inference-engine/thirdparty/mkl-dnn/src/cpu/jit_avx512_core_x8s8s32x_deconvolution.cpp

   1 /*******************************************************************************
   2 * Copyright 2018 Intel Corporation
   3 *
   4 * Licensed under the Apache License, Version 2.0 (the "License");
   5 * you may not use this file except in compliance with the License.
   6 * You may obtain a copy of the License at
   7 *
   8 *     http://www.apache.org/licenses/LICENSE-2.0
   9 *
  10 * Unless required by applicable law or agreed to in writing, software
  11 * distributed under the License is distributed on an "AS IS" BASIS,
  12 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  13 * See the License for the specific language governing permissions and
  14 * limitations under the License.
  15 *******************************************************************************/
  16
  17 #include "jit_avx512_core_x8s8s32x_deconvolution.hpp"
  18
  19 #define GET_OFF(field) offsetof(jit_deconv_call_s, field)
  20
  21 namespace mkldnn {
  22 namespace impl {
  23 namespace cpu {
  24
  25 using namespace mkldnn::impl::status;
  26 using namespace mkldnn::impl::memory_format;
  27 using namespace mkldnn::impl::memory_tracking::names;
  28 using namespace mkldnn::impl::utils;
  29 using namespace Xbyak;
  30
  31 using namespace nstl;
  32
  33 #define wht_blk_off(d, g, ...)                             \
  34     (pd()->with_groups() ? (d).blk_off((g), __VA_ARGS__) : \
  35                            (d).blk_off(__VA_ARGS__))
  36
  37 status_t jit_avx512_core_x8s8s32x_deconv_fwd_kernel::init_conf(
  38         jit_conv_conf_t &jcp, const deconvolution_desc_t &cd,
  39         cpu_memory_t::pd_t &src_pd, cpu_memory_t::pd_t &weights_pd,
  40         cpu_memory_t::pd_t &dst_pd, const bool with_bias,
  41         cpu_memory_t::pd_t &bias_pd, const primitive_attr_t &attr) {
  42     const memory_desc_wrapper src_d(&src_pd);
  43     const memory_desc_wrapper dst_d(&dst_pd);
  44     const memory_desc_wrapper weights_d(&weights_pd);
  45     const memory_desc_wrapper bias_d(&bias_pd);
  46
  47     if (!(mayiuse(avx512_core)
  48                 && one_of(src_d.data_type(), data_type::u8, data_type::s8)
  49                 && weights_d.data_type() == data_type::s8
  50                 && one_of(dst_d.data_type(), data_type::f32, data_type::s32,
  51                            data_type::s8, data_type::u8)))
  52         return status::unimplemented;
  53
  54     jcp = zero<decltype(jcp)>();
  55
  56     const bool with_groups = weights_d.ndims() == src_d.ndims() + 1;
  57     jcp.signed_input = src_d.data_type() == data_type::s8;
  58
  59     jcp.ngroups = with_groups ? weights_d.dims()[0] : 1;
  60     jcp.oc = dst_d.dims()[1] / jcp.ngroups;
  61     jcp.ic = src_d.dims()[1] / jcp.ngroups;
  62     jcp.oc_without_padding = dst_d.dims()[1] / jcp.ngroups;
  63     jcp.ic_without_padding = src_d.dims()[1] / jcp.ngroups;
  64     jcp.is_depthwise = true && with_groups
  65             && utils::everyone_is(1, jcp.ic_without_padding,
  66                                jcp.oc_without_padding);
  67
  68     /* TODO: future work, on hold until depthwise specialized kernel is
  69      * implemented. */
  70     if (jcp.is_depthwise && jcp.signed_input)
  71         return status::unimplemented;
  72
  73     const auto w_format = jcp.is_depthwise ? Goihw16g : with_groups ?
  74             (jcp.signed_input ? gOIhw4i16o4i_s8s8 : gOIhw4i16o4i) :
  75             (jcp.signed_input ? OIhw4i16o4i_s8s8 : OIhw4i16o4i);
  76
  77     if (dst_d.format() == any)
  78         CHECK(dst_pd.set_format(nhwc));
  79     if (dst_d.format() != nhwc)
  80         return status::unimplemented;
  81     if (src_d.format() == any)
  82         CHECK(src_pd.set_format(nhwc));
  83     if (src_d.format() != nhwc)
  84         return status::unimplemented;
  85     if (weights_d.format() == any)
  86         CHECK(weights_pd.set_format(w_format));
  87     if (weights_d.format() != w_format)
  88         return status::unimplemented;
  89
  90     jcp.with_bias = with_bias;
  91     if (jcp.with_bias) {
  92         if (bias_d.format() == any)
  93             CHECK(bias_pd.set_format(x));
  94         if (bias_d.format() != x)
  95             return status::unimplemented;
  96     }
  97
  98     jcp.ndims = dst_d.ndims();
  99     jcp.prop_kind = cd.prop_kind;
 100     jcp.mb = src_d.dims()[0];
 101     jcp.ih = src_d.dims()[2];
 102     jcp.iw = src_d.dims()[3];
 103     jcp.oh = dst_d.dims()[2];
 104     jcp.ow = dst_d.dims()[3];
 105     jcp.kh = weights_d.dims()[with_groups + 2];
 106     jcp.kw = weights_d.dims()[with_groups + 3];
 107     jcp.t_pad = cd.padding[0][0];
 108     jcp.l_pad = cd.padding[0][1];
 109     jcp.stride_h = cd.strides[0];
 110     jcp.stride_w = cd.strides[1];
 111     jcp.src_fmt = src_d.format();
 112
 113     if (jcp.is_depthwise) {
 114         jcp.ch_block = 16;
 115         jcp.oc_block = 1;
 116         jcp.ic_block = 1;
 117     } else {
 118         jcp.ch_block = 1;
 119         jcp.oc_block = 16;
 120         jcp.ic_block = 16;
 121
 122         if (jcp.ngroups == 1) {
 123             jcp.oc = utils::rnd_up(jcp.oc_without_padding, jcp.oc_block);
 124             jcp.ic = utils::rnd_up(jcp.ic_without_padding, jcp.ic_block);
 125         }
 126         if (jcp.ic % jcp.ic_block != 0)
 127             return status::unimplemented;
 128     }
 129
 130     jcp.dilate_h = cd.dilates[0];
 131     jcp.dilate_w = cd.dilates[1];
 132
 133     if (!IMPLICATION(jcp.dilate_h, jcp.stride_h == 1)
 134             || !IMPLICATION(jcp.dilate_w, jcp.stride_w == 1))
 135         return status::unimplemented;
 136
 137     /* padding: bottom and right */
 138     jcp.b_pad = (jcp.ih - 1) * jcp.stride_h + (jcp.kh - 1) * (jcp.dilate_h + 1)
 139             - (jcp.oh + jcp.t_pad - 1);
 140     jcp.r_pad = (jcp.iw - 1) * jcp.stride_w + (jcp.kw - 1) * (jcp.dilate_w + 1)
 141             - (jcp.ow + jcp.l_pad - 1);
 142
 143     if (!post_ops_ok(jcp, attr))
 144         return status::unimplemented;
 145
 146     const auto &p = attr.post_ops_;
 147     const int eltwise_ind = p.find(primitive_kind::eltwise);
 148     jcp.with_eltwise = eltwise_ind != -1;
 149     if (jcp.with_eltwise)
 150         jcp.eltwise = p.entry_[eltwise_ind].eltwise;
 151
 152     jcp.ver = ver_avx512_core;
 153     if (mayiuse(avx512_core_vnni))
 154         jcp.ver = ver_vnni;
 155     const auto &oscales = attr.output_scales_;
 156     jcp.is_oc_scale = oscales.mask_ == 1 << 1;
 157
 158     assert(IMPLICATION(!jcp.is_oc_scale, oscales.mask_ == 0));
 159
 160     jcp.dst_dt = dst_d.data_type();
 161     jcp.bia_dt = jcp.with_bias ? bias_d.data_type() : data_type::undef;
 162     jcp.typesize_bia
 163             = jcp.with_bias ? types::data_type_size(bias_d.data_type()) : 0;
 164     jcp.typesize_in = types::data_type_size(src_d.data_type());
 165     jcp.typesize_out = types::data_type_size(dst_d.data_type());
 166
 167     jcp.nb_ch = div_up(jcp.ngroups, jcp.ch_block);
 168     jcp.nb_oc = jcp.oc / jcp.oc_block;
 169     jcp.nb_ic = jcp.ic / jcp.ic_block;
 170
 171     /* kernel blocking params */
 172     const int regs = jcp.ver == ver_vnni ? 30 : 28;
 173     jcp.nb_oc_blocking = nstl::min(4, jcp.nb_oc);
 174     for (; jcp.nb_oc_blocking > 1; jcp.nb_oc_blocking--)
 175         if (jcp.nb_oc % jcp.nb_oc_blocking == 0
 176                 && jcp.l_pad <= regs / (jcp.nb_oc_blocking + 1))
 177             break;
 178
 179     jcp.ur_w = regs / (jcp.nb_oc_blocking + 1);
 180     int l_overflow = max(
 181             0, ((jcp.kw - 1) * (jcp.dilate_w + 1) - jcp.l_pad) / jcp.stride_w);
 182
 183     if (jcp.ow < jcp.ur_w) {
 184         jcp.ur_w = jcp.ow;
 185         jcp.ur_w_tail = 0;
 186     } else {
 187         for (; jcp.ur_w >= 1; jcp.ur_w--) {
 188             /* ur_w should be multiple of stride_w in order
 189                to simplify logic for get_ow_start and get_ow_end */
 190             bool is_multiple_of_stride = jcp.ur_w % jcp.stride_w == 0;
 191
 192             /* boundary conditions:
 193                These conditions ensure all elements close to boundary
 194                are computed in a single call of compute loop */
 195             bool left_boundary_covered = jcp.ur_w >= l_overflow * jcp.stride_w;
 196             jcp.ur_w_tail = jcp.ow % jcp.ur_w;
 197             int r_overflow_no_tail
 198                     = max(0, ((jcp.kw - 1) * (jcp.dilate_w + 1)
 199                                      - max(0, jcp.r_pad) - jcp.ur_w_tail)
 200                                     / jcp.stride_w);
 201             bool right_boundary_covered
 202                     = jcp.ur_w >= r_overflow_no_tail * jcp.stride_w;
 203
 204             if (is_multiple_of_stride && left_boundary_covered
 205                     && right_boundary_covered)
 206                 break;
 207             else if (jcp.ur_w == 1)
 208                 /* The boundary conditions above are also important
 209                    to maintain simplicity of calls to icb_loop,
 210                    if those conditions are not satisfied,
 211                    then special cases will need to be added
 212                    to use correct l_overflow/r_overflow values
 213                    when different iterations of compute loop
 214                    work on the locations close to boundary.
 215                    So to keep code simple, return unimplemented
 216                    for extreme case when a good ur_w cannot be found.
 217                  */
 218                 return status::unimplemented;
 219         }
 220     }
 221
 222     jcp.wei_adj_scale
 223             = (jcp.signed_input && (jcp.ver != ver_vnni)) ? (1.f / 2.f) : 1.f;
 224
 225     jcp.loop_order = jcp.ngroups > 1 ? loop_ngc : loop_cgn;
 226     return status::success;
 227 }
 228
 229 bool jit_avx512_core_x8s8s32x_deconv_fwd_kernel::maybe_eltwise(int position) {
 230     using namespace primitive_kind;
 231     const auto &p = attr_.post_ops_;
 232
 233     if (position == 0) {
 234         /* eltwise before sum */
 235         return p.contain(eltwise, 0);
 236     } else if (position == 1) {
 237         /* eltwise after sum */
 238         return p.contain(sum, 0) && p.contain(eltwise, 1);
 239     }
 240     return false;
 241 }
 242
 243 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::compute_eltwise(int ur_w) {
 244     int nb_oc_block
 245             = jcp.is_depthwise ? jcp.nb_ch_blocking : jcp.nb_oc_blocking;
 246     if (ur_w == jcp.ur_w)
 247         eltwise_injector_->compute_vector_range(0, nb_oc_block * jcp.ur_w);
 248     else
 249         for (int k = 0; k < nb_oc_block; k++)
 250             eltwise_injector_->compute_vector_range(
 251                     k * jcp.ur_w, k * jcp.ur_w + ur_w);
 252 }
 253
 254 bool jit_avx512_core_x8s8s32x_deconv_fwd_kernel::post_ops_ok(
 255         jit_conv_conf_t &jcp, const primitive_attr_t &attr) {
 256     using namespace primitive_kind;
 257     const auto &p = attr.post_ops_;
 258
 259     auto is_eltwise = [&](int idx) { return p.entry_[idx].is_eltwise(); };
 260
 261     switch (p.len_) {
 262     case 0: return true;
 263     case 1: return is_eltwise(0) || p.contain(sum, 0);
 264     case 2:
 265         return (p.contain(sum, 0) && is_eltwise(1))
 266                 || (p.contain(sum, 1) && is_eltwise(0));
 267     default: return false;
 268     }
 269
 270     return false;
 271 }
 272
 273 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::init_scratchpad(
 274         memory_tracking::registrar_t &scratchpad, const jit_conv_conf_t &jcp,
 275         const primitive_attr_t &attr) {
 276     if (jcp.signed_input && jcp.ver != ver_vnni) {
 277         size_t count = nstl::max(attr.output_scales_.count_, 16);
 278         scratchpad.book(key_conv_adjusted_scales, sizeof(float) * count);
 279     }
 280 }
 281
 282 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::compute_ker(int ur_w,
 283         int l_overflow, int r_overflow, ker_block_t last_ic_block_flag,
 284         bool h_padded) {
 285
 286     const int ch_block_all = jcp.ch_block * jcp.ic_block * jcp.oc_block;
 287     const int ur_w_stride = jcp.signed_input ? 1 : jcp.stride_w;
 288
 289     auto src_offset = [=](int oj, int icb, int ki) {
 290         return jcp.typesize_in
 291                 * (((oj + jcp.l_pad - ki * (jcp.dilate_w + 1)) / jcp.stride_w)
 292                                   * jcp.ngroups * jcp.ic_without_padding
 293                           + icb * 4);
 294     };
 295
 296     auto kernel_offset = [=](int ocb, int icb, int ki) {
 297         return jcp.typesize_in
 298                 * (ocb * jcp.nb_ic * jcp.kh * jcp.kw * ch_block_all
 299                           + icb * jcp.oc_block * jcp.ic_block / 4
 300                           + ki * ch_block_all);
 301     };
 302
 303     auto compute = [=](zmm_t vreg_acc, zmm_t vreg_wei, zmm_t vreg_src) {
 304         if (jcp.ver == ver_vnni) {
 305             vpdpbusd(vreg_acc, vreg_src, vreg_wei);
 306         } else if (jcp.is_depthwise) {
 307             vpmulld(zmm_tmp, vreg_src, vreg_wei);
 308             vpaddd(vreg_acc, vreg_acc, zmm_tmp);
 309         } else {
 310             vpmaddubsw(zmm_tmp, vreg_src, vreg_wei);
 311             vpmaddwd(zmm_tmp, zmm_tmp, zmm_one);
 312             vpaddd(vreg_acc, vreg_acc, zmm_tmp);
 313         }
 314     };
 315
 316     for (int ki = 0; ki < jcp.kw; ki++) {
 317
 318         int jj_start = get_ow_start(ki, l_overflow);
 319         int jj_end = get_ow_end(ur_w, ki, r_overflow);
 320
 321         int _start = (jcp.signed_input) ? 0 : jj_start;
 322         int _end = (jcp.signed_input) ? ur_w : jj_end;
 323
 324         int tail_size = jcp.ic_without_padding % 4;
 325         int n_ic_blocks = jcp.is_depthwise ?
 326                 1 :
 327                 (last_ic_block_flag & ~no_last_block ?
 328                                 div_up(jcp.ic_without_padding % jcp.ic_block,
 329                                         4) :
 330                                 jcp.ic_block / 4);
 331
 332         for (int icb1 = 0; icb1 < n_ic_blocks; icb1++) {
 333             if (h_padded == true) {
 334                 /* fill padded area with shifted values */
 335                 Zmm inp = zmm_inp(0, jcp.nb_oc_blocking);
 336                 vpxord(inp, inp, inp);
 337                 vpsubb(inp, inp, zmm_shift);
 338             } else {
 339
 340                 for (int jj = _start; jj < _end; jj += ur_w_stride) {
 341
 342                     int aux_src_off = src_offset(jj, icb1, ki);
 343
 344                     if (jj >= jj_start && jj < jj_end
 345                             && ((jj + jcp.l_pad - ki) % jcp.stride_w == 0)) {
 346                         if (jcp.is_depthwise) {
 347                             vpmovzxbd(zmm_inp(jj, jcp.nb_oc_blocking),
 348                                     EVEX_compress_addr(
 349                                               aux_reg_src, aux_src_off));
 350                         } else if ((last_ic_block_flag & last_sp_block)
 351                                 && tail_size != 0 && icb1 == n_ic_blocks - 1) {
 352                             xmm_t xmm_tmp = xmm_t(
 353                                     zmm_inp(jj, jcp.nb_oc_blocking).getIdx());
 354                             for (int r = 0; r < tail_size; ++r)
 355                                 vpinsrb(xmm_tmp, xmm_tmp,
 356                                         ptr[aux_reg_src + aux_src_off + r], r);
 357                             vpbroadcastd(
 358                                     zmm_inp(jj, jcp.nb_oc_blocking), xmm_tmp);
 359                         } else {
 360                             vpbroadcastd(zmm_inp(jj, jcp.nb_oc_blocking),
 361                                     EVEX_compress_addr(
 362                                                  aux_reg_src, aux_src_off));
 363                         }
 364                         if (jcp.signed_input)
 365                             vpsubb(zmm_inp(jj, jcp.nb_oc_blocking),
 366                                     zmm_inp(jj, jcp.nb_oc_blocking), zmm_shift);
 367                     } else {
 368                         /* fill padded area with shifted values */
 369                         if (jcp.signed_input) {
 370                             Zmm inp = zmm_inp(jj, jcp.nb_oc_blocking);
 371                             vpxord(inp, inp, inp);
 372                             vpsubb(inp, inp, zmm_shift);
 373                         }
 374                     }
 375                 }
 376             }
 377             for (int ocb = 0; ocb < jcp.nb_oc_blocking; ocb++) {
 378                 int aux_filt_off = kernel_offset(ocb, icb1, ki);
 379
 380                 if (_end - _start > 0) {
 381                     if (jcp.is_depthwise)
 382                         vpmovsxbd(zmm_wei,
 383                                 EVEX_compress_addr(aux_reg_filt, aux_filt_off));
 384                     else
 385                         vmovups(zmm_wei,
 386                                 EVEX_compress_addr(aux_reg_filt, aux_filt_off));
 387                 }
 388                 for (int jj = _start; jj < _end; jj += ur_w_stride) {
 389                     Zmm inp = (h_padded == true) ?
 390                             zmm_inp(0, jcp.nb_oc_blocking) :
 391                             zmm_inp(jj, jcp.nb_oc_blocking);
 392                     compute(zmm_out(jj, ocb), zmm_wei, inp);
 393                 }
 394             }
 395         }
 396     }
 397 }
 398
 399 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::kh_loop(int ur_w,
 400         int l_overflow, int r_overflow, ker_block_t last_ic_block_flag) {
 401
 402     int ch_block_all = jcp.ch_block * jcp.ic_block * jcp.oc_block;
 403     int shift_src_ih = jcp.typesize_in * (jcp.dilate_h + 1) * jcp.iw
 404             * jcp.ngroups * jcp.ic_without_padding;
 405     const int stride_h = jcp.signed_input ? 1 : jcp.stride_h;
 406     int shift_filt_kh = jcp.typesize_in * jcp.kw * ch_block_all * stride_h;
 407
 408     Label kh_loop_label, skip_kh_loop;
 409     Label t_overflow_label, no_t_overflow_label, b_overflow_label,
 410             no_b_overflow_label;
 411
 412     mov(aux_reg_src, reg_src);
 413     mov(aux_reg_filt, reg_filt);
 414
 415     if (jcp.signed_input) {
 416         /* Weights are transposed, so first compute 'bottom' padding. */
 417         mov(reg_overflow, ptr[param1 + GET_OFF(b_overflow)]);
 418         cmp(reg_overflow, 0);
 419         je(no_b_overflow_label, T_NEAR);
 420         L(b_overflow_label); {
 421             compute_ker(ur_w, 0, 0, last_ic_block_flag, true);
 422
 423             add(aux_reg_filt, shift_filt_kh);
 424             dec(reg_overflow);
 425             cmp(reg_overflow, 0);
 426             jg(b_overflow_label, T_NEAR);
 427         }
 428         L(no_b_overflow_label);
 429     }
 430
 431     mov(reg_kh, ptr[param1 + GET_OFF(kh_padding)]);
 432
 433     if (jcp.signed_input || ((!jcp.signed_input)
 434         && ((min(jcp.t_pad, jcp.b_pad) < 0)
 435             || ((jcp.kh - 1) * (jcp.dilate_h + 1)
 436                 < nstl::max(jcp.t_pad, jcp.b_pad))))) {
 437         cmp(reg_kh, 0);
 438         je(skip_kh_loop, T_NEAR);
 439     }
 440
 441     L(kh_loop_label); {
 442         compute_ker(ur_w, l_overflow, r_overflow, last_ic_block_flag, false);
 443         sub(aux_reg_src, shift_src_ih);
 444         add(aux_reg_filt, shift_filt_kh);
 445         dec(reg_kh);
 446
 447         /* Insert weight compensation in stride 'holes' */
 448         if (jcp.signed_input && jcp.stride_h > 1) {
 449             Label kh_comp_loop;
 450
 451             cmp(reg_kh, 0);
 452             je(skip_kh_loop, T_NEAR);
 453             mov(reg_comp_strides, jcp.stride_h - 1);
 454             L(kh_comp_loop);
 455             {
 456                 compute_ker(
 457                         ur_w, 0, 0, last_ic_block_flag, true);
 458                 add(aux_reg_filt, shift_filt_kh);
 459                 dec(reg_comp_strides);
 460                 cmp(reg_comp_strides, 0);
 461                 jg(kh_comp_loop, T_NEAR);
 462             }
 463         }
 464         cmp(reg_kh, 0);
 465         jg(kh_loop_label, T_NEAR);
 466     }
 467     L(skip_kh_loop);
 468     if (jcp.signed_input) {
 469         mov(reg_overflow, ptr[param1 + GET_OFF(t_overflow)]);
 470         cmp(reg_overflow, 0);
 471         je(no_t_overflow_label, T_NEAR);
 472         L(t_overflow_label); {
 473             compute_ker(ur_w, 0, 0, last_ic_block_flag, true);
 474
 475             add(aux_reg_filt, shift_filt_kh);
 476             dec(reg_overflow);
 477             cmp(reg_overflow, 0);
 478             jg(t_overflow_label, T_NEAR);
 479         }
 480         L(no_t_overflow_label);
 481     }
 482 }
 483
 484 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::prepare_output(int ur_w) {
 485     for (int ocb = 0; ocb < jcp.nb_oc_blocking; ocb++) {
 486         for (int ur = 0; ur < ur_w; ur++) {
 487             zmm_t zmm = zmm_out(ur, ocb);
 488             vpxord(zmm, zmm, zmm);
 489         }
 490     }
 491     if (jcp.signed_input) {
 492         xor_(reg_scratch, reg_scratch);
 493         Reg8 _t8 = reg_scratch.cvt8();
 494         mov(_t8, (int8_t)-128);
 495         vpbroadcastb(zmm_shift, _t8);
 496     }
 497 }
 498
 499 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::cvt2ps(
 500         data_type_t type_in, zmm_t zmm_in, const Operand &op, bool mask_flag) {
 501     zmm_t zmm = mask_flag ? zmm_in | ktail_mask | T_z : zmm_in;
 502     switch (type_in) {
 503     case data_type::f32:
 504     case data_type::s32: vmovups(zmm, op); break;
 505     case data_type::s8: vpmovsxbd(zmm, op); break;
 506     case data_type::u8: vpmovzxbd(zmm, op); break;
 507     default: assert(!"unsupported data type");
 508     }
 509     if (type_in != data_type::f32)
 510         vcvtdq2ps(zmm_in, zmm_in);
 511 }
 512
 513 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::store_output(
 514         int ur_w, bool last_oc_block) {
 515     mov(reg_bias, ptr[param1 + GET_OFF(bias)]);
 516     mov(reg_ptr_scales, ptr[param1 + GET_OFF(scales)]);
 517
 518     if (jcp.signed_input)
 519         mov(reg_compensation, ptr[param1 + GET_OFF(compensation)]);
 520
 521     const auto &p = attr_.post_ops_;
 522     const int sum_idx = p.find(primitive_kind::sum);
 523     const float *p_sum_scale
 524             = (sum_idx != -1) ? &p.entry_[sum_idx].sum.scale : nullptr;
 525     if (p_sum_scale && *p_sum_scale != 1.f)
 526         mov(reg_ptr_sum_scale, (size_t)p_sum_scale);
 527
 528     if (jcp.with_bias && jcp.signed_input && jcp.ver != ver_vnni) {
 529         mov(reg_bias_alpha, float2int(jcp.wei_adj_scale));
 530         vmovq(xmm_bias_alpha(), reg_bias_alpha);
 531         vbroadcastss(zmm_bias_alpha(), xmm_bias_alpha());
 532     }
 533
 534     for (int ocb = 0; ocb < jcp.nb_oc_blocking; ocb++) {
 535         const bool mask_flag = last_oc_block && ocb == jcp.nb_oc_blocking - 1;
 536         int scale_offset
 537                 = jcp.is_oc_scale * (sizeof(float) * ocb * jcp.oc_block);
 538
 539         auto zmm_bias = zmm_tmp;
 540         if (jcp.with_bias) {
 541             int bias_offset = jcp.typesize_bia * ocb * jcp.oc_block;
 542             auto bias_addr = EVEX_compress_addr(reg_bias, bias_offset);
 543             cvt2ps(jcp.bia_dt, zmm_bias, bias_addr, mask_flag);
 544             if (jcp.signed_input && jcp.ver != ver_vnni)
 545                 vmulps(zmm_bias, zmm_bias, zmm_bias_alpha());
 546         }
 547         if (jcp.signed_input) {
 548             int comp_offset = sizeof(int32_t) * ocb * jcp.oc_block;
 549             auto comp_addr = EVEX_compress_addr(reg_compensation, comp_offset);
 550             cvt2ps(data_type::s32, zmm_comp, comp_addr, mask_flag);
 551         }
 552
 553         for (int ur = 0; ur < ur_w; ur++) {
 554             zmm_t zmm = zmm_out(ur, ocb);
 555             vcvtdq2ps(zmm, zmm);
 556             if (jcp.signed_input)
 557                 vaddps(zmm, zmm, zmm_comp);
 558             if (jcp.with_bias)
 559                 vaddps(zmm, zmm, zmm_bias);
 560             zmm_t mask_zmm = mask_flag ? zmm | ktail_mask | T_z : zmm;
 561             vmulps(mask_zmm, zmm,
 562                     EVEX_compress_addr(reg_ptr_scales, scale_offset));
 563         }
 564     }
 565     if (maybe_eltwise(0))
 566         compute_eltwise(ur_w);
 567     if (p_sum_scale) { // post_op: sum
 568         for (int k = 0; k < jcp.nb_oc_blocking; k++) {
 569             const bool mask_flag
 570                     = last_oc_block == 1 && k == jcp.nb_oc_blocking - 1;
 571             for (int j = 0; j < ur_w; j++) {
 572                 int aux_output_offset
 573                         = jcp.typesize_out
 574                         * (k * jcp.oc_block
 575                                   + j * jcp.oc_without_padding * jcp.ngroups);
 576                 auto addr = EVEX_compress_addr(reg_dst, aux_output_offset);
 577                 Zmm zmm = zmm_out(j, k);
 578                 cvt2ps(jcp.dst_dt, zmm_prev_dst, addr, mask_flag);
 579                 if (*p_sum_scale == 1.f)
 580                     vaddps(zmm, zmm_prev_dst);
 581                 else
 582                     vfmadd231ps(zmm, zmm_prev_dst, zword_b[reg_ptr_sum_scale]);
 583             }
 584         }
 585     }
 586     if (maybe_eltwise(1))
 587         compute_eltwise(ur_w);
 588
 589     for (int ocb = 0; ocb < jcp.nb_oc_blocking; ocb++) {
 590         const bool mask_flag = last_oc_block && ocb == jcp.nb_oc_blocking - 1;
 591         for (int ur = 0; ur < ur_w; ur++) {
 592             zmm_t zmm = zmm_out(ur, ocb);
 593             if (jcp.dst_dt == data_type::u8) {
 594                 vpxord(zmm_zero, zmm_zero, zmm_zero);
 595                 vmaxps(zmm, zmm_zero, zmm);
 596             }
 597             if (jcp.dst_dt != data_type::f32) {
 598                 if (attr_.round_mode_ == round_mode::nearest)
 599                     vcvtps2dq(zmm | T_rn_sae, zmm);
 600                 else if (attr_.round_mode_ == round_mode::down)
 601                     vcvtps2dq(zmm | T_rd_sae, zmm);
 602                 else
 603                     assert(!"unimplemented");
 604             }
 605         }
 606         for (int ur = 0; ur < ur_w; ur++) {
 607             int aux_dst_off = jcp.typesize_out
 608                     * (ur * jcp.ngroups * jcp.oc_without_padding
 609                                       + ocb * jcp.oc_block);
 610             auto addr = EVEX_compress_addr(reg_dst, aux_dst_off);
 611
 612             zmm_t zmm = zmm_out(ur, ocb);
 613             zmm_t r_zmm = mask_flag ? zmm | ktail_mask : zmm;
 614             switch (jcp.dst_dt) {
 615             case data_type::f32:
 616             case data_type::s32: vmovups(addr, r_zmm); break;
 617             case data_type::s8: vpmovsdb(addr, r_zmm); break;
 618             case data_type::u8: vpmovusdb(addr, r_zmm); break;
 619             default: assert(!"unknown dst_dt");
 620             }
 621         }
 622     }
 623 }
 624
 625 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::icb_loop(
 626         int ur_w, int l_overflow, int r_overflow, bool is_last_sp_block) {
 627
 628     int shift_src_icb = jcp.typesize_in * jcp.ic_block;
 629     int shift_filt_icb
 630             = jcp.typesize_in * jcp.kh * jcp.kw * jcp.ic_block * jcp.oc_block;
 631
 632     prepare_output(ur_w);
 633
 634     Label skip_icb_loop, icb_loop_label;
 635
 636     mov(reg_icb, jcp.nb_ic);
 637     L(icb_loop_label); {
 638
 639         if (jcp.ic_without_padding != jcp.ic) {
 640             Label common_ker, end_ker;
 641             cmp(reg_icb, 1);
 642             jg(common_ker, T_NEAR);
 643
 644             kh_loop(ur_w, l_overflow, r_overflow,
 645                     is_last_sp_block ? last_sp_block : last_ic_block);
 646             jmp(end_ker, T_NEAR);
 647
 648             L(common_ker);
 649             kh_loop(ur_w, l_overflow, r_overflow, no_last_block);
 650
 651             L(end_ker);
 652         } else {
 653             kh_loop(ur_w, l_overflow, r_overflow, no_last_block);
 654         }
 655
 656         add(reg_src, shift_src_icb);
 657         add(reg_filt, shift_filt_icb);
 658         dec(reg_icb);
 659         cmp(reg_icb, 0);
 660         jg(icb_loop_label, T_NEAR);
 661     }
 662
 663     /* come-back pointers */
 664     sub(reg_src, jcp.nb_ic * shift_src_icb);
 665     sub(reg_filt, jcp.nb_ic * shift_filt_icb);
 666     L(skip_icb_loop);
 667
 668     if (jcp.ngroups % jcp.ch_block != 0 || jcp.oc_without_padding != jcp.oc) {
 669         Label common_store, end_store;
 670         mov(reg_oc_blocks, ptr[param1 + GET_OFF(oc_blocks)]);
 671         if (jcp.is_depthwise)
 672             cmp(reg_oc_blocks, jcp.nb_ch - 1);
 673         else
 674             cmp(reg_oc_blocks, jcp.nb_oc - jcp.nb_oc_blocking);
 675         jne(common_store, T_NEAR);
 676
 677         store_output(ur_w, true);
 678         jmp(end_store, T_NEAR);
 679
 680         L(common_store);
 681         store_output(ur_w, false);
 682
 683         L(end_store);
 684
 685     } else {
 686         store_output(ur_w, false);
 687     }
 688 }
 689
 690 void jit_avx512_core_x8s8s32x_deconv_fwd_kernel::generate() {
 691     preamble();
 692
 693     xor_(reg_scratch, reg_scratch);
 694     Reg16 _t = reg_scratch.cvt16();
 695     mov(_t, 0x1);
 696     vpbroadcastw(zmm_one, _t);
 697
 698     if (jcp.ngroups % jcp.ch_block != 0 || jcp.oc_without_padding != jcp.oc) {
 699         int tail_size = jcp.is_depthwise ?
 700                 jcp.ngroups % jcp.ch_block :
 701                 jcp.oc_without_padding % jcp.oc_block;
 702         int mask = (1 << tail_size) - 1;
 703         Reg32 regw_tmp = reg_nur_w.cvt32();
 704         mov(regw_tmp, mask);
 705         kmovw(ktail_mask, regw_tmp);
 706     }
 707
 708     mov(reg_src, ptr[param1 + GET_OFF(src)]);
 709     mov(reg_filt, ptr[param1 + GET_OFF(filt)]);
 710     mov(reg_dst, ptr[param1 + GET_OFF(dst)]);
 711
 712     int dst_shift = jcp.typesize_out * jcp.ur_w * jcp.ngroups
 713             * jcp.oc_without_padding;
 714     int src_shift = jcp.typesize_in * (jcp.ur_w / jcp.stride_w) * jcp.ngroups
 715             * jcp.ic_without_padding;
 716
 717     int l_overflow = max(
 718             0, ((jcp.kw - 1) * (jcp.dilate_w + 1) - jcp.l_pad) / jcp.stride_w);
 719     int r_overflow
 720             = max(0, ((jcp.kw - 1) * (jcp.dilate_w + 1) - max(0, jcp.r_pad))
 721                             / jcp.stride_w);
 722
 723     int r_overflow1
 724             = nstl::max(0, ((jcp.kw - 1) * (jcp.dilate_w + 1)
 725                                    - nstl::max(0, jcp.r_pad) - jcp.ur_w_tail)
 726                             / jcp.stride_w);
 727     int nur_w = jcp.ow / jcp.ur_w;
 728     if (r_overflow1 > 0)
 729         nur_w--;
 730
 731     if (jcp.ur_w == jcp.ow) {
 732         icb_loop(jcp.ur_w, l_overflow, r_overflow, true);
 733     } else if (nur_w == 0) {
 734         icb_loop(jcp.ur_w, l_overflow, r_overflow1, jcp.ur_w_tail == 0);
 735         add(reg_src, src_shift);
 736         add(reg_dst, dst_shift);
 737         if (jcp.ur_w_tail != 0)
 738             icb_loop(jcp.ur_w_tail, 0, r_overflow, true);
 739     } else {
 740         xor_(reg_nur_w, reg_nur_w);
 741         if (l_overflow > 0) {
 742             icb_loop(jcp.ur_w, l_overflow, 0, false);
 743             add(reg_src, src_shift);
 744             add(reg_dst, dst_shift);
 745             inc(reg_nur_w);
 746         }
 747         if ((l_overflow <= 0 && nur_w > 0) || (l_overflow > 0 && nur_w > 1)) {
 748             Label ow_loop_label;
 749             L(ow_loop_label);
 750             {
 751                 icb_loop(jcp.ur_w, 0, 0, false);
 752                 add(reg_src, src_shift);
 753                 add(reg_dst, dst_shift);
 754                 inc(reg_nur_w);
 755                 cmp(reg_nur_w, nur_w);
 756                 jl(ow_loop_label, T_NEAR);
 757             }
 758         }
 759         if (r_overflow1 > 0) {
 760             icb_loop(jcp.ur_w, 0, r_overflow1, jcp.ur_w_tail == 0);
 761             add(reg_src, src_shift);
 762             add(reg_dst, dst_shift);
 763         }
 764         if (jcp.ur_w_tail != 0) {
 765             icb_loop(jcp.ur_w_tail, 0, r_overflow, true);
 766         }
 767     }
 768     postamble();
 769
 770     if (jcp.with_eltwise)
 771         eltwise_injector_->prepare_table();
 772 }
 773
 774 template <data_type_t src_type, data_type_t dst_type>
 775 void _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<src_type,
 776         dst_type>::execute_forward() const {
 777     auto src = reinterpret_cast<const src_data_t *>(this->input_memory(0));
 778     auto weights = reinterpret_cast<const wei_data_t *>(this->input_memory(1));
 779     auto bias = reinterpret_cast<const char *>(this->input_memory(2));
 780     auto dst = reinterpret_cast<dst_data_t *>(this->memory());
 781
 782     const memory_desc_wrapper src_d(pd()->src_pd());
 783     const memory_desc_wrapper dst_d(pd()->dst_pd());
 784     const memory_desc_wrapper weights_d(pd()->weights_pd(0));
 785     const memory_desc_wrapper bias_d(pd()->weights_pd(1));
 786
 787     auto &jcp = kernel_->jcp;
 788
 789     int oc_chunks = jcp.nb_oc / jcp.nb_oc_blocking;
 790     int nb_groups = jcp.nb_ch;
 791
 792     size_t src_h_stride = src_d.blk_off(0, 0, 1);
 793     size_t dst_h_stride = dst_d.blk_off(0, 0, 1);
 794     size_t wht_kh_stride = wht_blk_off(weights_d, 0, 0, 0, 1);
 795
 796     const float *oscales = pd()->attr()->output_scales_.scales_;
 797     if (jcp.signed_input && jcp.ver != ver_vnni) {
 798         auto local_scales
 799                 = scratchpad().template get<float>(key_conv_adjusted_scales);
 800         size_t count = pd()->attr()->output_scales_.count_;
 801         float factor = 1.f / pd()->jcp_.wei_adj_scale;
 802         if (count == 1) {
 803             utils::array_set(local_scales, oscales[0] * factor, 16);
 804         } else {
 805             for (size_t c = 0; c < count; c++)
 806                 local_scales[c] = oscales[c] * factor;
 807         }
 808         oscales = local_scales;
 809     }
 810     size_t offset = (size_t)jcp.ngroups * jcp.oc * jcp.ic * jcp.kh * jcp.kw;
 811     auto w = const_cast<wei_data_t *>(weights);
 812     int32_t *compensation
 813             = (jcp.signed_input) ? reinterpret_cast<int32_t *>(&w[offset]) : 0;
 814
 815     parallel(0, [&](const int ithr, const int nthr) {
 816         int start{ 0 }, end{ 0 };
 817         int work_amount = jcp.mb * nb_groups * oc_chunks * jcp.oh;
 818         balance211(work_amount, nthr, ithr, start, end);
 819
 820         auto p = jit_deconv_call_s();
 821
 822         /*loop order = cgn*/
 823         int n{ 0 }, g{ 0 }, occ{ 0 }, oh_s{ 0 };
 824         if (jcp.loop_order == loop_ngc)
 825             nd_iterator_init(start, n, jcp.mb, g, nb_groups, occ, oc_chunks,
 826                     oh_s, jcp.oh);
 827         else if (jcp.loop_order == loop_cgn)
 828             nd_iterator_init(start, occ, oc_chunks, g, nb_groups, n, jcp.mb,
 829                     oh_s, jcp.oh);
 830         else
 831             assert(!"unsupported loop order");
 832         while (start < end) {
 833
 834             int ocb = occ * jcp.nb_oc_blocking;
 835             int g_oc = (g * jcp.ch_block * jcp.nb_oc + ocb) * jcp.oc_block;
 836             int g_ic = g * jcp.ch_block * jcp.ic;
 837             int work_rem = end - start;
 838             int oh_e = oh_s + work_rem > jcp.oh ? jcp.oh : oh_s + work_rem;
 839
 840             auto dst_w = dst + dst_d.blk_off(n, g_oc);
 841             auto src_w = src + src_d.blk_off(n, g_ic);
 842             auto wht_w = weights + wht_blk_off(weights_d, g, ocb, 0);
 843             auto bias_w = jcp.with_bias ?
 844                     bias + (bias_d.blk_off(g_oc) * jcp.typesize_bia) :
 845                     0;
 846             int32_t *compensation_w
 847                     = (jcp.signed_input) ? compensation + g_oc : 0;
 848
 849             auto scales = &oscales[jcp.is_oc_scale * g_oc];
 850             for (int oj = oh_s; oj < oh_e; oj++) {
 851                 int ih_max = 0, kh_lo = 0, kh_len = 0;
 852                 if (jcp.dilate_h != 0 && jcp.stride_h == 1) {
 853                     /* dilation */
 854                     int dilate_h = jcp.dilate_h + 1;
 855                     // Note: use div_up to account for "holes" in filter
 856                     int o_t_overflow = div_up(
 857                             max(0, (jcp.kh - 1) * dilate_h - oj - jcp.t_pad),
 858                             dilate_h);
 859                     int o_b_overflow
 860                             = div_up(max(0, (jcp.kh - 1) * dilate_h + 1 - jcp.oh
 861                                                      + oj - jcp.b_pad),
 862                                     dilate_h);
 863                     kh_len = jcp.kh - o_t_overflow - o_b_overflow;
 864                     kh_lo = o_b_overflow;
 865                     ih_max = oj + jcp.t_pad - o_b_overflow * dilate_h;
 866                 } else {
 867                     int o_t_overflow = max(
 868                             0, (jcp.kh - (oj + 1 + jcp.t_pad)) / jcp.stride_h);
 869                     int o_b_overflow
 870                             = max(0, ((oj + jcp.kh) - (jcp.oh + jcp.b_pad))
 871                                             / jcp.stride_h);
 872                     int overflow_kh_hi = jcp.kh - 1
 873                             - abs(jcp.oh + jcp.b_pad - (oj + 1)) % jcp.stride_h;
 874                     int overflow_kh_lo = (oj + jcp.t_pad) % jcp.stride_h;
 875
 876                     kh_len = (overflow_kh_hi - overflow_kh_lo) / jcp.stride_h
 877                             + 1 - o_t_overflow - o_b_overflow;
 878                     kh_lo = overflow_kh_lo + o_b_overflow * jcp.stride_h;
 879                     ih_max = (oj + jcp.t_pad - kh_lo) / jcp.stride_h;
 880                 }
 881
 882                 int wei_stride
 883                         = (!jcp.signed_input) ? kh_lo * wht_kh_stride : 0;
 884                 p.src = src_w + ih_max * src_h_stride;
 885                 p.dst = dst_w + oj * dst_h_stride;
 886                 p.filt = wht_w + wei_stride;
 887                 p.bias = bias_w;
 888                 p.compensation = compensation_w;
 889                 p.t_overflow = max(
 890                         0, jcp.kh - (kh_lo + max(0, kh_len - 1) * jcp.stride_h
 891                                             + 1));
 892                 p.b_overflow = kh_lo;
 893                 p.kh_padding = kh_len;
 894                 p.scales = scales;
 895                 p.oc_blocks = jcp.is_depthwise ? g : ocb;
 896                 kernel_->jit_ker(&p);
 897             }
 898             if (jcp.loop_order == loop_ngc)
 899                 nd_iterator_jump(start, end, n, jcp.mb, g, nb_groups, occ,
 900                         oc_chunks, oh_s, jcp.oh);
 901             else if (jcp.loop_order == loop_cgn)
 902                 nd_iterator_jump(start, end, occ, oc_chunks, g, nb_groups, n,
 903                         jcp.mb, oh_s, jcp.oh);
 904             else
 905                 assert(!"unsupported loop order");
 906         }
 907     });
 908 }
 909
 910 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::u8,
 911         data_type::u8>;
 912 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::u8,
 913         data_type::s8>;
 914 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::u8,
 915         data_type::f32>;
 916 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::u8,
 917         data_type::s32>;
 918 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::s8,
 919         data_type::u8>;
 920 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::s8,
 921         data_type::s8>;
 922 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::s8,
 923         data_type::f32>;
 924 template struct _jit_avx512_core_x8s8s32x_deconvolution_fwd_t<data_type::s8,
 925         data_type::s32>;
 926 }
 927 }
 928 }