**********************************************************************************/\r
\r
/*********************************************************************\r
-* 2013/11/13 Saar\r
+* 2014/07/28 Saar\r
* BLASTEST : OK\r
* CTEST : OK\r
* TEST : OK\r
* A_PR1 512\r
* B_PR1 512\r
* \r
-*\r
+* \r
+* 2014/07/28 Saar\r
* Performance at 9216x9216x9216:\r
-* 1 thread: 86 GFLOPS (SANDYBRIDGE: 59) (MKL: 83)\r
-* 2 threads: 157 GFLOPS (SANDYBRIDGE: 116) (MKL: 155)\r
-* 3 threads: 235 GFLOPS (SANDYBRIDGE: 165) (MKL: 230)\r
-* 4 threads: 288 GFLOPS (SANDYBRIDGE: 223) (MKL: 267)\r
+* 1 thread: 102 GFLOPS (SANDYBRIDGE: 59) (MKL: 83)\r
+* 2 threads: 195 GFLOPS (SANDYBRIDGE: 116) (MKL: 155)\r
+* 3 threads: 281 GFLOPS (SANDYBRIDGE: 165) (MKL: 230)\r
+* 4 threads: 366 GFLOPS (SANDYBRIDGE: 223) (MKL: 267)\r
*\r
*********************************************************************/\r
\r
#define CO1 %r15\r
#define K %r12\r
#define BI %rbp\r
+#define BO2 %rbp\r
#define SP %rbx\r
\r
#define BO1 %rdi\r
\r
#endif\r
\r
+#if defined(OS_WINDOWS)\r
#define L_BUFFER_SIZE 8192\r
+#else\r
+#define L_BUFFER_SIZE 12288\r
+#endif\r
\r
#define Ndiv6 24(%rsp)\r
#define Nmod6 32(%rsp)\r
#define A_PR1 512\r
#define B_PR1 512\r
\r
+/*******************************************************************************************\r
+* 6 lines of N\r
+*******************************************************************************************/\r
+\r
+.macro KERNEL16x6_SUB\r
+ vmovups -16 * SIZE(AO), %ymm0\r
+ vmovups -8 * SIZE(AO), %ymm1\r
+ vbroadcastss -4 * SIZE(BO), %ymm2\r
+ vbroadcastss -3 * SIZE(BO), %ymm3\r
+ prefetcht0 A_PR1(AO)\r
+\r
+ VFMADD231PS_( %ymm4,%ymm2,%ymm0 )\r
+ VFMADD231PS_( %ymm5,%ymm2,%ymm1 )\r
+ VFMADD231PS_( %ymm6,%ymm3,%ymm0 )\r
+ VFMADD231PS_( %ymm7,%ymm3,%ymm1 )\r
+\r
+ vbroadcastss -2 * SIZE(BO), %ymm2\r
+ vbroadcastss -1 * SIZE(BO), %ymm3\r
+ VFMADD231PS_( %ymm8,%ymm2,%ymm0 )\r
+ VFMADD231PS_( %ymm9,%ymm2,%ymm1 )\r
+ VFMADD231PS_( %ymm10,%ymm3,%ymm0 )\r
+ VFMADD231PS_( %ymm11,%ymm3,%ymm1 )\r
+\r
+ vbroadcastss 0 * SIZE(BO), %ymm2\r
+ vbroadcastss 1 * SIZE(BO), %ymm3\r
+ VFMADD231PS_( %ymm12,%ymm2,%ymm0 )\r
+ VFMADD231PS_( %ymm13,%ymm2,%ymm1 )\r
+ VFMADD231PS_( %ymm14,%ymm3,%ymm0 )\r
+ VFMADD231PS_( %ymm15,%ymm3,%ymm1 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $16*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE16x6\r
+\r
+ vbroadcastss ALPHA, %ymm0\r
+\r
+ vmulps %ymm0 , %ymm4 , %ymm4\r
+ vmulps %ymm0 , %ymm5 , %ymm5\r
+ vmulps %ymm0 , %ymm6 , %ymm6\r
+ vmulps %ymm0 , %ymm7 , %ymm7\r
+ vmulps %ymm0 , %ymm8 , %ymm8\r
+ vmulps %ymm0 , %ymm9 , %ymm9\r
+ vmulps %ymm0 , %ymm10, %ymm10\r
+ vmulps %ymm0 , %ymm11, %ymm11\r
+ vmulps %ymm0 , %ymm12, %ymm12\r
+ vmulps %ymm0 , %ymm13, %ymm13\r
+ vmulps %ymm0 , %ymm14, %ymm14\r
+ vmulps %ymm0 , %ymm15, %ymm15\r
+\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddps (CO1), %ymm4,%ymm4\r
+ vaddps 8 * SIZE(CO1), %ymm5,%ymm5\r
+\r
+ vaddps (CO1, LDC), %ymm6,%ymm6\r
+ vaddps 8 * SIZE(CO1, LDC), %ymm7,%ymm7\r
+\r
+ vaddps (CO1, LDC,2), %ymm8,%ymm8\r
+ vaddps 8 * SIZE(CO1, LDC,2), %ymm9,%ymm9\r
+\r
+ vaddps (CO2), %ymm10,%ymm10\r
+ vaddps 8 * SIZE(CO2), %ymm11,%ymm11\r
+\r
+ vaddps (CO2, LDC), %ymm12,%ymm12\r
+ vaddps 8 * SIZE(CO2, LDC), %ymm13,%ymm13\r
+\r
+ vaddps (CO2, LDC,2), %ymm14,%ymm14\r
+ vaddps 8 * SIZE(CO2, LDC,2), %ymm15,%ymm15\r
+\r
+#endif\r
+\r
+ vmovups %ymm4 , (CO1)\r
+ vmovups %ymm5 , 8 * SIZE(CO1)\r
+\r
+ vmovups %ymm6 , (CO1, LDC)\r
+ vmovups %ymm7 , 8 * SIZE(CO1, LDC)\r
+\r
+ vmovups %ymm8 , (CO1, LDC,2)\r
+ vmovups %ymm9 , 8 * SIZE(CO1, LDC,2)\r
+\r
+ vmovups %ymm10, (CO2)\r
+ vmovups %ymm11, 8 * SIZE(CO2)\r
+\r
+ vmovups %ymm12, (CO2, LDC)\r
+ vmovups %ymm13, 8 * SIZE(CO2, LDC)\r
+\r
+ vmovups %ymm14, (CO2, LDC,2)\r
+ vmovups %ymm15, 8 * SIZE(CO2, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL8x6_SUB\r
+ vmovups -16 * SIZE(AO), %ymm0\r
+ vbroadcastss -4 * SIZE(BO), %ymm2\r
+ vbroadcastss -3 * SIZE(BO), %ymm3\r
+\r
+ VFMADD231PS_( %ymm4,%ymm2,%ymm0 )\r
+ VFMADD231PS_( %ymm6,%ymm3,%ymm0 )\r
+\r
+ vbroadcastss -2 * SIZE(BO), %ymm2\r
+ vbroadcastss -1 * SIZE(BO), %ymm3\r
+ VFMADD231PS_( %ymm8,%ymm2,%ymm0 )\r
+ VFMADD231PS_( %ymm10,%ymm3,%ymm0 )\r
+\r
+ vbroadcastss 0 * SIZE(BO), %ymm2\r
+ vbroadcastss 1 * SIZE(BO), %ymm3\r
+ VFMADD231PS_( %ymm12,%ymm2,%ymm0 )\r
+ VFMADD231PS_( %ymm14,%ymm3,%ymm0 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $8*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE8x6\r
+\r
+ vbroadcastss ALPHA, %ymm0\r
+\r
+ vmulps %ymm0 , %ymm4 , %ymm4\r
+ vmulps %ymm0 , %ymm6 , %ymm6\r
+ vmulps %ymm0 , %ymm8 , %ymm8\r
+ vmulps %ymm0 , %ymm10, %ymm10\r
+ vmulps %ymm0 , %ymm12, %ymm12\r
+ vmulps %ymm0 , %ymm14, %ymm14\r
+\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddps (CO1), %ymm4,%ymm4\r
+ vaddps (CO1, LDC), %ymm6,%ymm6\r
+ vaddps (CO1, LDC,2), %ymm8,%ymm8\r
+ vaddps (CO2), %ymm10,%ymm10\r
+ vaddps (CO2, LDC), %ymm12,%ymm12\r
+ vaddps (CO2, LDC,2), %ymm14,%ymm14\r
+\r
+#endif\r
+\r
+ vmovups %ymm4 , (CO1)\r
+ vmovups %ymm6 , (CO1, LDC)\r
+ vmovups %ymm8 , (CO1, LDC,2)\r
+ vmovups %ymm10, (CO2)\r
+ vmovups %ymm12, (CO2, LDC)\r
+ vmovups %ymm14, (CO2, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL4x6_SUB\r
+ vmovups -16 * SIZE(AO), %xmm0\r
+ vbroadcastss -4 * SIZE(BO), %xmm2\r
+ vbroadcastss -3 * SIZE(BO), %xmm3\r
+\r
+ VFMADD231PS_( %xmm4,%xmm2,%xmm0 )\r
+ VFMADD231PS_( %xmm6,%xmm3,%xmm0 )\r
+\r
+ vbroadcastss -2 * SIZE(BO), %xmm2\r
+ vbroadcastss -1 * SIZE(BO), %xmm3\r
+ VFMADD231PS_( %xmm8,%xmm2,%xmm0 )\r
+ VFMADD231PS_( %xmm10,%xmm3,%xmm0 )\r
+\r
+ vbroadcastss 0 * SIZE(BO), %xmm2\r
+ vbroadcastss 1 * SIZE(BO), %xmm3\r
+ VFMADD231PS_( %xmm12,%xmm2,%xmm0 )\r
+ VFMADD231PS_( %xmm14,%xmm3,%xmm0 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $4*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE4x6\r
+\r
+ vbroadcastss ALPHA, %xmm0\r
+\r
+ vmulps %xmm0 , %xmm4 , %xmm4\r
+ vmulps %xmm0 , %xmm6 , %xmm6\r
+ vmulps %xmm0 , %xmm8 , %xmm8\r
+ vmulps %xmm0 , %xmm10, %xmm10\r
+ vmulps %xmm0 , %xmm12, %xmm12\r
+ vmulps %xmm0 , %xmm14, %xmm14\r
+\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddps (CO1), %xmm4,%xmm4\r
+ vaddps (CO1, LDC), %xmm6,%xmm6\r
+ vaddps (CO1, LDC,2), %xmm8,%xmm8\r
+ vaddps (CO2), %xmm10,%xmm10\r
+ vaddps (CO2, LDC), %xmm12,%xmm12\r
+ vaddps (CO2, LDC,2), %xmm14,%xmm14\r
+\r
+#endif\r
+\r
+ vmovups %xmm4 , (CO1)\r
+ vmovups %xmm6 , (CO1, LDC)\r
+ vmovups %xmm8 , (CO1, LDC,2)\r
+ vmovups %xmm10, (CO2)\r
+ vmovups %xmm12, (CO2, LDC)\r
+ vmovups %xmm14, (CO2, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL2x6_SUB\r
+ vmovss -16 * SIZE(AO), %xmm0\r
+ vmovss -15 * SIZE(AO), %xmm1\r
+ vmovss -4 * SIZE(BO), %xmm2\r
+ vmovss -3 * SIZE(BO), %xmm3\r
+\r
+ VFMADD231SS_( %xmm4,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm5,%xmm2,%xmm1 )\r
+ VFMADD231SS_( %xmm6,%xmm3,%xmm0 )\r
+ VFMADD231SS_( %xmm7,%xmm3,%xmm1 )\r
+\r
+ vmovss -2 * SIZE(BO), %xmm2\r
+ vmovss -1 * SIZE(BO), %xmm3\r
+ VFMADD231SS_( %xmm8,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm9,%xmm2,%xmm1 )\r
+ VFMADD231SS_( %xmm10,%xmm3,%xmm0 )\r
+ VFMADD231SS_( %xmm11,%xmm3,%xmm1 )\r
+\r
+ vmovss 0 * SIZE(BO), %xmm2\r
+ vmovss 1 * SIZE(BO), %xmm3\r
+ VFMADD231SS_( %xmm12,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm13,%xmm2,%xmm1 )\r
+ VFMADD231SS_( %xmm14,%xmm3,%xmm0 )\r
+ VFMADD231SS_( %xmm15,%xmm3,%xmm1 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $2*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE2x6\r
+\r
+ vmovss ALPHA, %xmm0\r
+\r
+ vmulss %xmm0 , %xmm4 , %xmm4\r
+ vmulss %xmm0 , %xmm5 , %xmm5\r
+ vmulss %xmm0 , %xmm6 , %xmm6\r
+ vmulss %xmm0 , %xmm7 , %xmm7\r
+ vmulss %xmm0 , %xmm8 , %xmm8\r
+ vmulss %xmm0 , %xmm9 , %xmm9\r
+ vmulss %xmm0 , %xmm10, %xmm10\r
+ vmulss %xmm0 , %xmm11, %xmm11\r
+ vmulss %xmm0 , %xmm12, %xmm12\r
+ vmulss %xmm0 , %xmm13, %xmm13\r
+ vmulss %xmm0 , %xmm14, %xmm14\r
+ vmulss %xmm0 , %xmm15, %xmm15\r
+\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss 1 * SIZE(CO1), %xmm5,%xmm5\r
+\r
+ vaddss (CO1, LDC), %xmm6,%xmm6\r
+ vaddss 1 * SIZE(CO1, LDC), %xmm7,%xmm7\r
+\r
+ vaddss (CO1, LDC,2), %xmm8,%xmm8\r
+ vaddss 1 * SIZE(CO1, LDC,2), %xmm9,%xmm9\r
+\r
+ vaddss (CO2), %xmm10,%xmm10\r
+ vaddss 1 * SIZE(CO2), %xmm11,%xmm11\r
+\r
+ vaddss (CO2, LDC), %xmm12,%xmm12\r
+ vaddss 1 * SIZE(CO2, LDC), %xmm13,%xmm13\r
+\r
+ vaddss (CO2, LDC,2), %xmm14,%xmm14\r
+ vaddss 1 * SIZE(CO2, LDC,2), %xmm15,%xmm15\r
+\r
+#endif\r
+\r
+ vmovss %xmm4 , (CO1)\r
+ vmovss %xmm5 , 1 * SIZE(CO1)\r
+\r
+ vmovss %xmm6 , (CO1, LDC)\r
+ vmovss %xmm7 , 1 * SIZE(CO1, LDC)\r
+\r
+ vmovss %xmm8 , (CO1, LDC,2)\r
+ vmovss %xmm9 , 1 * SIZE(CO1, LDC,2)\r
+\r
+ vmovss %xmm10, (CO2)\r
+ vmovss %xmm11, 1 * SIZE(CO2)\r
+\r
+ vmovss %xmm12, (CO2, LDC)\r
+ vmovss %xmm13, 1 * SIZE(CO2, LDC)\r
+\r
+ vmovss %xmm14, (CO2, LDC,2)\r
+ vmovss %xmm15, 1 * SIZE(CO2, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL1x6_SUB\r
+ vmovss -16 * SIZE(AO), %xmm0\r
+ vmovss -4 * SIZE(BO), %xmm2\r
+ vmovss -3 * SIZE(BO), %xmm3\r
+\r
+ VFMADD231SS_( %xmm4,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm6,%xmm3,%xmm0 )\r
+\r
+ vmovss -2 * SIZE(BO), %xmm2\r
+ vmovss -1 * SIZE(BO), %xmm3\r
+ VFMADD231SS_( %xmm8,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm10,%xmm3,%xmm0 )\r
+\r
+ vmovss 0 * SIZE(BO), %xmm2\r
+ vmovss 1 * SIZE(BO), %xmm3\r
+ VFMADD231SS_( %xmm12,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm14,%xmm3,%xmm0 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $1*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE1x6\r
+\r
+ vmovss ALPHA, %xmm0\r
+\r
+ vmulss %xmm0 , %xmm4 , %xmm4\r
+ vmulss %xmm0 , %xmm6 , %xmm6\r
+ vmulss %xmm0 , %xmm8 , %xmm8\r
+ vmulss %xmm0 , %xmm10, %xmm10\r
+ vmulss %xmm0 , %xmm12, %xmm12\r
+ vmulss %xmm0 , %xmm14, %xmm14\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss (CO1, LDC), %xmm6,%xmm6\r
+ vaddss (CO1, LDC,2), %xmm8,%xmm8\r
+ vaddss (CO2), %xmm10,%xmm10\r
+ vaddss (CO2, LDC), %xmm12,%xmm12\r
+ vaddss (CO2, LDC,2), %xmm14,%xmm14\r
+\r
+#endif\r
+\r
+ vmovss %xmm4 , (CO1)\r
+ vmovss %xmm6 , (CO1, LDC)\r
+ vmovss %xmm8 , (CO1, LDC,2)\r
+ vmovss %xmm10, (CO2)\r
+ vmovss %xmm12, (CO2, LDC)\r
+ vmovss %xmm14, (CO2, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+\r
/*******************************************************************************************\r
* 4 lines of N\r
*******************************************************************************************/\r
\r
#if !defined(TRMMKERNEL)\r
\r
- vaddps (CO1), %xmm4,%xmm4\r
- vaddps 1 * SIZE(CO1), %xmm5,%xmm5\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss 1 * SIZE(CO1), %xmm5,%xmm5\r
\r
- vaddps (CO1, LDC), %xmm6,%xmm6\r
- vaddps 1 * SIZE(CO1, LDC), %xmm7,%xmm7\r
+ vaddss (CO1, LDC), %xmm6,%xmm6\r
+ vaddss 1 * SIZE(CO1, LDC), %xmm7,%xmm7\r
\r
- vaddps (CO2), %xmm8,%xmm8\r
- vaddps 1 * SIZE(CO2), %xmm9,%xmm9\r
+ vaddss (CO2), %xmm8,%xmm8\r
+ vaddss 1 * SIZE(CO2), %xmm9,%xmm9\r
\r
- vaddps (CO2, LDC), %xmm10,%xmm10\r
- vaddps 1 * SIZE(CO2, LDC), %xmm11,%xmm11\r
+ vaddss (CO2, LDC), %xmm10,%xmm10\r
+ vaddss 1 * SIZE(CO2, LDC), %xmm11,%xmm11\r
\r
#endif\r
\r
\r
#if !defined(TRMMKERNEL)\r
\r
- vaddps (CO1), %xmm4,%xmm4\r
- vaddps (CO1, LDC), %xmm6,%xmm6\r
- vaddps (CO2), %xmm8,%xmm8\r
- vaddps (CO2, LDC), %xmm10,%xmm10\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss (CO1, LDC), %xmm6,%xmm6\r
+ vaddss (CO2), %xmm8,%xmm8\r
+ vaddss (CO2, LDC), %xmm10,%xmm10\r
\r
#endif\r
\r
\r
#if !defined(TRMMKERNEL)\r
\r
- vaddps (CO1), %xmm4,%xmm4\r
- vaddps 1 * SIZE(CO1), %xmm5,%xmm5\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss 1 * SIZE(CO1), %xmm5,%xmm5\r
\r
- vaddps (CO1, LDC), %xmm6,%xmm6\r
- vaddps 1 * SIZE(CO1, LDC), %xmm7,%xmm7\r
+ vaddss (CO1, LDC), %xmm6,%xmm6\r
+ vaddss 1 * SIZE(CO1, LDC), %xmm7,%xmm7\r
\r
#endif\r
\r
\r
#if !defined(TRMMKERNEL)\r
\r
- vaddps (CO1), %xmm4,%xmm4\r
- vaddps (CO1, LDC), %xmm6,%xmm6\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss (CO1, LDC), %xmm6,%xmm6\r
\r
#endif\r
\r
addq $ 16, %rax \r
.endm\r
\r
-.macro SAVE16x1\r
+.macro SAVE16x1\r
+\r
+ vbroadcastss ALPHA, %ymm0\r
+\r
+ vmulps %ymm0 , %ymm4 , %ymm4\r
+ vmulps %ymm0 , %ymm5 , %ymm5\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddps (CO1), %ymm4,%ymm4\r
+ vaddps 8 * SIZE(CO1), %ymm5,%ymm5\r
+\r
+#endif\r
+\r
+ vmovups %ymm4 , (CO1)\r
+ vmovups %ymm5 , 8 * SIZE(CO1)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL8x1_SUB\r
+ vmovups -16 * SIZE(AO, %rax, SIZE), %ymm0\r
+ vbroadcastss -4 * SIZE(BO, BI, SIZE), %ymm2\r
+ VFMADD231PS_( %ymm4,%ymm2,%ymm0 )\r
+ addq $ 1 , BI \r
+ addq $ 8 , %rax \r
+.endm\r
+\r
+.macro SAVE8x1\r
+\r
+ vbroadcastss ALPHA, %ymm0\r
+\r
+ vmulps %ymm0 , %ymm4 , %ymm4\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddps (CO1), %ymm4,%ymm4\r
+\r
+#endif\r
+\r
+ vmovups %ymm4 , (CO1)\r
+\r
+.endm\r
+\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL4x1_SUB\r
+ vmovups -16 * SIZE(AO, %rax, SIZE), %xmm0\r
+ vbroadcastss -4 * SIZE(BO, BI, SIZE), %xmm2\r
+ VFMADD231PS_( %xmm4,%xmm2,%xmm0 )\r
+ addq $ 1 , BI \r
+ addq $ 4 , %rax \r
+.endm\r
+\r
+.macro SAVE4x1\r
+\r
+ vbroadcastss ALPHA, %xmm0\r
+\r
+ vmulps %xmm0 , %xmm4 , %xmm4\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddps (CO1), %xmm4,%xmm4\r
+\r
+#endif\r
+\r
+ vmovups %xmm4 , (CO1)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL2x1_SUB\r
+ vmovss -16 * SIZE(AO, %rax, SIZE), %xmm0\r
+ vmovss -15 * SIZE(AO, %rax, SIZE), %xmm1\r
+ vmovss -4 * SIZE(BO, BI, SIZE), %xmm2\r
+ VFMADD231SS_( %xmm4,%xmm2,%xmm0 )\r
+ VFMADD231SS_( %xmm5,%xmm2,%xmm1 )\r
+ addq $ 1 , BI \r
+ addq $ 2 , %rax \r
+.endm\r
+\r
+.macro SAVE2x1\r
+\r
+ vmovss ALPHA, %xmm0\r
+\r
+ vmulss %xmm0 , %xmm4 , %xmm4\r
+ vmulss %xmm0 , %xmm5 , %xmm5\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddss (CO1), %xmm4,%xmm4\r
+ vaddss 1 * SIZE(CO1), %xmm5,%xmm5\r
+\r
+#endif\r
+\r
+ vmovss %xmm4 , (CO1)\r
+ vmovss %xmm5 , 1 * SIZE(CO1)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.macro KERNEL1x1_SUB\r
+ vmovss -16 * SIZE(AO, %rax, SIZE), %xmm0\r
+ vmovss -4 * SIZE(BO, BI, SIZE), %xmm2\r
+ VFMADD231SS_( %xmm4,%xmm2,%xmm0 )\r
+ addq $ 1 , BI \r
+ addq $ 1 , %rax \r
+.endm\r
+\r
+.macro SAVE1x1\r
+\r
+ vmovss ALPHA, %xmm0\r
+\r
+ vmulss %xmm0 , %xmm4 , %xmm4\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+ vaddss (CO1), %xmm4,%xmm4\r
+\r
+#endif\r
+\r
+ vmovss %xmm4 , (CO1)\r
+\r
+.endm\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+#if !defined(TRMMKERNEL)\r
+\r
+/*************************************************************************************\r
+* GEMM Kernel\r
+*************************************************************************************/\r
+\r
+\r
+ PROLOGUE\r
+ PROFCODE\r
+ \r
+ subq $STACKSIZE, %rsp\r
+ movq %rbx, (%rsp)\r
+ movq %rbp, 8(%rsp)\r
+ movq %r12, 16(%rsp)\r
+ movq %r13, 24(%rsp)\r
+ movq %r14, 32(%rsp)\r
+ movq %r15, 40(%rsp)\r
+\r
+ vzeroupper\r
+\r
+#ifdef WINDOWS_ABI\r
+ movq %rdi, 48(%rsp)\r
+ movq %rsi, 56(%rsp)\r
+ movups %xmm6, 64(%rsp)\r
+ movups %xmm7, 80(%rsp)\r
+ movups %xmm8, 96(%rsp)\r
+ movups %xmm9, 112(%rsp)\r
+ movups %xmm10, 128(%rsp)\r
+ movups %xmm11, 144(%rsp)\r
+ movups %xmm12, 160(%rsp)\r
+ movups %xmm13, 176(%rsp)\r
+ movups %xmm14, 192(%rsp)\r
+ movups %xmm15, 208(%rsp)\r
+\r
+ movq ARG1, OLD_M\r
+ movq ARG2, OLD_N\r
+ movq ARG3, OLD_K\r
+ movq OLD_A, A\r
+ movq OLD_B, B\r
+ movq OLD_C, C\r
+ movq OLD_LDC, LDC\r
+#ifdef TRMMKERNEL\r
+ vmovsd OLD_OFFSET, %xmm12\r
+#endif\r
+ vmovaps %xmm3, %xmm0\r
+\r
+#else\r
+ movq STACKSIZE + 8(%rsp), LDC\r
+#ifdef TRMMKERNEL\r
+ movsd STACKSIZE + 16(%rsp), %xmm12\r
+#endif\r
+\r
+#endif\r
+\r
+ movq %rsp, SP # save old stack\r
+ subq $128 + L_BUFFER_SIZE, %rsp\r
+ andq $-4096, %rsp # align stack\r
+\r
+ STACK_TOUCH\r
+\r
+ cmpq $0, OLD_M\r
+ je .L999\r
+\r
+ cmpq $0, OLD_N\r
+ je .L999\r
+\r
+ cmpq $0, OLD_K\r
+ je .L999\r
+\r
+ movq OLD_M, M\r
+ movq OLD_N, N\r
+ movq OLD_K, K\r
+\r
+ vmovss %xmm0, ALPHA\r
+\r
+ salq $BASE_SHIFT, LDC\r
+\r
+ movq N, %rax\r
+ xorq %rdx, %rdx\r
+ movq $12, %rdi\r
+ divq %rdi // N / 12\r
+ movq %rax, Ndiv6 // N / 12\r
+ movq %rdx, Nmod6 // N % 12\r
+\r
+ movq Ndiv6, J\r
+ cmpq $0, J\r
+ je .L4_00\r
+ ALIGN_4\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+.L6_01:\r
+ // copy to sub buffer\r
+ movq B, BO1\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ movq K, %rax\r
+ salq $2, %rax // 4 values of B\r
+ leaq (B, %rax,4), BO2\r
+ movq BO2, B // next offset of B\r
+ movq K, %rax\r
+\r
+ ALIGN_4\r
+\r
+\r
+.L6_02c:\r
+\r
+ vmovups (BO1), %xmm0\r
+ vmovsd (BO2), %xmm1\r
+ vmovups %xmm0, (BO)\r
+ vmovsd %xmm1, 4*SIZE(BO)\r
+ addq $ 4*SIZE,BO1\r
+ addq $ 4*SIZE,BO2\r
+ addq $ 6*SIZE,BO\r
+ decq %rax\r
+ jnz .L6_02c\r
+\r
+\r
+.L6_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 2), CO2 \r
+ leaq (CO2, LDC, 1), CO2 // co2 = c + 3 * ldc\r
+ leaq (C, LDC, 4), C \r
+ leaq (C, LDC, 2), C // c = c + 6 * ldc\r
+\r
+ movq A, AO // aoffset = a\r
+ addq $ 16 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $4, I // i = (m >> 4)\r
+ je .L6_20\r
+\r
+ ALIGN_4\r
+\r
+.L6_11:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax // K = K - ( K % 8 )\r
+ je .L6_16\r
+\r
+ ALIGN_4\r
+\r
+.L6_12:\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ je .L6_16\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ je .L6_16\r
+\r
+ jmp .L6_12\r
+ ALIGN_4\r
+\r
+.L6_16:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L6_19\r
+\r
+ ALIGN_4\r
+\r
+.L6_17:\r
+\r
+ KERNEL16x6_SUB\r
+\r
+ jnz .L6_17\r
+ ALIGN_4\r
+\r
+\r
+.L6_19:\r
+\r
+ SAVE16x6\r
+\r
+ addq $16 * SIZE, CO1 # coffset += 16\r
+ addq $16 * SIZE, CO2 # coffset += 16\r
+ decq I # i --\r
+ jg .L6_11\r
+ ALIGN_4 \r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L6_20:\r
+ // Test rest of M\r
+\r
+ testq $15, M\r
+ jz .L6_60 // to next 6 lines of N\r
+\r
+ testq $8, M \r
+ jz .L6_21pre\r
+ ALIGN_4\r
+\r
+/**************************************************************************/\r
+\r
+.L6_20_1:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L6_20_6\r
+\r
+ ALIGN_4\r
+\r
+.L6_20_2:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ je .L6_20_6\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ je .L6_20_6\r
+\r
+ jmp .L6_20_2\r
+ ALIGN_4\r
+\r
+.L6_20_6:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L6_20_9\r
+\r
+ ALIGN_4\r
+\r
+.L6_20_7:\r
+\r
+ KERNEL8x6_SUB\r
+\r
+ jnz .L6_20_7\r
+ ALIGN_4\r
+\r
+\r
+.L6_20_9:\r
+\r
+ SAVE8x6\r
+\r
+ addq $8 * SIZE, CO1 # coffset += 8\r
+ addq $8 * SIZE, CO2 # coffset += 8\r
+ ALIGN_4\r
+ \r
+\r
+\r
+/**************************************************************************/\r
+\r
+.L6_21pre:\r
+\r
+ testq $4, M \r
+ jz .L6_30\r
+ ALIGN_4\r
+\r
+.L6_21:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L6_26\r
+\r
+ ALIGN_4\r
+\r
+.L6_22:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ je .L6_26\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ je .L6_26\r
+\r
+ jmp .L6_22\r
+ ALIGN_4\r
+\r
+.L6_26:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L6_29\r
+\r
+ ALIGN_4\r
+\r
+.L6_27:\r
+\r
+ KERNEL4x6_SUB\r
+\r
+ jnz .L6_27\r
+ ALIGN_4\r
+\r
+\r
+.L6_29:\r
+\r
+ SAVE4x6\r
+\r
+ addq $4 * SIZE, CO1 # coffset += 4\r
+ addq $4 * SIZE, CO2 # coffset += 4\r
+ ALIGN_4\r
+ \r
+\r
+.L6_30:\r
+ testq $2, M \r
+ jz .L6_40\r
+\r
+ ALIGN_4\r
+\r
+.L6_31:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L6_36\r
+\r
+ ALIGN_4\r
+\r
+.L6_32:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ je .L6_36\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ je .L6_36\r
+\r
+ jmp .L6_32\r
+ ALIGN_4\r
+\r
+.L6_36:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L6_39\r
+\r
+ ALIGN_4\r
+\r
+.L6_37:\r
+\r
+ KERNEL2x6_SUB\r
+\r
+ jnz .L6_37\r
+ ALIGN_4\r
+\r
+\r
+.L6_39:\r
+\r
+ SAVE2x6\r
+\r
+ addq $2 * SIZE, CO1 # coffset += 2\r
+ addq $2 * SIZE, CO2 # coffset += 2\r
+ ALIGN_4\r
+\r
+.L6_40:\r
+ testq $1, M \r
+ jz .L6_60 // to next 4 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L6_41:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L6_46\r
+\r
+ ALIGN_4\r
+\r
+.L6_42:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ je .L6_46\r
+\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ je .L6_46\r
+\r
+ jmp .L6_42\r
+ ALIGN_4\r
+\r
+.L6_46:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L6_49\r
+\r
+ ALIGN_4\r
+\r
+.L6_47:\r
+\r
+ KERNEL1x6_SUB\r
+\r
+ jnz .L6_47\r
+ ALIGN_4\r
+\r
+\r
+.L6_49:\r
+\r
+ SAVE1x6\r
+\r
+ addq $1 * SIZE, CO1 # coffset += 1\r
+ addq $1 * SIZE, CO2 # coffset += 1\r
+ ALIGN_4\r
+ \r
+\r
+\r
+\r
+ \r
+.L6_60:\r
+\r
+\r
+/*******************************************************************************************/\r
+\r
+\r
+.L7_01:\r
+ // copy to sub buffer\r
+ movq B, BO1\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ movq K, %rax\r
+ salq $2, %rax // 4 values of B\r
+ leaq (B, %rax,4), BO2\r
+ movq K, %rax\r
+\r
+ ALIGN_4\r
+\r
+\r
+.L7_02c:\r
+\r
+ vmovsd 2*SIZE(BO1), %xmm0\r
+ vmovups (BO2), %xmm1\r
+ vmovsd %xmm0, (BO)\r
+ vmovups %xmm1, 2*SIZE(BO)\r
+ addq $ 4*SIZE,BO1\r
+ addq $ 4*SIZE,BO2\r
+ addq $ 6*SIZE,BO\r
+ decq %rax\r
+ jnz .L7_02c\r
+\r
+ movq BO2, B // next offset of B\r
+\r
+.L7_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 2), CO2 \r
+ leaq (CO2, LDC, 1), CO2 // co2 = c + 3 * ldc\r
+ leaq (C, LDC, 4), C \r
+ leaq (C, LDC, 2), C // c = c + 6 * ldc\r
+\r
+ movq A, AO // aoffset = a\r
+ addq $ 16 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $4, I // i = (m >> 4)\r
+ je .L7_20\r
+\r
+ ALIGN_4\r
+\r
+.L7_11:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax // K = K - ( K % 8 )\r
+ je .L7_16\r
+\r
+ ALIGN_4\r
+\r
+.L7_12:\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ je .L7_16\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+ KERNEL16x6_SUB\r
+\r
+ je .L7_16\r
+\r
+ jmp .L7_12\r
+ ALIGN_4\r
+\r
+.L7_16:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L7_19\r
+\r
+ ALIGN_4\r
+\r
+.L7_17:\r
+\r
+ KERNEL16x6_SUB\r
+\r
+ jnz .L7_17\r
+ ALIGN_4\r
+\r
+\r
+.L7_19:\r
+\r
+ SAVE16x6\r
+\r
+ addq $16 * SIZE, CO1 # coffset += 16\r
+ addq $16 * SIZE, CO2 # coffset += 16\r
+ decq I # i --\r
+ jg .L7_11\r
+ ALIGN_4 \r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L7_20:\r
+ // Test rest of M\r
+\r
+ testq $15, M\r
+ jz .L7_60 // to next 6 lines of N\r
+\r
+ testq $8, M \r
+ jz .L7_21pre\r
+ ALIGN_4\r
+\r
+/**************************************************************************/\r
+\r
+.L7_20_1:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L7_20_6\r
+\r
+ ALIGN_4\r
+\r
+.L7_20_2:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ je .L7_20_6\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL8x6_SUB\r
+ KERNEL8x6_SUB\r
+\r
+ je .L7_20_6\r
+\r
+ jmp .L7_20_2\r
+ ALIGN_4\r
+\r
+.L7_20_6:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L7_20_9\r
+\r
+ ALIGN_4\r
+\r
+.L7_20_7:\r
+\r
+ KERNEL8x6_SUB\r
+\r
+ jnz .L7_20_7\r
+ ALIGN_4\r
+\r
+\r
+.L7_20_9:\r
+\r
+ SAVE8x6\r
+\r
+ addq $8 * SIZE, CO1 # coffset += 8\r
+ addq $8 * SIZE, CO2 # coffset += 8\r
+ ALIGN_4\r
+ \r
+\r
+\r
+/**************************************************************************/\r
+\r
+.L7_21pre:\r
+\r
+ testq $4, M \r
+ jz .L7_30\r
+ ALIGN_4\r
+\r
+.L7_21:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L7_26\r
+\r
+ ALIGN_4\r
+\r
+.L7_22:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ je .L7_26\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+ KERNEL4x6_SUB\r
+\r
+ je .L7_26\r
+\r
+ jmp .L7_22\r
+ ALIGN_4\r
+\r
+.L7_26:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L7_29\r
+\r
+ ALIGN_4\r
+\r
+.L7_27:\r
+\r
+ KERNEL4x6_SUB\r
+\r
+ jnz .L7_27\r
+ ALIGN_4\r
+\r
+\r
+.L7_29:\r
+\r
+ SAVE4x6\r
+\r
+ addq $4 * SIZE, CO1 # coffset += 4\r
+ addq $4 * SIZE, CO2 # coffset += 4\r
+ ALIGN_4\r
+ \r
+\r
+.L7_30:\r
+ testq $2, M \r
+ jz .L7_40\r
+\r
+ ALIGN_4\r
+\r
+.L7_31:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L7_36\r
+\r
+ ALIGN_4\r
+\r
+.L7_32:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ je .L7_36\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+ KERNEL2x6_SUB\r
+\r
+ je .L7_36\r
+\r
+ jmp .L7_32\r
+ ALIGN_4\r
+\r
+.L7_36:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L7_39\r
+\r
+ ALIGN_4\r
+\r
+.L7_37:\r
+\r
+ KERNEL2x6_SUB\r
+\r
+ jnz .L7_37\r
+ ALIGN_4\r
+\r
+\r
+.L7_39:\r
+\r
+ SAVE2x6\r
+\r
+ addq $2 * SIZE, CO1 # coffset += 2\r
+ addq $2 * SIZE, CO2 # coffset += 2\r
+ ALIGN_4\r
+\r
+.L7_40:\r
+ testq $1, M \r
+ jz .L7_60 // to next 4 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L7_41:\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $-8, %rax\r
+ je .L7_46\r
+\r
+ ALIGN_4\r
+\r
+.L7_42:\r
+\r
+ prefetcht0 A_PR1(AO)\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ je .L7_46\r
+\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+ KERNEL1x6_SUB\r
+\r
+ je .L7_46\r
+\r
+ jmp .L7_42\r
+ ALIGN_4\r
+\r
+.L7_46:\r
+ movq K, %rax\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L7_49\r
+\r
+ ALIGN_4\r
+\r
+.L7_47:\r
+\r
+ KERNEL1x6_SUB\r
+\r
+ jnz .L7_47\r
+ ALIGN_4\r
+\r
+\r
+.L7_49:\r
+\r
+ SAVE1x6\r
+\r
+ addq $1 * SIZE, CO1 # coffset += 1\r
+ addq $1 * SIZE, CO2 # coffset += 1\r
+ ALIGN_4\r
+ \r
+\r
+\r
+\r
+ \r
+.L7_60:\r
+\r
+ decq J // j --\r
+ jg .L6_01 // next 12 lines of N\r
+\r
+\r
+\r
+\r
+/*******************************************************************************************/\r
+.L4_00:\r
+\r
+ movq Nmod6, J\r
+ sarq $2, J // j = j / 4\r
+ cmpq $ 0, J\r
+ je .L2_00\r
+ ALIGN_4\r
+\r
+\r
+.L4_01:\r
+ // copy to sub buffer\r
+ movq B, BO1\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ movq K, %rax\r
+ sarq $2, %rax // K / 4\r
+ jz .L4_01b\r
+ ALIGN_4\r
+\r
+\r
+.L4_01a:\r
+ prefetcht0 512(BO1)\r
+ prefetchw 512(BO)\r
+\r
+ vmovups (BO1), %xmm0\r
+ vmovups 4*SIZE(BO1), %xmm1\r
+ vmovups 8*SIZE(BO1), %xmm2\r
+ vmovups 12*SIZE(BO1), %xmm3\r
+\r
+ vmovups %xmm0, (BO)\r
+ vmovups %xmm1, 4*SIZE(BO)\r
+ vmovups %xmm2, 8*SIZE(BO)\r
+ vmovups %xmm3,12*SIZE(BO)\r
+\r
+ addq $ 16*SIZE,BO1\r
+ addq $ 16*SIZE,BO\r
+ decq %rax\r
+ jnz .L4_01a\r
+\r
+\r
+.L4_01b:\r
+\r
+ movq K, %rax\r
+ andq $3, %rax // K % 4\r
+ jz .L4_02d\r
+ ALIGN_4\r
+\r
+.L4_02c:\r
+\r
+ vmovups (BO1), %xmm0\r
+ vmovups %xmm0, (BO)\r
+ addq $ 4*SIZE,BO1\r
+ addq $ 4*SIZE,BO\r
+ decq %rax\r
+ jnz .L4_02c\r
+\r
+.L4_02d:\r
+\r
+ movq BO1, B // next offset of B\r
+\r
+.L4_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 2), CO2 \r
+ leaq (C, LDC, 4), C // c += 4 * ldc\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ movq OFFSET, %rax\r
+ movq %rax, KK\r
+#endif\r
+ \r
+ movq A, AO // aoffset = a\r
+ addq $ 16 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $4, I // i = (m >> 4)\r
+ je .L4_20\r
+\r
+ ALIGN_4\r
+\r
+.L4_11:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $16, %rax // number of values in AO\r
+#else\r
+ addq $4, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+ andq $-8, %rax // K = K - ( K % 8 )\r
+ je .L4_16\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4) , BI // BI = BI * 4 ; number of values\r
+\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_12:\r
+\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ prefetcht0 B_PR1(BO, BI , SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ prefetcht0 B_PR1(BO, BI , SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+\r
+ je .L4_16\r
+\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ prefetcht0 B_PR1(BO, BI , SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ prefetcht0 B_PR1(BO, BI , SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+ prefetcht0 A_PR1(AO, %rax, SIZE)\r
+ KERNEL16x4_SUB\r
+\r
+ je .L4_16\r
+\r
+ jmp .L4_12\r
+ ALIGN_4\r
+\r
+.L4_16:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L4_19\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_17:\r
+\r
+ KERNEL16x4_SUB\r
+\r
+ jl .L4_17\r
+ ALIGN_4\r
+\r
+\r
+.L4_19:\r
+\r
+ SAVE16x4\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax\r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $16, KK \r
+#endif\r
+\r
+ addq $16 * SIZE, CO1 # coffset += 16\r
+ addq $16 * SIZE, CO2 # coffset += 16\r
+ decq I # i --\r
+ jg .L4_11\r
+ ALIGN_4 \r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L4_20:\r
+ // Test rest of M\r
+\r
+ testq $15, M\r
+ jz .L4_60 // to next 3 lines of N\r
+\r
+ testq $8, M \r
+ jz .L4_21pre\r
+ ALIGN_4\r
+\r
+/**************************************************************************/\r
+\r
+.L4_20_1:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $8, %rax // number of values in A\r
+#else\r
+ addq $4, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L4_20_6\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_20_2:\r
+\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+\r
+ je .L4_20_6\r
+\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+ KERNEL8x4_SUB\r
+\r
+ je .L4_20_6\r
+\r
+ jmp .L4_20_2\r
+ ALIGN_4\r
+\r
+.L4_20_6:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L4_20_9\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_20_7:\r
+\r
+ KERNEL8x4_SUB\r
+\r
+ jl .L4_20_7\r
+ ALIGN_4\r
+\r
+\r
+.L4_20_9:\r
+\r
+ SAVE8x4\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $8, KK\r
+#endif\r
+\r
+ addq $8 * SIZE, CO1 # coffset += 8\r
+ addq $8 * SIZE, CO2 # coffset += 8\r
+ ALIGN_4\r
+ \r
+\r
+\r
+/**************************************************************************/\r
+\r
+.L4_21pre:\r
+\r
+ testq $4, M \r
+ jz .L4_30\r
+ ALIGN_4\r
+\r
+.L4_21:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $4, %rax // number of values in A\r
+#else\r
+ addq $4, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L4_26\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_22:\r
+\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+\r
+ je .L4_26\r
+\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+ KERNEL4x4_SUB\r
+\r
+ je .L4_26\r
+\r
+ jmp .L4_22\r
+ ALIGN_4\r
+\r
+.L4_26:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L4_29\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_27:\r
+\r
+ KERNEL4x4_SUB\r
+\r
+ jl .L4_27\r
+ ALIGN_4\r
+\r
+\r
+.L4_29:\r
+\r
+ SAVE4x4\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $4, KK\r
+#endif\r
+\r
+ addq $4 * SIZE, CO1 # coffset += 4\r
+ addq $4 * SIZE, CO2 # coffset += 4\r
+ ALIGN_4\r
+ \r
+\r
+.L4_30:\r
+ testq $2, M \r
+ jz .L4_40\r
+\r
+ ALIGN_4\r
+\r
+.L4_31:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $1, %rax // rax = rax * 2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $2, %rax // number of values in AO\r
+#else\r
+ addq $4, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L4_36\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ salq $1, %rax // rax = rax *2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_32:\r
+\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+\r
+ je .L4_36\r
+\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+ KERNEL2x4_SUB\r
+\r
+ je .L4_36\r
+\r
+ jmp .L4_32\r
+ ALIGN_4\r
+\r
+.L4_36:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L4_39\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ \r
+ salq $1, %rax // rax = rax *2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_37:\r
+\r
+ KERNEL2x4_SUB\r
+\r
+ jl .L4_37\r
+ ALIGN_4\r
+\r
+\r
+.L4_39:\r
+\r
+ SAVE2x4\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $1, %rax // rax = rax * 2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $2, KK\r
+#endif\r
+\r
+ addq $2 * SIZE, CO1 # coffset += 2\r
+ addq $2 * SIZE, CO2 # coffset += 2\r
+ ALIGN_4\r
+\r
+.L4_40:\r
+ testq $1, M \r
+ jz .L4_60 // to next 4 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L4_41:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $1, %rax // number of values in AO\r
+#else\r
+ addq $4, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+ andq $-8, %rax\r
+ je .L4_46\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_42:\r
+\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+\r
+ je .L4_46\r
+\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+ KERNEL1x4_SUB\r
+\r
+ je .L4_46\r
+\r
+ jmp .L4_42\r
+ ALIGN_4\r
+\r
+.L4_46:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L4_49\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI,4), BI // BI = BI * 4 ; number of values\r
+\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L4_47:\r
+\r
+ KERNEL1x4_SUB\r
+\r
+ jl .L4_47\r
+ ALIGN_4\r
+\r
+\r
+.L4_49:\r
+\r
+ SAVE1x4\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (,BI, 4), BI // BI = BI * 4 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $1, KK\r
+#endif\r
+\r
+ addq $1 * SIZE, CO1 # coffset += 1\r
+ addq $1 * SIZE, CO2 # coffset += 1\r
+ ALIGN_4\r
+ \r
+\r
+\r
+\r
+ \r
+.L4_60:\r
+#if defined(TRMMKERNEL) && !defined(LEFT)\r
+ addq $4, KK\r
+#endif\r
+\r
+ decq J // j --\r
+ jg .L4_01 // next 4 lines of N\r
+\r
+\r
+\r
+/*******************************************************************************************/\r
+.L2_00:\r
+\r
+ movq Nmod6, J \r
+ andq $3, J // j % 4\r
+ je .L999\r
+\r
+ movq Nmod6, J \r
+ andq $2, J // j % 4\r
+ je .L1_0\r
+\r
+.L2_01:\r
+\r
+ // copy to sub buffer\r
+ movq B, BO1\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ movq K, %rax\r
+ sarq $2, %rax // K / 4\r
+ jz .L2_01b\r
+ ALIGN_4\r
+\r
+.L2_01a:\r
+\r
+ vmovsd (BO1), %xmm0\r
+ vmovsd 2*SIZE(BO1), %xmm1\r
+ vmovsd 4*SIZE(BO1), %xmm2\r
+ vmovsd 6*SIZE(BO1), %xmm3\r
+\r
+ vmovsd %xmm0, (BO)\r
+ vmovsd %xmm1, 2*SIZE(BO)\r
+ vmovsd %xmm2, 4*SIZE(BO)\r
+ vmovsd %xmm3, 6*SIZE(BO)\r
+\r
+ addq $8*SIZE,BO1\r
+ addq $8*SIZE,BO\r
+ decq %rax\r
+ jnz .L2_01a\r
+\r
+\r
+.L2_01b:\r
+\r
+ movq K, %rax\r
+ andq $3, %rax // K % 4\r
+ jz .L2_02d\r
+ ALIGN_4\r
+\r
+.L2_02c:\r
+\r
+ vmovsd (BO1), %xmm0\r
+ vmovsd %xmm0, (BO)\r
+ addq $2*SIZE,BO1\r
+ addq $2*SIZE,BO\r
+ decq %rax\r
+ jnz .L2_02c\r
+\r
+.L2_02d:\r
+\r
+ movq BO1, B // next offset of B\r
+\r
+.L2_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 2), C // c += 2 * ldc\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ movq OFFSET, %rax\r
+ movq %rax, KK\r
+#endif\r
+ \r
+ movq A, AO // aoffset = a\r
+ addq $16 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $4, I // i = (m >> 4)\r
+ je .L2_20\r
+\r
+ ALIGN_4\r
+\r
+.L2_11:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $16, %rax // number of values in AO\r
+#else\r
+ addq $2, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+ andq $-8, %rax // K = K - ( K % 8 )\r
+ je .L2_16\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_12:\r
+\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+\r
+ je .L2_16\r
+\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+ KERNEL16x2_SUB\r
+\r
+ je .L2_16\r
+\r
+ jmp .L2_12\r
+ ALIGN_4\r
+\r
+.L2_16:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L2_19\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_17:\r
+\r
+ KERNEL16x2_SUB\r
+\r
+ jl .L2_17\r
+ ALIGN_4\r
+\r
+\r
+.L2_19:\r
+\r
+ SAVE16x2\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax\r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $16, KK \r
+#endif\r
+\r
+ addq $16 * SIZE, CO1 # coffset += 16\r
+ decq I # i --\r
+ jg .L2_11\r
+ ALIGN_4 \r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L2_20:\r
+ // Test rest of M\r
+\r
+ testq $15, M\r
+ jz .L2_60 // to next 2 lines of N\r
+\r
+ testq $8, M \r
+ jz .L2_21pre\r
+ ALIGN_4\r
+\r
+/**************************************************************************/\r
+\r
+.L2_20_1:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $8, %rax // number of values in A\r
+#else\r
+ addq $2, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L2_20_6\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_20_2:\r
+\r
+\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+\r
+ je .L2_20_6\r
+\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+ KERNEL8x2_SUB\r
+\r
+ je .L2_20_6\r
+\r
+ jmp .L2_20_2\r
+ ALIGN_4\r
+\r
+.L2_20_6:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L2_20_9\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_20_7:\r
+\r
+ KERNEL8x2_SUB\r
+\r
+ jl .L2_20_7\r
+ ALIGN_4\r
+\r
+\r
+.L2_20_9:\r
+\r
+ SAVE8x2\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $8, KK\r
+#endif\r
+\r
+ addq $8 * SIZE, CO1 # coffset += 8\r
+ ALIGN_4\r
+ \r
+\r
+\r
+/**************************************************************************/\r
+\r
+.L2_21pre:\r
+\r
+ testq $4, M \r
+ jz .L2_30\r
+ ALIGN_4\r
+\r
+.L2_21:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $4, %rax // number of values in A\r
+#else\r
+ addq $2, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L2_26\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 1 ; number of values\r
+\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_22:\r
+\r
+\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+\r
+ je .L2_26\r
+\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+ KERNEL4x2_SUB\r
+\r
+ je .L2_26\r
+\r
+ jmp .L2_22\r
+ ALIGN_4\r
+\r
+.L2_26:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L2_29\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_27:\r
+\r
+ KERNEL4x2_SUB\r
+\r
+ jl .L2_27\r
+ ALIGN_4\r
+\r
+\r
+.L2_29:\r
+\r
+ SAVE4x2\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $4, KK\r
+#endif\r
+\r
+ addq $4 * SIZE, CO1 # coffset += 4\r
+ ALIGN_4\r
+ \r
+\r
+.L2_30:\r
+ testq $2, M \r
+ jz .L2_40\r
+\r
+ ALIGN_4\r
+\r
+.L2_31:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $1, %rax // rax = rax * 2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $2, %rax // number of values in AO\r
+#else\r
+ addq $2, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L2_36\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ salq $1, %rax // rax = rax *2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_32:\r
+\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ je .L2_36\r
+\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ je .L2_36\r
+\r
+ jmp .L2_32\r
+ ALIGN_4\r
+\r
+.L2_36:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L2_39\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ \r
+ salq $1, %rax // rax = rax *2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_37:\r
+\r
+ KERNEL2x2_SUB\r
+\r
+ jl .L2_37\r
+ ALIGN_4\r
+\r
+\r
+.L2_39:\r
+\r
+ SAVE2x2\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $1, %rax // rax = rax * 2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $2, KK\r
+#endif\r
+\r
+ addq $2 * SIZE, CO1 # coffset += 2\r
+ ALIGN_4\r
+\r
+.L2_40:\r
+ testq $1, M \r
+ jz .L2_60 // to next 2 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L2_41:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $1, %rax // number of values in AO\r
+#else\r
+ addq $2, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+ andq $-8, %rax\r
+ je .L2_46\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_42:\r
+\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ je .L2_46\r
+\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ je .L2_46\r
+\r
+ jmp .L2_42\r
+ ALIGN_4\r
+\r
+.L2_46:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L2_49\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L2_47:\r
+\r
+ KERNEL1x2_SUB\r
+\r
+ jl .L2_47\r
+ ALIGN_4\r
+\r
+\r
+.L2_49:\r
+\r
+ SAVE1x2\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BI,BI,1), BI // BI = BI * 2 ; number of values\r
+ leaq (BO, BI, SIZE), BO \r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $1, KK\r
+#endif\r
+\r
+ addq $1 * SIZE, CO1 # coffset += 1\r
+ ALIGN_4\r
+ \r
+\r
+\r
+\r
+ \r
+.L2_60:\r
+#if defined(TRMMKERNEL) && !defined(LEFT)\r
+ addq $2, KK\r
+#endif\r
+\r
+\r
+\r
+\r
+.L1_0:\r
+\r
+/************************************************************************************************\r
+* Loop for Nmod6 % 2 > 0\r
+*************************************************************************************************/\r
+\r
+ movq Nmod6, J \r
+ andq $1, J // j % 2\r
+ je .L999\r
+ ALIGN_4\r
+\r
+.L1_01:\r
+ // copy to sub buffer\r
+ movq B, BO1\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ movq K, %rax\r
+ ALIGN_4\r
+\r
+.L1_02b:\r
+\r
+ vmovss (BO1), %xmm0\r
+ vmovss %xmm0, (BO)\r
+ addq $1*SIZE,BO1\r
+ addq $1*SIZE,BO\r
+ decq %rax\r
+ jnz .L1_02b\r
+\r
+.L1_02c:\r
+\r
+ movq BO1, B // next offset of B\r
+\r
+.L1_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 1), C // c += 1 * ldc\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ movq OFFSET, %rax\r
+ movq %rax, KK\r
+#endif\r
+ \r
+ movq A, AO // aoffset = a\r
+ addq $16 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $4, I // i = (m >> 4)\r
+ je .L1_20\r
+\r
+ ALIGN_4\r
+\r
+.L1_11:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $16, %rax // number of values in AO\r
+#else\r
+ addq $1, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+ andq $-8, %rax // K = K - ( K % 8 )\r
+ je .L1_16\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_12:\r
+\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+\r
+ je .L1_16\r
+\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+ KERNEL16x1_SUB\r
+\r
+ je .L1_16\r
+\r
+ jmp .L1_12\r
+ ALIGN_4\r
+\r
+.L1_16:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L1_19\r
+\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_17:\r
+\r
+ KERNEL16x1_SUB\r
+\r
+ jl .L1_17\r
+ ALIGN_4\r
+\r
+\r
+.L1_19:\r
+\r
+ SAVE16x1\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax\r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $4, %rax // rax = rax * 16 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $16, KK \r
+#endif\r
+\r
+ addq $16 * SIZE, CO1 # coffset += 16\r
+ decq I # i --\r
+ jg .L1_11\r
+ ALIGN_4 \r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L1_20:\r
+ // Test rest of M\r
+\r
+ testq $15, M\r
+ jz .L999\r
+\r
+ testq $8, M \r
+ jz .L1_21pre\r
+ ALIGN_4\r
+\r
+/**************************************************************************/\r
+\r
+.L1_20_1:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $8, %rax // number of values in A\r
+#else\r
+ addq $1, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L1_20_6\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_20_2:\r
+\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+\r
+ je .L1_20_6\r
+\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+ KERNEL8x1_SUB\r
+\r
+ je .L1_20_6\r
+\r
+ jmp .L1_20_2\r
+ ALIGN_4\r
+\r
+.L1_20_6:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L1_20_9\r
+\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_20_7:\r
+\r
+ KERNEL8x1_SUB\r
+\r
+ jl .L1_20_7\r
+ ALIGN_4\r
+\r
+\r
+.L1_20_9:\r
+\r
+ SAVE8x1\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $3, %rax // rax = rax * 8 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $8, KK\r
+#endif\r
+\r
+ addq $8 * SIZE, CO1 # coffset += 8\r
+ ALIGN_4\r
+ \r
+\r
+\r
+/**************************************************************************/\r
+\r
+.L1_21pre:\r
+\r
+ testq $4, M \r
+ jz .L1_30\r
+ ALIGN_4\r
+\r
+.L1_21:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $4, %rax // number of values in A\r
+#else\r
+ addq $1, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L1_26\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_22:\r
+\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+\r
+ je .L1_26\r
+\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+ KERNEL4x1_SUB\r
+\r
+ je .L1_26\r
+\r
+ jmp .L1_22\r
+ ALIGN_4\r
+\r
+.L1_26:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
+\r
+ andq $7, %rax # if (k & 1)\r
+ je .L1_29\r
+\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_27:\r
+\r
+ KERNEL4x1_SUB\r
+\r
+ jl .L1_27\r
+ ALIGN_4\r
+\r
+\r
+.L1_29:\r
+\r
+ SAVE4x1\r
+\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $2, %rax // rax = rax * 4 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
+\r
+\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $4, KK\r
+#endif\r
+\r
+ addq $4 * SIZE, CO1 # coffset += 4\r
+ ALIGN_4\r
+ \r
+\r
+.L1_30:\r
+ testq $2, M \r
+ jz .L1_40\r
+\r
+ ALIGN_4\r
+\r
+.L1_31:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO\r
+ salq $1, %rax // rax = rax * 2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
+\r
+\r
+ vzeroall\r
+\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $2, %rax // number of values in AO\r
+#else\r
+ addq $1, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
+\r
+\r
+ andq $-8, %rax\r
+ je .L1_36\r
+ movq %rax, BI // Index for BO\r
+\r
+ salq $1, %rax // rax = rax *2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
+\r
+.L1_32:\r
+\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
\r
- vbroadcastss ALPHA, %ymm0\r
+ je .L1_36\r
\r
- vmulps %ymm0 , %ymm4 , %ymm4\r
- vmulps %ymm0 , %ymm5 , %ymm5\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
\r
-#if !defined(TRMMKERNEL)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
\r
- vaddps (CO1), %ymm4,%ymm4\r
- vaddps 8 * SIZE(CO1), %ymm5,%ymm5\r
+ je .L1_36\r
+\r
+ jmp .L1_32\r
+ ALIGN_4\r
\r
+.L1_36:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
#endif\r
\r
- vmovups %ymm4 , (CO1)\r
- vmovups %ymm5 , 8 * SIZE(CO1)\r
+ andq $7, %rax # if (k & 1)\r
+ je .L1_39\r
\r
-.endm\r
+ movq %rax, BI // Index for BO\r
+ \r
+ salq $1, %rax // rax = rax *2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
\r
+.L1_37:\r
\r
-/*******************************************************************************************/\r
+ KERNEL2x1_SUB\r
\r
-.macro KERNEL8x1_SUB\r
- vmovups -16 * SIZE(AO, %rax, SIZE), %ymm0\r
- vbroadcastss -4 * SIZE(BO, BI, SIZE), %ymm2\r
- VFMADD231PS_( %ymm4,%ymm2,%ymm0 )\r
- addq $ 1 , BI \r
- addq $ 8 , %rax \r
-.endm\r
+ jl .L1_37\r
+ ALIGN_4\r
\r
-.macro SAVE8x1\r
\r
- vbroadcastss ALPHA, %ymm0\r
+.L1_39:\r
\r
- vmulps %ymm0 , %ymm4 , %ymm4\r
+ SAVE2x1\r
\r
-#if !defined(TRMMKERNEL)\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO \r
+ salq $1, %rax // rax = rax * 2 ; number of values\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
\r
- vaddps (CO1), %ymm4,%ymm4\r
\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $2, KK\r
#endif\r
\r
- vmovups %ymm4 , (CO1)\r
-\r
-.endm\r
+ addq $2 * SIZE, CO1 # coffset += 2\r
+ ALIGN_4\r
\r
+.L1_40:\r
+ testq $1, M \r
+ jz .L999\r
\r
+ ALIGN_4\r
\r
-/*******************************************************************************************/\r
+.L1_41:\r
+#if !defined(TRMMKERNEL) || \\r
+ (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $4 * SIZE, BO\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO\r
+ leaq (AO, %rax, SIZE), AO\r
+#endif\r
\r
-.macro KERNEL4x1_SUB\r
- vmovups -16 * SIZE(AO, %rax, SIZE), %xmm0\r
- vbroadcastss -4 * SIZE(BO, BI, SIZE), %xmm2\r
- VFMADD231PS_( %xmm4,%xmm2,%xmm0 )\r
- addq $ 1 , BI \r
- addq $ 4 , %rax \r
-.endm\r
\r
-.macro SAVE4x1\r
+ vzeroall\r
\r
- vbroadcastss ALPHA, %xmm0\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#elif (defined(LEFT) && !defined(TRANSA)) || (!defined(LEFT) && defined(TRANSA))\r
+ movq K, %rax\r
+ subq KK, %rax\r
+ movq %rax, KKK\r
+#else\r
+ movq KK, %rax\r
+#ifdef LEFT\r
+ addq $1, %rax // number of values in AO\r
+#else\r
+ addq $1, %rax // number of values in BO\r
+#endif\r
+ movq %rax, KKK\r
+#endif\r
\r
- vmulps %xmm0 , %xmm4 , %xmm4\r
+ andq $-8, %rax\r
+ je .L1_46\r
+ movq %rax, BI // Index for BO\r
\r
-#if !defined(TRMMKERNEL)\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
\r
- vaddps (CO1), %xmm4,%xmm4\r
+.L1_42:\r
\r
-#endif\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
- vmovups %xmm4 , (CO1)\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
-.endm\r
+ je .L1_46\r
\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
-/*******************************************************************************************/\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
-.macro KERNEL2x1_SUB\r
- vmovss -16 * SIZE(AO, %rax, SIZE), %xmm0\r
- vmovss -15 * SIZE(AO, %rax, SIZE), %xmm1\r
- vmovss -4 * SIZE(BO, BI, SIZE), %xmm2\r
- VFMADD231SS_( %xmm4,%xmm2,%xmm0 )\r
- VFMADD231SS_( %xmm5,%xmm2,%xmm1 )\r
- addq $ 1 , BI \r
- addq $ 2 , %rax \r
-.endm\r
+ je .L1_46\r
\r
-.macro SAVE2x1\r
+ jmp .L1_42\r
+ ALIGN_4\r
\r
- vmovss ALPHA, %xmm0\r
+.L1_46:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
\r
- vmulss %xmm0 , %xmm4 , %xmm4\r
- vmulss %xmm0 , %xmm5 , %xmm5\r
+ andq $7, %rax # if (k & 1)\r
+ je .L1_49\r
\r
-#if !defined(TRMMKERNEL)\r
+ movq %rax, BI // Index for BO\r
\r
- vaddps (CO1), %xmm4,%xmm4\r
- vaddps 1 * SIZE(CO1), %xmm5,%xmm5\r
+ leaq (AO, %rax, SIZE), AO\r
+ leaq (BO, BI, SIZE), BO\r
+ negq BI\r
+ negq %rax\r
+ ALIGN_4\r
\r
-#endif\r
+.L1_47:\r
\r
- vmovss %xmm4 , (CO1)\r
- vmovss %xmm5 , 1 * SIZE(CO1)\r
+ KERNEL1x1_SUB\r
\r
-.endm\r
+ jl .L1_47\r
+ ALIGN_4\r
\r
\r
-/*******************************************************************************************/\r
+.L1_49:\r
\r
-.macro KERNEL1x1_SUB\r
- vmovss -16 * SIZE(AO, %rax, SIZE), %xmm0\r
- vmovss -4 * SIZE(BO, BI, SIZE), %xmm2\r
- VFMADD231SS_( %xmm4,%xmm2,%xmm0 )\r
- addq $ 1 , BI \r
- addq $ 1 , %rax \r
-.endm\r
+ SAVE1x1\r
\r
-.macro SAVE1x1\r
+#if (defined(TRMMKERNEL) && defined(LEFT) && defined(TRANSA)) || \\r
+ (defined(TRMMKERNEL) && !defined(LEFT) && !defined(TRANSA))\r
+ movq K, %rax \r
+ subq KKK, %rax\r
+ movq %rax, BI // Index for BO\r
+ leaq (BO, BI, SIZE), BO \r
+ leaq (AO, %rax, SIZE), AO\r
+#endif \r
\r
- vmovss ALPHA, %xmm0\r
\r
- vmulss %xmm0 , %xmm4 , %xmm4\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $1, KK\r
+#endif\r
\r
-#if !defined(TRMMKERNEL)\r
+ addq $1 * SIZE, CO1 # coffset += 1\r
+ ALIGN_4\r
+ \r
\r
- vaddps (CO1), %xmm4,%xmm4\r
+.L999:\r
+ movq SP, %rsp\r
+ movq (%rsp), %rbx\r
+ movq 8(%rsp), %rbp\r
+ movq 16(%rsp), %r12\r
+ movq 24(%rsp), %r13\r
+ movq 32(%rsp), %r14\r
+ movq 40(%rsp), %r15\r
\r
+#ifdef WINDOWS_ABI\r
+ movq 48(%rsp), %rdi\r
+ movq 56(%rsp), %rsi\r
+ movups 64(%rsp), %xmm6\r
+ movups 80(%rsp), %xmm7\r
+ movups 96(%rsp), %xmm8\r
+ movups 112(%rsp), %xmm9\r
+ movups 128(%rsp), %xmm10\r
+ movups 144(%rsp), %xmm11\r
+ movups 160(%rsp), %xmm12\r
+ movups 176(%rsp), %xmm13\r
+ movups 192(%rsp), %xmm14\r
+ movups 208(%rsp), %xmm15\r
#endif\r
\r
- vmovss %xmm4 , (CO1)\r
+ addq $STACKSIZE, %rsp\r
+ ret\r
\r
-.endm\r
+ EPILOGUE\r
\r
\r
-/*******************************************************************************************/\r
+\r
+#else\r
\r
/*************************************************************************************\r
* TRMM Kernel\r
EPILOGUE\r
\r
\r
-\r
-\r
+#endif\r
\r