_a7 # Push 104 bytes # r1, r2 will be reloaded in outer loop. r3 is ks PUSH {r1, r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, lr} // +48 VPUSH {d8-d14} // +56 = 104 LDR r11, [sp, 112] // c LDR r6, [sp, 116] // cm_stride LDR r2, [sp, 104] // a LDR r9, [sp, 108] // w LDR r5, [sp, 132] // params MOV r14, r3 // p = ks # Clamp C pointers CMP r0, 2 // if mr >= 2 ADD r4, r11, r6 // c1 = c0 + cm_stride MOVLO r4, r11 // c1 // if mr > 2 ADD r8, r4, r6 // c2 = c1 + cm_stride MOVLS r8, r4 // c2 CMP r0, 4 // if mr >=4 ADD r6, r8, r6 // c3 = c2 + cm_stride MOVLO r6, r8 // c3 # Load params values VLD1.32 {d14[]}, [r5]! // QU8 kernel_zero_point VLDM r5, {d12-d13} // RNDNU params .p2align 3 0: # Load initial bias from w into accumulators VLDM r9!, {d16-d19} // Bias VMOV q10, q8 VMOV q11, q9 STR r1, [sp, 56] // save nc VMOV q12, q8 VMOV q13, q9 VMOV q14, q8 VMOV q15, q9 .p2align 3 1: # Load next 4 A pointers LDR r3, [r2, 0] LDR r12, [r2, 4] LDR r10, [r2, 8] LDR r0, [r2, 12] # Add a_offset LDR r5, [sp, 124] // a_offset LDR r7, [sp, 128] // zero ADD r2, r2, 16 CMP r3, r7 // if a0 == zero ADD r3, r3, r5 // a0 += a_offset MOVEQ r3, r7 // a0 = zero, else += a0 + a_offset CMP r12, r7 // if a1 == zero ADD r12, r12, r5 // a1 += a_offset MOVEQ r12, r7 // a1 = zero, else += a1 + a_offset CMP r10, r7 // if a2 == zero ADD r10, r10, r5 // a2 += a_offset MOVEQ r10, r7 // a2 = zero, else += a2 + a_offset CMP r0, r7 // if a3 == zero ADD r0, r0, r5 // a3 += a_offset LDR r5, [sp, 60] // kc MOVEQ r0, r7 // a3 = zero, else += a3 + a_offset SUBS r5, r5, 8 // kc - 8 BLO 5f // less than 8 channels? // Prologue - load 4A's and B0 VLD1.8 {d0}, [r3]! // A0 VLD1.8 {d8}, [r9]! // B0 SUBS r5, r5, 8 // k = k - 8 VLD1.8 {d2}, [r12]! // A1 VLD1.8 {d4}, [r10]! // A2 VLD1.8 {d6}, [r0]! // A3 BLO 3f // less than 8 channels? // Main loop - 8 bytes // 64 bytes for weights. // 5 VMOVL = 4 A and 1 B = 5 cycles // 7 blocks with VLD B, VMOVL, 8 VMLA = 10 cycles // 1 blocks with VLD B, VMLA = 9 cycles // total = 84 cycles .p2align 3 2: // Extend - 5 cycles VMOVL.U8 q0, d0 VSUBL.U8 q4, d8, d14 VMOVL.U8 q1, d2 VMOVL.U8 q2, d4 VMOVL.U8 q3, d6 // BLOCK 0 - 10 cycles VLD1.8 {d10}, [r9]! // B1 VMLAL.S16 q8, d8, d0[0] VMLAL.S16 q9, d9, d0[0] VMLAL.S16 q10, d8, d2[0] VMLAL.S16 q11, d9, d2[0] VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d4[0] VMLAL.S16 q13, d9, d4[0] VMLAL.S16 q14, d8, d6[0] VMLAL.S16 q15, d9, d6[0] // BLOCK 1 - 10 cycles VLD1.8 {d8}, [r9]! // B2 VMLAL.S16 q8, d10, d0[1] VMLAL.S16 q9, d11, d0[1] VMLAL.S16 q10, d10, d2[1] VMLAL.S16 q11, d11, d2[1] VSUBL.U8 q4, d8, d14 VMLAL.S16 q12, d10, d4[1] VMLAL.S16 q13, d11, d4[1] VMLAL.S16 q14, d10, d6[1] VMLAL.S16 q15, d11, d6[1] // BLOCK 2 - 10 cycles VLD1.8 {d10}, [r9]! // B3 VMLAL.S16 q8, d8, d0[2] VMLAL.S16 q9, d9, d0[2] VMLAL.S16 q10, d8, d2[2] VMLAL.S16 q11, d9, d2[2] VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d4[2] VMLAL.S16 q13, d9, d4[2] VMLAL.S16 q14, d8, d6[2] VMLAL.S16 q15, d9, d6[2] // BLOCK 3 - 10 cycles VLD1.8 {d8}, [r9]! // B4 VMLAL.S16 q8, d10, d0[3] VMLAL.S16 q9, d11, d0[3] VMLAL.S16 q10, d10, d2[3] VMLAL.S16 q11, d11, d2[3] VLD1.8 {d0}, [r3]! // A0 VSUBL.U8 q4, d8, d14 VMLAL.S16 q12, d10, d4[3] VMLAL.S16 q13, d11, d4[3] VMLAL.S16 q14, d10, d6[3] VMLAL.S16 q15, d11, d6[3] // BLOCK 4 - 10 cycles VLD1.8 {d10}, [r9]! // B5 VMLAL.S16 q8, d8, d1[0] VMLAL.S16 q9, d9, d1[0] VMLAL.S16 q10, d8, d3[0] VMLAL.S16 q11, d9, d3[0] VLD1.8 {d2}, [r12]! // A1 VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d5[0] VMLAL.S16 q13, d9, d5[0] VMLAL.S16 q14, d8, d7[0] VMLAL.S16 q15, d9, d7[0] // BLOCK 5 - 10 cycles VLD1.8 {d8}, [r9]! // B6 VMLAL.S16 q8, d10, d1[1] VMLAL.S16 q9, d11, d1[1] VMLAL.S16 q10, d10, d3[1] VMLAL.S16 q11, d11, d3[1] VLD1.8 {d4}, [r10]! // A2 VSUBL.U8 q4, d8, d14 VMLAL.S16 q12, d10, d5[1] VMLAL.S16 q13, d11, d5[1] VMLAL.S16 q14, d10, d7[1] VMLAL.S16 q15, d11, d7[1] // BLOCK 6 - 10 cycles VLD1.8 {d10}, [r9]! // B7 VMLAL.S16 q8, d8, d1[2] VMLAL.S16 q9, d9, d1[2] VMLAL.S16 q10, d8, d3[2] VMLAL.S16 q11, d9, d3[2] VLD1.8 {d6}, [r0]! // A3 VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d5[2] VMLAL.S16 q13, d9, d5[2] VMLAL.S16 q14, d8, d7[2] VMLAL.S16 q15, d9, d7[2] // BLOCK 7 - 9 cycles VLD1.8 {d8}, [r9]! // B0 VMLAL.S16 q8, d10, d1[3] VMLAL.S16 q9, d11, d1[3] VMLAL.S16 q10, d10, d3[3] VMLAL.S16 q11, d11, d3[3] VMLAL.S16 q12, d10, d5[3] VMLAL.S16 q13, d11, d5[3] SUBS r5, r5, 8 VMLAL.S16 q14, d10, d7[3] VMLAL.S16 q15, d11, d7[3] BHS 2b // Epilogue .p2align 3 3: VMOVL.U8 q0, d0 VSUBL.U8 q4, d8, d14 VMOVL.U8 q1, d2 VMOVL.U8 q2, d4 VMOVL.U8 q3, d6 VLD1.8 {d10}, [r9]! // B1 VMLAL.S16 q8, d8, d0[0] VMLAL.S16 q9, d9, d0[0] VMLAL.S16 q10, d8, d2[0] VMLAL.S16 q11, d9, d2[0] VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d4[0] VMLAL.S16 q13, d9, d4[0] VMLAL.S16 q14, d8, d6[0] VMLAL.S16 q15, d9, d6[0] VLD1.8 {d8}, [r9]! // B2 VMLAL.S16 q8, d10, d0[1] VMLAL.S16 q9, d11, d0[1] VMLAL.S16 q10, d10, d2[1] VMLAL.S16 q11, d11, d2[1] VSUBL.U8 q4, d8, d14 VMLAL.S16 q12, d10, d4[1] VMLAL.S16 q13, d11, d4[1] VMLAL.S16 q14, d10, d6[1] VMLAL.S16 q15, d11, d6[1] VLD1.8 {d10}, [r9]! // B3 VMLAL.S16 q8, d8, d0[2] VMLAL.S16 q9, d9, d0[2] VMLAL.S16 q10, d8, d2[2] VMLAL.S16 q11, d9, d2[2] VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d4[2] VMLAL.S16 q13, d9, d4[2] VMLAL.S16 q14, d8, d6[2] VMLAL.S16 q15, d9, d6[2] VLD1.8 {d8}, [r9]! // B4 VMLAL.S16 q8, d10, d0[3] VMLAL.S16 q9, d11, d0[3] VMLAL.S16 q10, d10, d2[3] VMLAL.S16 q11, d11, d2[3] VSUBL.U8 q4, d8, d14 VMLAL.S16 q12, d10, d4[3] VMLAL.S16 q13, d11, d4[3] VMLAL.S16 q14, d10, d6[3] VMLAL.S16 q15, d11, d6[3] VLD1.8 {d10}, [r9]! // B5 VMLAL.S16 q8, d8, d1[0] VMLAL.S16 q9, d9, d1[0] VMLAL.S16 q10, d8, d3[0] VMLAL.S16 q11, d9, d3[0] VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d5[0] VMLAL.S16 q13, d9, d5[0] VMLAL.S16 q14, d8, d7[0] VMLAL.S16 q15, d9, d7[0] VLD1.8 {d8}, [r9]! // B6 VMLAL.S16 q8, d10, d1[1] VMLAL.S16 q9, d11, d1[1] VMLAL.S16 q10, d10, d3[1] VMLAL.S16 q11, d11, d3[1] VSUBL.U8 q4, d8, d14 VMLAL.S16 q12, d10, d5[1] VMLAL.S16 q13, d11, d5[1] VMLAL.S16 q14, d10, d7[1] VMLAL.S16 q15, d11, d7[1] VLD1.8 {d10}, [r9]! // B7 VMLAL.S16 q8, d8, d1[2] VMLAL.S16 q9, d9, d1[2] VMLAL.S16 q10, d8, d3[2] VMLAL.S16 q11, d9, d3[2] VSUBL.U8 q5, d10, d14 VMLAL.S16 q12, d8, d5[2] VMLAL.S16 q13, d9, d5[2] VMLAL.S16 q14, d8, d7[2] VMLAL.S16 q15, d9, d7[2] VMLAL.S16 q8, d10, d1[3] VMLAL.S16 q9, d11, d1[3] VMLAL.S16 q10, d10, d3[3] VMLAL.S16 q11, d11, d3[3] VMLAL.S16 q12, d10, d5[3] VMLAL.S16 q13, d11, d5[3] ADDS r5, r5, 8 VMLAL.S16 q14, d10, d7[3] VMLAL.S16 q15, d11, d7[3] # Is there a remainder?- 1-7 bytes of A BNE 6f 4: # ks loop SUBS r14, r14, 16 // ks -= MR * sizeof(void*) BHI 1b LDR r7, [sp, 120] // cn_stride LDR r14, [sp, 64] // p = ks # RNDNU quantization VDUP.32 q0, d12[0] // right_pre_shift VQSHL.S32 q8, q8, q0 VQSHL.S32 q9, q9, q0 VQSHL.S32 q10, q10, q0 VQSHL.S32 q11, q11, q0 VQSHL.S32 q12, q12, q0 VQSHL.S32 q13, q13, q0 VQSHL.S32 q14, q14, q0 VQSHL.S32 q15, q15, q0 VDUP.32 q2, d13[0] // right_post_shift VQDMULH.S32 q8, q8, d12[1] // multiplier VQDMULH.S32 q9, q9, d12[1] VQDMULH.S32 q10, q10, d12[1] VQDMULH.S32 q11, q11, d12[1] VQDMULH.S32 q12, q12, d12[1] VQDMULH.S32 q13, q13, d12[1] VQDMULH.S32 q14, q14, d12[1] VQDMULH.S32 q15, q15, d12[1] VRSHL.S32 q8, q8, q2 VRSHL.S32 q9, q9, q2 VRSHL.S32 q10, q10, q2 VRSHL.S32 q11, q11, q2 VRSHL.S32 q12, q12, q2 VRSHL.S32 q13, q13, q2 VRSHL.S32 q14, q14, q2 VRSHL.S32 q15, q15, q2 VDUP.16 q0, d13[2] // output_zero_point VQMOVN.S32 d16, q8 VQMOVN.S32 d17, q9 VQMOVN.S32 d18, q10 VQMOVN.S32 d19, q11 VQMOVN.S32 d20, q12 VQMOVN.S32 d21, q13 VQMOVN.S32 d22, q14 VQMOVN.S32 d23, q15 VQADD.S16 q8, q8, q0 VQADD.S16 q9, q9, q0 VQADD.S16 q10, q10, q0 VQADD.S16 q11, q11, q0 LDR r1, [sp, 56] // restore nc VDUP.8 q12, d13[6] // output_min VQMOVUN.S16 d0, q8 VQMOVUN.S16 d1, q9 VQMOVUN.S16 d2, q10 VQMOVUN.S16 d3, q11 VDUP.8 q13, d13[7] // output_max VMAX.U8 q0, q0, q12 VMAX.U8 q1, q1, q12 SUBS r1, r1, 8 // nc -= 8 VMIN.U8 q0, q0, q13 VMIN.U8 q1, q1, q13 # Store full 4 x 8 BLO 7f VST1.8 {d3}, [r6], r7 VST1.8 {d2}, [r8], r7 VST1.8 {d1}, [r4], r7 VST1.8 {d0}, [r11], r7 SUB r2, r2, r14 // a -= ks BHI 0b VPOP {d8-d14} ADD sp, sp, 12 // skip r1, r2, r3 POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} # Remainder- 1 to 7 bytes of A .p2align 3 5: AND r5, r5, 7 // kc remainder 1 to 7 6: VLD1.8 {d0}, [r3] VLD1.8 {d8}, [r9]! VLD1.8 {d2}, [r12] VLD1.8 {d4}, [r10] VLD1.8 {d6}, [r0] VMOVL.U8 q0, d0 VSUBL.U8 q4, d8, d14 VMOVL.U8 q1, d2 VMOVL.U8 q2, d4 VMOVL.U8 q3, d6 VMLAL.S16 q8, d8, d0[0] VMLAL.S16 q9, d9, d0[0] VMLAL.S16 q10, d8, d2[0] VMLAL.S16 q11, d9, d2[0] VMLAL.S16 q12, d8, d4[0] VMLAL.S16 q13, d9, d4[0] VMLAL.S16 q14, d8, d6[0] VMLAL.S16 q15, d9, d6[0] CMP r5, 2 BLO 4b VLD1.8 {d8}, [r9]! VSUBL.U8 q4, d8, d14 VMLAL.S16 q8, d8, d0[1] VMLAL.S16 q9, d9, d0[1] VMLAL.S16 q10, d8, d2[1] VMLAL.S16 q11, d9, d2[1] VMLAL.S16 q12, d8, d4[1] VMLAL.S16 q13, d9, d4[1] VMLAL.S16 q14, d8, d6[1] VMLAL.S16 q15, d9, d6[1] BEQ 4b VLD1.8 {d8}, [r9]! VSUBL.U8 q4, d8, d14 VMLAL.S16 q8, d8, d0[2] VMLAL.S16 q9, d9, d0[2] VMLAL.S16 q10, d8, d2[2] VMLAL.S16 q11, d9, d2[2] VMLAL.S16 q12, d8, d4[2] VMLAL.S16 q13, d9, d4[2] VMLAL.S16 q14, d8, d6[2] VMLAL.S16 q15, d9, d6[2] CMP r5, 4 BLO 4b VLD1.8 {d8}, [r9]! VSUBL.U8 q4, d8, d14 VMLAL.S16 q8, d8, d0[3] VMLAL.S16 q9, d9, d0[3] VMLAL.S16 q10, d8, d2[3] VMLAL.S16 q11, d9, d2[3] VMLAL.S16 q12, d8, d4[3] VMLAL.S16 q13, d9, d4[3] VMLAL.S16 q14, d8, d6[3] VMLAL.S16 q15, d9, d6[3] BEQ 4b VLD1.8 {d8}, [r9]! VSUBL.U8 q4, d8, d14 VMLAL.S16 q8, d8, d1[0] VMLAL.S16 q9, d9, d1[0] VMLAL.S16 q10, d8, d3[0] VMLAL.S16 q11, d9, d3[0] VMLAL.S16 q12, d8, d5[0] VMLAL.S16 q13, d9, d5[0] VMLAL.S16 q14, d8, d7[0] VMLAL.S16 q15, d9, d7[0] CMP r5, 6 BLO 4b VLD1.8 {d8}, [r9]! VSUBL.U8 q4, d8, d14 VMLAL.S16 q8, d8, d1[1] VMLAL.S16 q9, d9, d1[1] VMLAL.S16 q10, d8, d3[1] VMLAL.S16 q11, d9, d3[1] VMLAL.S16 q12, d8, d5[1] VMLAL.S16 q13, d9, d5[1] VMLAL.S16 q14, d8, d7[1] VMLAL.S16 q15, d9, d7[1] BEQ 4b VLD1.8 {d8}, [r9]! VSUBL.U8 q4, d8, d14 VMLAL.S16 q8, d8, d1[2] VMLAL.S16 q9, d9, d1[2] VMLAL.S16 q10, d8, d3[2] VMLAL.S16 q11, d9, d3[2] VMLAL.S16 q12, d8, d5[2] VMLAL.S16 q13, d9, d5[2] VMLAL.S16 q14, d8, d7[2] VMLAL.S16 q15, d9, d7[2] B 4b # Store odd width .p2align 3 7: TST r1, 4 BEQ 8f VST1.32 {d3[0]}, [r6]! VST1.32 {d2[0]}, [r8]! VST1.32 {d1[0]}, [r4]! VST1.32 {d0[0]}, [r11]! VEXT.8 q1, q1, q1, 4 VEXT.8 q0, q0, q0, 4 8: TST r1, 2 BEQ 9f VST1.16 {d3[0]}, [r6]! VST1.16 {d2[0]}, [r8]! VST1.16 {d1[0]}, [r4]! VST1.16 {d0[0]}, [r11]! VEXT.8 q1, q1, q1, 2 VEXT.8 q0, q0, q0, 2 9: TST r1, 1 BEQ 10f VST1.8 {d3[0]}, [r6] VST1.8 {d2[0]}, [r8] VST1.8 {d1[0]}, [r4] VST1.8 {d0[0]}, [r11] 10: VPOP {d8-d14} ADD sp, sp, 12 // skip r1, r2, r3 POP {r4, r5, r6, r7, r8, r9, r10, r11, pc} END_FUNCTION xnn_qu8_igemm_minmax_rndnu_ukernel_4x8__aarch32_neon_mlal_lane_cortex_a7 #ifdef __ELF__ .section ".note.GNU-stack","",%progbits #endif