**********************************************************************************/\r
\r
/********************************************************************************\r
-* 2014/06/28 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
+* 2014/07/28 Saar\r
* Performance at 4608x4608x4608:\r
-* 1 thread: 43 GFLOPS (SANDYBRIDGE: 29) (MKL: 53)\r
-* 2 threads: 85 GFLOPS (SANDYBRIDGE: 59) (MKL: 100)\r
-* 3 threads: 122 GFLOPS (SANDYBRIDGE: 86) (MKL: 138)\r
-* 4 threads: 156 GFLOPS (SANDYBRIDGE: 108) (MKL: 172)\r
+* 1 thread: 53 GFLOPS (SANDYBRIDGE: 29) (MKL: 53)\r
+* 2 threads: 101 GFLOPS (SANDYBRIDGE: 59) (MKL: 100)\r
+* 3 threads: 146 GFLOPS (SANDYBRIDGE: 86) (MKL: 138)\r
+* 4 threads: 184 GFLOPS (SANDYBRIDGE: 108) (MKL: 172)\r
*\r
********************************************************************************/\r
\r
\r
#define A_PR1 512\r
#define B_PR1 512\r
+\r
+\r
+\r
+/***************************************************************************************************/\r
+\r
+.macro KERNEL4x3_SUB\r
+ vmovups (AO), %ymm0\r
+ vmovups 4 * SIZE(AO), %ymm1\r
+ prefetcht0 A_PR1(AO)\r
+\r
+ vbroadcastsd (BO), %ymm2\r
+ vbroadcastsd 1 * SIZE(BO), %ymm3\r
+ VFMADDPD_R( %ymm8 ,%ymm2,%ymm0 )\r
+ VFMADDPD_R( %ymm12,%ymm2,%ymm1 )\r
+ VFMADDPD_I( %ymm9 ,%ymm3,%ymm0 )\r
+ VFMADDPD_I( %ymm13,%ymm3,%ymm1 )\r
+\r
+ vbroadcastsd 2 * SIZE(BO), %ymm2\r
+ vbroadcastsd 3 * SIZE(BO), %ymm3\r
+ VFMADDPD_R( %ymm10,%ymm2,%ymm0 )\r
+ VFMADDPD_R( %ymm14,%ymm2,%ymm1 )\r
+ VFMADDPD_I( %ymm11,%ymm3,%ymm0 )\r
+ VFMADDPD_I( %ymm15,%ymm3,%ymm1 )\r
+\r
+ vbroadcastsd 4 * SIZE(BO), %ymm2\r
+ vbroadcastsd 5 * SIZE(BO), %ymm3\r
+ VFMADDPD_R( %ymm4 ,%ymm2,%ymm0 )\r
+ VFMADDPD_R( %ymm6 ,%ymm2,%ymm1 )\r
+ VFMADDPD_I( %ymm5 ,%ymm3,%ymm0 )\r
+ VFMADDPD_I( %ymm7 ,%ymm3,%ymm1 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $8*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE4x3\r
+\r
+ vbroadcastsd ALPHA_R, %ymm0\r
+ vbroadcastsd ALPHA_I, %ymm1\r
+\r
+ // swap high and low 8 bytes\r
+ vshufpd $ 0x05, %ymm9 , %ymm9, %ymm9\r
+ vshufpd $ 0x05, %ymm11, %ymm11, %ymm11\r
+ vshufpd $ 0x05, %ymm13, %ymm13, %ymm13\r
+ vshufpd $ 0x05, %ymm15, %ymm15, %ymm15\r
+ vshufpd $ 0x05, %ymm5 , %ymm5 , %ymm5\r
+ vshufpd $ 0x05, %ymm7 , %ymm7 , %ymm7\r
+\r
+#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
+ defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+\r
+ vaddsubpd %ymm9, %ymm8 , %ymm8\r
+ vaddsubpd %ymm11,%ymm10, %ymm10\r
+ vaddsubpd %ymm13,%ymm12, %ymm12\r
+ vaddsubpd %ymm15,%ymm14, %ymm14\r
+ vaddsubpd %ymm5 ,%ymm4 , %ymm4\r
+ vaddsubpd %ymm7 ,%ymm6 , %ymm6\r
+\r
+ vshufpd $ 0x05, %ymm8 , %ymm8 , %ymm9\r
+ vshufpd $ 0x05, %ymm10, %ymm10, %ymm11\r
+ vshufpd $ 0x05, %ymm12, %ymm12, %ymm13\r
+ vshufpd $ 0x05, %ymm14, %ymm14, %ymm15\r
+ vshufpd $ 0x05, %ymm4 , %ymm4 , %ymm5\r
+ vshufpd $ 0x05, %ymm6 , %ymm6 , %ymm7\r
+\r
+#else\r
+ vaddsubpd %ymm8, %ymm9 ,%ymm9\r
+ vaddsubpd %ymm10, %ymm11,%ymm11\r
+ vaddsubpd %ymm12, %ymm13,%ymm13\r
+ vaddsubpd %ymm14, %ymm15,%ymm15\r
+ vaddsubpd %ymm4 , %ymm5 ,%ymm5\r
+ vaddsubpd %ymm6 , %ymm7 ,%ymm7\r
+\r
+ vmovapd %ymm9, %ymm8\r
+ vmovapd %ymm11, %ymm10\r
+ vmovapd %ymm13, %ymm12\r
+ vmovapd %ymm15, %ymm14\r
+ vmovapd %ymm5 , %ymm4\r
+ vmovapd %ymm7 , %ymm6\r
+\r
+ // swap high and low 8 bytes\r
+ vshufpd $ 0x05, %ymm9 , %ymm9, %ymm9\r
+ vshufpd $ 0x05, %ymm11, %ymm11, %ymm11\r
+ vshufpd $ 0x05, %ymm13, %ymm13, %ymm13\r
+ vshufpd $ 0x05, %ymm15, %ymm15, %ymm15\r
+ vshufpd $ 0x05, %ymm5 , %ymm5 , %ymm5\r
+ vshufpd $ 0x05, %ymm7 , %ymm7 , %ymm7\r
+\r
+#endif\r
+\r
+ // multiply with ALPHA_R\r
+ vmulpd %ymm8 , %ymm0, %ymm8\r
+ vmulpd %ymm10, %ymm0, %ymm10\r
+ vmulpd %ymm12, %ymm0, %ymm12\r
+ vmulpd %ymm14, %ymm0, %ymm14\r
+ vmulpd %ymm4 , %ymm0, %ymm4\r
+ vmulpd %ymm6 , %ymm0, %ymm6\r
+\r
+ // multiply with ALPHA_I\r
+ vmulpd %ymm9 , %ymm1, %ymm9\r
+ vmulpd %ymm11, %ymm1, %ymm11\r
+ vmulpd %ymm13, %ymm1, %ymm13\r
+ vmulpd %ymm15, %ymm1, %ymm15\r
+ vmulpd %ymm5 , %ymm1, %ymm5\r
+ vmulpd %ymm7 , %ymm1, %ymm7\r
+\r
+ vaddsubpd %ymm9, %ymm8 , %ymm8\r
+ vaddsubpd %ymm11,%ymm10, %ymm10\r
+ vaddsubpd %ymm13,%ymm12, %ymm12\r
+ vaddsubpd %ymm15,%ymm14, %ymm14\r
+ vaddsubpd %ymm5 ,%ymm4 , %ymm4\r
+ vaddsubpd %ymm7 ,%ymm6 , %ymm6\r
+\r
+\r
+\r
+#ifndef TRMMKERNEL\r
+\r
+ vaddpd (CO1), %ymm8 , %ymm8\r
+ vaddpd 4 * SIZE(CO1), %ymm12, %ymm12\r
+\r
+ vaddpd (CO1, LDC), %ymm10, %ymm10\r
+ vaddpd 4 * SIZE(CO1, LDC), %ymm14, %ymm14\r
+\r
+ vaddpd (CO1, LDC,2), %ymm4 , %ymm4\r
+ vaddpd 4 * SIZE(CO1, LDC,2), %ymm6 , %ymm6\r
+#endif\r
+\r
+ vmovups %ymm8 , (CO1)\r
+ vmovups %ymm12 , 4 * SIZE(CO1)\r
+\r
+ vmovups %ymm10 , (CO1, LDC)\r
+ vmovups %ymm14 , 4 * SIZE(CO1, LDC)\r
+\r
+ vmovups %ymm4 , (CO1, LDC, 2)\r
+ vmovups %ymm6 , 4 * SIZE(CO1, LDC, 2)\r
+\r
+ prefetcht0 64(CO1)\r
+ prefetcht0 64(CO1, LDC)\r
+\r
+.endm\r
+\r
+\r
+\r
+/***************************************************************************************************/\r
+\r
+.macro KERNEL2x3_SUB\r
+ vmovups (AO), %xmm0\r
+ vmovups 2 * SIZE(AO), %xmm1\r
+ vmovddup (BO), %xmm2\r
+ vmovddup 1 * SIZE(BO), %xmm3\r
+\r
+ VFMADDPD_R( %xmm8 ,%xmm2,%xmm0 )\r
+ VFMADDPD_R( %xmm12,%xmm2,%xmm1 )\r
+ VFMADDPD_I( %xmm9 ,%xmm3,%xmm0 )\r
+ VFMADDPD_I( %xmm13,%xmm3,%xmm1 )\r
+\r
+ vmovddup 2 * SIZE(BO), %xmm2\r
+ vmovddup 3 * SIZE(BO), %xmm3\r
+ VFMADDPD_R( %xmm10,%xmm2,%xmm0 )\r
+ VFMADDPD_R( %xmm14,%xmm2,%xmm1 )\r
+ VFMADDPD_I( %xmm11,%xmm3,%xmm0 )\r
+ VFMADDPD_I( %xmm15,%xmm3,%xmm1 )\r
+\r
+ vmovddup 4 * SIZE(BO), %xmm2\r
+ vmovddup 5 * SIZE(BO), %xmm3\r
+ VFMADDPD_R( %xmm4 ,%xmm2,%xmm0 )\r
+ VFMADDPD_R( %xmm6 ,%xmm2,%xmm1 )\r
+ VFMADDPD_I( %xmm5 ,%xmm3,%xmm0 )\r
+ VFMADDPD_I( %xmm7 ,%xmm3,%xmm1 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $4*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE2x3\r
+\r
+ vmovddup ALPHA_R, %xmm0\r
+ vmovddup ALPHA_I, %xmm1\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ vshufpd $ 0x01, %xmm11, %xmm11, %xmm11\r
+ vshufpd $ 0x01, %xmm13, %xmm13, %xmm13\r
+ vshufpd $ 0x01, %xmm15, %xmm15, %xmm15\r
+ vshufpd $ 0x01, %xmm5 , %xmm5 , %xmm5\r
+ vshufpd $ 0x01, %xmm7 , %xmm7 , %xmm7\r
+\r
+#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
+ defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+\r
+ vaddsubpd %xmm9, %xmm8 , %xmm8\r
+ vaddsubpd %xmm11,%xmm10, %xmm10\r
+ vaddsubpd %xmm13,%xmm12, %xmm12\r
+ vaddsubpd %xmm15,%xmm14, %xmm14\r
+ vaddsubpd %xmm5, %xmm4 , %xmm4\r
+ vaddsubpd %xmm7, %xmm6 , %xmm6\r
+\r
+ vshufpd $ 0x01, %xmm8 , %xmm8, %xmm9\r
+ vshufpd $ 0x01, %xmm10, %xmm10, %xmm11\r
+ vshufpd $ 0x01, %xmm12, %xmm12, %xmm13\r
+ vshufpd $ 0x01, %xmm14, %xmm14, %xmm15\r
+ vshufpd $ 0x01, %xmm4 , %xmm4, %xmm5\r
+ vshufpd $ 0x01, %xmm6 , %xmm6, %xmm7\r
+\r
+#else\r
+ vaddsubpd %xmm8, %xmm9 ,%xmm9\r
+ vaddsubpd %xmm10, %xmm11,%xmm11\r
+ vaddsubpd %xmm12, %xmm13,%xmm13\r
+ vaddsubpd %xmm14, %xmm15,%xmm15\r
+ vaddsubpd %xmm4, %xmm5 ,%xmm5\r
+ vaddsubpd %xmm6, %xmm7 ,%xmm7\r
+\r
+ vmovapd %xmm9, %xmm8\r
+ vmovapd %xmm11, %xmm10\r
+ vmovapd %xmm13, %xmm12\r
+ vmovapd %xmm15, %xmm14\r
+ vmovapd %xmm5, %xmm4\r
+ vmovapd %xmm7, %xmm6\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ vshufpd $ 0x01, %xmm11, %xmm11, %xmm11\r
+ vshufpd $ 0x01, %xmm13, %xmm13, %xmm13\r
+ vshufpd $ 0x01, %xmm15, %xmm15, %xmm15\r
+ vshufpd $ 0x01, %xmm5 , %xmm5, %xmm5\r
+ vshufpd $ 0x01, %xmm7 , %xmm7, %xmm7\r
+\r
+#endif\r
+\r
+ // multiply with ALPHA_R\r
+ vmulpd %xmm8 , %xmm0, %xmm8\r
+ vmulpd %xmm10, %xmm0, %xmm10\r
+ vmulpd %xmm12, %xmm0, %xmm12\r
+ vmulpd %xmm14, %xmm0, %xmm14\r
+ vmulpd %xmm4 , %xmm0, %xmm4\r
+ vmulpd %xmm6 , %xmm0, %xmm6\r
+\r
+ // multiply with ALPHA_I\r
+ vmulpd %xmm9 , %xmm1, %xmm9\r
+ vmulpd %xmm11, %xmm1, %xmm11\r
+ vmulpd %xmm13, %xmm1, %xmm13\r
+ vmulpd %xmm15, %xmm1, %xmm15\r
+ vmulpd %xmm5 , %xmm1, %xmm5\r
+ vmulpd %xmm7 , %xmm1, %xmm7\r
+\r
+ vaddsubpd %xmm9, %xmm8 , %xmm8\r
+ vaddsubpd %xmm11,%xmm10, %xmm10\r
+ vaddsubpd %xmm13,%xmm12, %xmm12\r
+ vaddsubpd %xmm15,%xmm14, %xmm14\r
+ vaddsubpd %xmm5, %xmm4 , %xmm4\r
+ vaddsubpd %xmm7, %xmm6 , %xmm6\r
+\r
+#ifndef TRMMKERNEL\r
+\r
+ vaddpd (CO1), %xmm8 , %xmm8\r
+ vaddpd 2 * SIZE(CO1), %xmm12, %xmm12\r
+\r
+ vaddpd (CO1, LDC), %xmm10, %xmm10\r
+ vaddpd 2 * SIZE(CO1, LDC), %xmm14, %xmm14\r
+\r
+ vaddpd (CO1, LDC,2), %xmm4 , %xmm4\r
+ vaddpd 2 * SIZE(CO1, LDC,2), %xmm6 , %xmm6\r
+\r
+#endif\r
+\r
+ vmovups %xmm8 , (CO1)\r
+ vmovups %xmm12 , 2 * SIZE(CO1)\r
+\r
+ vmovups %xmm10 , (CO1, LDC)\r
+ vmovups %xmm14 , 2 * SIZE(CO1, LDC)\r
+\r
+ vmovups %xmm4 , (CO1, LDC,2)\r
+ vmovups %xmm6 , 2 * SIZE(CO1, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+/************************************************************************************************/\r
+\r
+\r
+.macro KERNEL1x3_SUB\r
+ vmovups (AO), %xmm0\r
+ vmovddup (BO), %xmm2\r
+ vmovddup 1 * SIZE(BO), %xmm3\r
+\r
+ VFMADDPD_R( %xmm8,%xmm2,%xmm0 )\r
+ VFMADDPD_I( %xmm9,%xmm3,%xmm0 )\r
+\r
+ vmovddup 2 * SIZE(BO), %xmm2\r
+ vmovddup 3 * SIZE(BO), %xmm3\r
+ VFMADDPD_R( %xmm10,%xmm2,%xmm0 )\r
+ VFMADDPD_I( %xmm11,%xmm3,%xmm0 )\r
+\r
+ vmovddup 4 * SIZE(BO), %xmm2\r
+ vmovddup 5 * SIZE(BO), %xmm3\r
+ VFMADDPD_R( %xmm4 ,%xmm2,%xmm0 )\r
+ VFMADDPD_I( %xmm5 ,%xmm3,%xmm0 )\r
+\r
+ addq $6*SIZE, BO \r
+ addq $2*SIZE, AO \r
+ decq %rax \r
+.endm\r
+\r
+.macro SAVE1x3\r
+\r
+ vmovddup ALPHA_R, %xmm0\r
+ vmovddup ALPHA_I, %xmm1\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ vshufpd $ 0x01, %xmm11, %xmm11, %xmm11\r
+ vshufpd $ 0x01, %xmm5 , %xmm5, %xmm5\r
+\r
+#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
+ defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+\r
+ vaddsubpd %xmm9, %xmm8 , %xmm8\r
+ vaddsubpd %xmm11,%xmm10, %xmm10\r
+ vaddsubpd %xmm5, %xmm4 , %xmm4\r
+\r
+ vshufpd $ 0x01, %xmm8 , %xmm8, %xmm9\r
+ vshufpd $ 0x01, %xmm10, %xmm10, %xmm11\r
+ vshufpd $ 0x01, %xmm4 , %xmm4, %xmm5\r
+\r
+#else\r
+ vaddsubpd %xmm8, %xmm9, %xmm9\r
+ vaddsubpd %xmm10,%xmm11, %xmm11\r
+ vaddsubpd %xmm4, %xmm5, %xmm5\r
+\r
+ vmovapd %xmm9, %xmm8\r
+ vmovapd %xmm11, %xmm10\r
+ vmovapd %xmm5, %xmm4\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ vshufpd $ 0x01, %xmm11, %xmm11, %xmm11\r
+ vshufpd $ 0x01, %xmm5 , %xmm5, %xmm5\r
+\r
+#endif\r
+\r
+ // multiply with ALPHA_R\r
+ vmulpd %xmm8 , %xmm0, %xmm8\r
+ vmulpd %xmm10, %xmm0, %xmm10\r
+ vmulpd %xmm4 , %xmm0, %xmm4\r
+\r
+ // multiply with ALPHA_I\r
+ vmulpd %xmm9 , %xmm1, %xmm9\r
+ vmulpd %xmm11, %xmm1, %xmm11\r
+ vmulpd %xmm5 , %xmm1, %xmm5\r
+\r
+ vaddsubpd %xmm9, %xmm8 , %xmm8\r
+ vaddsubpd %xmm11,%xmm10, %xmm10\r
+ vaddsubpd %xmm5, %xmm4 , %xmm4\r
+\r
+#ifndef TRMMKERNEL\r
+\r
+ vaddpd (CO1) , %xmm8 , %xmm8\r
+ vaddpd (CO1, LDC) , %xmm10, %xmm10\r
+ vaddpd (CO1, LDC,2) , %xmm4 , %xmm4\r
+\r
+#endif\r
+\r
+ vmovups %xmm8 , (CO1)\r
+ vmovups %xmm10 , (CO1, LDC)\r
+ vmovups %xmm4 , (CO1, LDC,2)\r
+\r
+.endm\r
+\r
+\r
+\r
+\r
/***************************************************************************************************/\r
\r
.macro KERNEL4x2_SUB\r
\r
\r
\r
-#ifndef TRMMKERNEL\r
+#ifndef TRMMKERNEL\r
+\r
+ vaddpd (CO1), %ymm8 , %ymm8\r
+ vaddpd 4 * SIZE(CO1), %ymm12, %ymm12\r
+\r
+#endif\r
+\r
+ vmovups %ymm8 , (CO1)\r
+ vmovups %ymm12 ,4 * SIZE(CO1)\r
+\r
+.endm\r
+\r
+\r
+\r
+/************************************************************************************************/\r
+\r
+.macro KERNEL2x1_SUB\r
+ vmovups -8 * SIZE(AO, %rax, SIZE), %xmm0\r
+ vmovddup -4 * SIZE(BO, BI, SIZE), %xmm4\r
+ VFMADDPD_R( %xmm8,%xmm4,%xmm0 )\r
+ vmovups -6 * SIZE(AO, %rax, SIZE), %xmm1\r
+ VFMADDPD_R( %xmm12,%xmm4,%xmm1 )\r
+ vmovddup -3 * SIZE(BO, BI, SIZE), %xmm5\r
+ VFMADDPD_I( %xmm9,%xmm5,%xmm0 )\r
+ VFMADDPD_I( %xmm13,%xmm5,%xmm1 )\r
+ addq $ 2, BI \r
+ addq $ 4, %rax \r
+.endm\r
+\r
+.macro SAVE2x1\r
+\r
+ vmovddup ALPHA_R, %xmm0\r
+ vmovddup ALPHA_I, %xmm1\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ vshufpd $ 0x01, %xmm13, %xmm13, %xmm13\r
+\r
+#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
+ defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+\r
+ vaddsubpd %xmm9, %xmm8 , %xmm8\r
+ vaddsubpd %xmm13,%xmm12 , %xmm12\r
+\r
+ vshufpd $ 0x01, %xmm8 , %xmm8, %xmm9\r
+ vshufpd $ 0x01, %xmm12, %xmm12, %xmm13\r
+\r
+#else\r
+ vaddsubpd %xmm8, %xmm9 , %xmm9\r
+ vaddsubpd %xmm12,%xmm13, %xmm13\r
+\r
+ vmovapd %xmm9, %xmm8\r
+ vmovapd %xmm13, %xmm12\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ vshufpd $ 0x01, %xmm13, %xmm13, %xmm13\r
+\r
+#endif\r
+\r
+ // multiply with ALPHA_R\r
+ vmulpd %xmm8 , %xmm0, %xmm8\r
+ vmulpd %xmm12, %xmm0, %xmm12\r
+\r
+ // multiply with ALPHA_I\r
+ vmulpd %xmm9 , %xmm1, %xmm9\r
+ vmulpd %xmm13, %xmm1, %xmm13\r
+\r
+ vaddsubpd %xmm9, %xmm8 , %xmm8\r
+ vaddsubpd %xmm13, %xmm12, %xmm12\r
+\r
+#ifndef TRMMKERNEL\r
+\r
+ vaddpd (CO1), %xmm8 , %xmm8\r
+ vaddpd 2 * SIZE(CO1), %xmm12, %xmm12\r
+\r
+#endif\r
+\r
+ vmovups %xmm8 , (CO1)\r
+ vmovups %xmm12 , 2 * SIZE(CO1)\r
+\r
+.endm\r
+\r
+\r
+/************************************************************************************************/\r
+\r
+.macro KERNEL1x1_SUB\r
+ vmovups -8 * SIZE(AO, %rax, SIZE), %xmm0\r
+ vmovddup -4 * SIZE(BO, BI, SIZE), %xmm4\r
+ VFMADDPD_R( %xmm8,%xmm4,%xmm0 )\r
+ vmovddup -3 * SIZE(BO, BI, SIZE), %xmm5\r
+ VFMADDPD_I( %xmm9,%xmm5,%xmm0 )\r
+ addq $ 2, BI \r
+ addq $ 2, %rax \r
+.endm\r
+\r
+.macro SAVE1x1\r
+\r
+ vmovddup ALPHA_R, %xmm0\r
+ vmovddup ALPHA_I, %xmm1\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+\r
+#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
+ defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+\r
+ vaddsubpd %xmm9, %xmm8, %xmm8\r
+\r
+ vshufpd $ 0x01, %xmm8 , %xmm8, %xmm9\r
+\r
+#else\r
+ vaddsubpd %xmm8, %xmm9, %xmm9\r
+\r
+ vmovapd %xmm9, %xmm8\r
+\r
+ // swap high and low 64 bytes\r
+ vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+\r
+#endif\r
+\r
+ // multiply with ALPHA_R\r
+ vmulpd %xmm8 , %xmm0, %xmm8\r
+\r
+ // multiply with ALPHA_I\r
+ vmulpd %xmm9 , %xmm1, %xmm9\r
+\r
+ vaddsubpd %xmm9 ,%xmm8, %xmm8\r
+\r
+#ifndef TRMMKERNEL\r
+\r
+ vaddpd (CO1), %xmm8 , %xmm8\r
+\r
+#endif\r
+\r
+ vmovups %xmm8 , (CO1)\r
+\r
+.endm\r
+\r
+\r
+/************************************************************************************************/\r
+\r
+\r
+\r
+#if !defined(TRMMKERNEL)\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
+ vmovups %xmm6, 64(%rsp)\r
+ vmovups %xmm7, 80(%rsp)\r
+ vmovups %xmm8, 96(%rsp)\r
+ vmovups %xmm9, 112(%rsp)\r
+ vmovups %xmm10, 128(%rsp)\r
+ vmovups %xmm11, 144(%rsp)\r
+ vmovups %xmm12, 160(%rsp)\r
+ vmovups %xmm13, 176(%rsp)\r
+ vmovups %xmm14, 192(%rsp)\r
+ vmovups %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
+ movsd OLD_OFFSET, %xmm12\r
+#endif\r
+ vmovaps %xmm3, %xmm0\r
+ vmovsd OLD_ALPHA_I, %xmm1\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
+ vmovsd %xmm0, ALPHA_R\r
+ vmovsd %xmm1, ALPHA_I\r
+\r
+ salq $ ZBASE_SHIFT, LDC\r
+\r
+ movq N, %rax\r
+ xorq %rdx, %rdx\r
+ movq $ 6, %rdi\r
+ divq %rdi // N / 6\r
+ movq %rax, Ndiv6 // N / 6\r
+ movq %rdx, Nmod6 // N % 6\r
+\r
+ \r
+\r
+/************************************************************************************************/\r
+.L6_00_0:\r
+\r
+ movq Ndiv6, J\r
+ cmpq $ 0, J\r
+ je .L2_00_0\r
+ ALIGN_4\r
+\r
+\r
+\r
+.L6_00_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 // 2 * COMPSIZE\r
+ leaq (B, %rax,8), BO2 \r
+ movq BO2, B // next offset of B\r
+ movq K, %rax\r
+ ALIGN_4\r
+\r
+.L6_00_02b:\r
+\r
+ vmovups (BO1), %xmm0\r
+ vmovups 2 * SIZE(BO1), %xmm1\r
+ vmovups (BO2), %xmm2\r
+ vmovups %xmm0, (BO)\r
+ vmovups %xmm1, 2 * SIZE(BO)\r
+ vmovups %xmm2, 4 * SIZE(BO)\r
+ addq $ 4*SIZE,BO1\r
+ addq $ 4*SIZE,BO2\r
+ addq $ 6*SIZE,BO\r
+ decq %rax\r
+ jnz .L6_00_02b\r
+\r
+.L6_00_02c:\r
+\r
+\r
+\r
+.L6_00_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 2), C // c += 2 * ldc\r
+ leaq (C, LDC, 1), C // c += 1 * ldc\r
+\r
+ movq A, AO // aoffset = a\r
+\r
+ movq M, I\r
+ sarq $ 2, I // i = (m >> 2)\r
+ je .L6_2_10\r
+\r
+ ALIGN_4\r
+\r
+/******************************************************************************************************************/\r
+\r
+.L6_4_11:\r
+\r
+ leaq BUFFER1, BO // first buffer to BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L6_4_16\r
+ ALIGN_4\r
+\r
+.L6_4_12:\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ je .L6_4_16\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ je .L6_4_16\r
+\r
+ jmp .L6_4_12\r
+ ALIGN_4\r
+\r
+.L6_4_16:\r
+ movq K, %rax\r
+\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L6_4_19\r
+ ALIGN_4\r
+\r
+.L6_4_17:\r
+\r
+ KERNEL4x3_SUB\r
+\r
+ jnz .L6_4_17\r
+ ALIGN_4\r
+\r
+\r
+.L6_4_19:\r
+\r
+ SAVE4x3\r
+\r
+ addq $ 8 * SIZE, CO1 # coffset += 8\r
+ decq I # i --\r
+ jg .L6_4_11\r
+ ALIGN_4 \r
+\r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+\r
+\r
+/******************************************************************************************************************/\r
+.L6_2_10:\r
+ testq $ 2, M \r
+ jz .L6_2_40 // to next 2 lines of N\r
+\r
+.L6_2_11:\r
+\r
+ leaq BUFFER1, BO // first buffer to BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L6_2_16\r
+ ALIGN_4\r
+\r
+.L6_2_12:\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ je .L6_2_16\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ je .L6_2_16\r
+\r
+ jmp .L6_2_12\r
+ ALIGN_4\r
+\r
+.L6_2_16:\r
+ movq K, %rax\r
+\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L6_2_19\r
+ ALIGN_4\r
+\r
+.L6_2_17:\r
+\r
+ KERNEL2x3_SUB\r
+\r
+ jnz .L6_2_17\r
+ ALIGN_4\r
+\r
+\r
+.L6_2_19:\r
+\r
+ SAVE2x3\r
+\r
+ addq $ 4 * SIZE, CO1 # coffset += 4\r
+ ALIGN_4 \r
+\r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L6_2_40:\r
+ testq $ 1, M \r
+ jz .L6_2_60 // to next 2 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L6_2_41:\r
+\r
+ leaq BUFFER1, BO // first buffer to BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L6_2_46\r
+\r
+ ALIGN_4\r
+\r
+.L6_2_42:\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ je .L6_2_46\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ je .L6_2_46\r
+\r
+ jmp .L6_2_42\r
+ ALIGN_4\r
+\r
+.L6_2_46:\r
+ movq K, %rax\r
+\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L6_2_49\r
+\r
+ ALIGN_4\r
+\r
+.L6_2_47:\r
+\r
+ KERNEL1x3_SUB\r
+\r
+ jnz .L6_2_47\r
+ ALIGN_4\r
+\r
+\r
+.L6_2_49:\r
+\r
+ SAVE1x3\r
+\r
+ addq $ 2 * SIZE, CO1 # coffset += 2\r
+ decq I # i --\r
+ jg .L6_2_41\r
+ ALIGN_4 \r
+\r
+\r
+\r
+ \r
+.L6_2_60:\r
+\r
+\r
+/************************************************************************************************/\r
+\r
+/************************************************************************************************/\r
+\r
+\r
+.L7_00_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 // 2 * COMPSIZE\r
+ leaq (B, %rax,8), BO2 \r
+ movq K, %rax\r
+ ALIGN_4\r
+\r
+.L7_00_02b:\r
+\r
+ vmovups 2 * SIZE(BO1), %xmm0\r
+ vmovups (BO2), %xmm1\r
+ vmovups 2 * SIZE(BO2), %xmm2\r
+ vmovups %xmm0, (BO)\r
+ vmovups %xmm1, 2 * SIZE(BO)\r
+ vmovups %xmm2, 4 * SIZE(BO)\r
+ addq $ 4*SIZE,BO1\r
+ addq $ 4*SIZE,BO2\r
+ addq $ 6*SIZE,BO\r
+ decq %rax\r
+ jnz .L7_00_02b\r
+\r
+.L7_00_02c:\r
+\r
+ movq BO2, B // next offset of B\r
+\r
+\r
+.L7_00_10:\r
+ movq C, CO1\r
+ leaq (C, LDC, 2), C // c += 2 * ldc\r
+ leaq (C, LDC, 1), C // c += 1 * ldc\r
+\r
+ movq A, AO // aoffset = a\r
+\r
+ movq M, I\r
+ sarq $ 2, I // i = (m >> 2)\r
+ je .L7_2_10\r
+\r
+ ALIGN_4\r
+\r
+/******************************************************************************************************************/\r
+\r
+.L7_4_11:\r
+\r
+ leaq BUFFER1, BO // first buffer to BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L7_4_16\r
+ ALIGN_4\r
+\r
+.L7_4_12:\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ je .L7_4_16\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+ KERNEL4x3_SUB\r
+\r
+ je .L7_4_16\r
+\r
+ jmp .L7_4_12\r
+ ALIGN_4\r
+\r
+.L7_4_16:\r
+ movq K, %rax\r
+\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L7_4_19\r
+\r
+ ALIGN_4\r
+\r
+.L7_4_17:\r
+\r
+ KERNEL4x3_SUB\r
+\r
+ jnz .L7_4_17\r
+ ALIGN_4\r
+\r
+\r
+.L7_4_19:\r
+\r
+ SAVE4x3\r
+\r
+ addq $ 8 * SIZE, CO1 # coffset += 8\r
+ decq I # i --\r
+ jg .L7_4_11\r
+ ALIGN_4 \r
+\r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+\r
+\r
+/******************************************************************************************************************/\r
+.L7_2_10:\r
+ testq $ 2, M \r
+ jz .L7_2_40 // to next 2 lines of N\r
+\r
+.L7_2_11:\r
+\r
+ leaq BUFFER1, BO // first buffer to BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L7_2_16\r
+ ALIGN_4\r
+\r
+.L7_2_12:\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ je .L7_2_16\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+ KERNEL2x3_SUB\r
+\r
+ je .L7_2_16\r
+\r
+ jmp .L7_2_12\r
+ ALIGN_4\r
+\r
+.L7_2_16:\r
+ movq K, %rax\r
+\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L7_2_19\r
+\r
+ ALIGN_4\r
+\r
+.L7_2_17:\r
+\r
+ KERNEL2x3_SUB\r
+\r
+ jnz .L7_2_17\r
+ ALIGN_4\r
+\r
+\r
+.L7_2_19:\r
+\r
+ SAVE2x3\r
+\r
+ addq $ 4 * SIZE, CO1 # coffset += 4\r
+ ALIGN_4 \r
+\r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L7_2_40:\r
+ testq $ 1, M \r
+ jz .L7_2_60 // to next 2 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L7_2_41:\r
+\r
+ leaq BUFFER1, BO // first buffer to BO\r
+\r
+ vzeroall\r
+\r
+ movq K, %rax\r
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L7_2_46\r
+\r
+ ALIGN_4\r
+\r
+.L7_2_42:\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ je .L7_2_46\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+ KERNEL1x3_SUB\r
+\r
+ je .L7_2_46\r
+\r
+ jmp .L7_2_42\r
+ ALIGN_4\r
+\r
+.L7_2_46:\r
+ movq K, %rax\r
+\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L7_2_49\r
+ ALIGN_4\r
+\r
+.L7_2_47:\r
+\r
+ KERNEL1x3_SUB\r
+\r
+ jnz .L7_2_47\r
+ ALIGN_4\r
+\r
+\r
+.L7_2_49:\r
+\r
+ SAVE1x3\r
+\r
+ addq $ 2 * SIZE, CO1 # coffset += 2\r
+ decq I # i --\r
+ jg .L7_2_41\r
+ ALIGN_4 \r
+\r
+\r
+\r
+ \r
+.L7_2_60:\r
+\r
+ decq J // j --\r
+ jg .L6_00_01 // next 6 lines of N\r
+\r
+/************************************************************************************************/\r
+\r
+\r
+\r
+/************************************************************************************************/\r
+.L2_00_0:\r
+\r
+ movq Nmod6, J\r
+ sarq $1, J // j = j / 2\r
+ cmpq $ 0, J\r
+ je .L1_2_0\r
+ ALIGN_4\r
+\r
+\r
+\r
+.L2_00_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
+.L2_00_02b:\r
+\r
+ vmovups (BO1), %xmm0\r
+ vmovups 2 * SIZE(BO1), %xmm1\r
+ vmovups %xmm0, (BO)\r
+ vmovups %xmm1, 2 * SIZE(BO)\r
+ addq $ 4*SIZE,BO1\r
+ addq $ 4*SIZE,BO\r
+ decq %rax\r
+ jnz .L2_00_02b\r
+\r
+.L2_00_02c:\r
+\r
+ movq BO1, B // next offset of B\r
+\r
+\r
+.L2_00_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 $ 8 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $ 2, I // i = (m >> 2)\r
+ je .L2_2_10\r
+\r
+ ALIGN_4\r
+\r
+/******************************************************************************************************************/\r
+\r
+.L2_4_11:\r
+\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 $ 8 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $ 8 * 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
+ 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 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 // K = K - ( K % 8 )\r
+ je .L2_4_16\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
+.L2_4_12:\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+\r
+ je .L2_4_16\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI ,SIZE)\r
+ KERNEL4x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL4x2_SUB\r
+\r
+ je .L2_4_16\r
+\r
+ jmp .L2_4_12\r
+ ALIGN_4\r
+\r
+.L2_4_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_4_19\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
+.L2_4_17:\r
+\r
+ KERNEL4x2_SUB\r
+\r
+ jl .L2_4_17\r
+ ALIGN_4\r
+\r
+\r
+.L2_4_19:\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,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 $ 4, KK\r
+#endif\r
+\r
+ addq $ 8 * SIZE, CO1 # coffset += 8\r
+ decq I # i --\r
+ jg .L2_4_11\r
+ ALIGN_4 \r
+\r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+\r
+\r
+/******************************************************************************************************************/\r
+.L2_2_10:\r
+ testq $ 2, M \r
+ jz .L2_2_40 // to next 2 lines of N\r
+\r
+.L2_2_11:\r
+\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 $ 8 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $ 8 * 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
+ 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 // K = K - ( K % 8 )\r
+ je .L2_2_16\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
+.L2_2_12:\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ je .L2_2_16\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x2_SUB\r
+ KERNEL2x2_SUB\r
+\r
+ je .L2_2_16\r
+\r
+ jmp .L2_2_12\r
+ ALIGN_4\r
+\r
+.L2_2_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_2_19\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
+.L2_2_17:\r
+\r
+ KERNEL2x2_SUB\r
+\r
+ jl .L2_2_17\r
+ ALIGN_4\r
+\r
+\r
+.L2_2_19:\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,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 $ 2, KK\r
+#endif\r
+\r
+ addq $ 4 * SIZE, CO1 # coffset += 4\r
+ ALIGN_4 \r
+\r
+\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L2_2_40:\r
+ testq $ 1, M \r
+ jz .L2_2_60 // to next 2 lines of N\r
+\r
+ ALIGN_4\r
+\r
+.L2_2_41:\r
+\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 $ 8 * SIZE, BO\r
+#else\r
+ movq KK, %rax\r
+ leaq BUFFER1, BO // first buffer to BO\r
+ addq $ 8 * 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
+ 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
+\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L2_2_46\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
+.L2_2_42:\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ je .L2_2_46\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x2_SUB\r
+ KERNEL1x2_SUB\r
+\r
+ je .L2_2_46\r
+\r
+ jmp .L2_2_42\r
+ ALIGN_4\r
+\r
+.L2_2_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_2_49\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
+.L2_2_47:\r
+\r
+ KERNEL1x2_SUB\r
+\r
+ jl .L2_2_47\r
+ ALIGN_4\r
+\r
+\r
+.L2_2_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,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 $ 1, KK\r
+#endif\r
+\r
+ addq $ 2 * SIZE, CO1 # coffset += 2\r
+ decq I # i --\r
+ jg .L2_2_41\r
+ ALIGN_4 \r
+\r
+\r
+\r
+ \r
+.L2_2_60:\r
+#if defined(TRMMKERNEL) && !defined(LEFT)\r
+ addq $ 2, KK\r
+#endif\r
+\r
+ decq J // j --\r
+ jg .L2_00_01 // next 2 lines of N\r
+\r
+\r
+\r
+.L1_2_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_00_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_00_02b:\r
+\r
+ vmovups (BO1), %xmm0\r
+ vmovups %xmm0, (BO)\r
+ addq $ 2*SIZE,BO1\r
+ addq $ 2*SIZE,BO\r
+ decq %rax\r
+ jnz .L1_00_02b\r
+\r
+.L1_00_02c:\r
+\r
+ movq BO1, B // next offset of B\r
+\r
+.L1_00_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 $ 8 * SIZE, AO\r
+\r
+ movq M, I\r
+ sarq $ 2, I // i = (m >> 2)\r
+ je .L1_2_10\r
+\r
+ ALIGN_4\r
+\r
+/*******************************************************************************************************/\r
+\r
+\r
+.L1_4_11:\r
+\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,2), 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
+ 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 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 // K = K - ( K % 8 )\r
+ je .L1_4_16\r
+ movq %rax, BI // Index for BO\r
+ leaq ( ,BI,2), 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
+.L1_4_12:\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_4_16\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_4_16\r
+\r
+ jmp .L1_4_12\r
+ ALIGN_4\r
+\r
+.L1_4_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_4_19\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq ( ,BI,2), 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
+.L1_4_17:\r
+\r
+ KERNEL4x1_SUB\r
+\r
+ jl .L1_4_17\r
+ ALIGN_4\r
+\r
+\r
+.L1_4_19:\r
+\r
+ SAVE4x1\r
+\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,2), 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 $ 4, KK\r
+#endif\r
+\r
+ addq $ 8 * SIZE, CO1 # coffset += 8\r
+ decq I # i --\r
+ jg .L1_4_11\r
+ ALIGN_4 \r
+\r
+\r
+\r
+\r
+/*******************************************************************************************************/\r
+.L1_2_10:\r
+ testq $ 2, M \r
+ jz .L1_2_40\r
+\r
+\r
+.L1_2_11:\r
+\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,2), 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
+ 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 // K = K - ( K % 8 )\r
+ je .L1_2_16\r
+ movq %rax, BI // Index for BO\r
+ leaq ( ,BI,2), 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
+.L1_2_12:\r
+\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+\r
+ je .L1_2_16\r
+\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ KERNEL2x1_SUB\r
+ KERNEL2x1_SUB\r
+\r
+ je .L1_2_16\r
+\r
+ jmp .L1_2_12\r
+ ALIGN_4\r
+\r
+.L1_2_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_2_19\r
+\r
+ movq %rax, BI // Index for BO\r
+ leaq ( ,BI,2), 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
+.L1_2_17:\r
+\r
+ KERNEL2x1_SUB\r
+\r
+ jl .L1_2_17\r
+ ALIGN_4\r
+\r
+\r
+.L1_2_19:\r
\r
- vaddpd (CO1), %ymm8 , %ymm8\r
- vaddpd 4 * SIZE(CO1), %ymm12, %ymm12\r
+ SAVE2x1\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,2), 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
- vmovups %ymm8 , (CO1)\r
- vmovups %ymm12 ,4 * SIZE(CO1)\r
-\r
-.endm\r
-\r
\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $ 2, KK\r
+#endif\r
\r
-/************************************************************************************************/\r
+ addq $ 4 * SIZE, CO1 # coffset += 4\r
\r
-.macro KERNEL2x1_SUB\r
- vmovups -8 * SIZE(AO, %rax, SIZE), %xmm0\r
- vmovddup -4 * SIZE(BO, BI, SIZE), %xmm4\r
- VFMADDPD_R( %xmm8,%xmm4,%xmm0 )\r
- vmovups -6 * SIZE(AO, %rax, SIZE), %xmm1\r
- VFMADDPD_R( %xmm12,%xmm4,%xmm1 )\r
- vmovddup -3 * SIZE(BO, BI, SIZE), %xmm5\r
- VFMADDPD_I( %xmm9,%xmm5,%xmm0 )\r
- VFMADDPD_I( %xmm13,%xmm5,%xmm1 )\r
- addq $ 2, BI \r
- addq $ 4, %rax \r
-.endm\r
+ ALIGN_4 \r
\r
-.macro SAVE2x1\r
\r
- vmovddup ALPHA_R, %xmm0\r
- vmovddup ALPHA_I, %xmm1\r
+/**************************************************************************\r
+* Rest of M \r
+***************************************************************************/\r
+.L1_2_40:\r
+ testq $ 1, M \r
+ jz .L999\r
\r
- // swap high and low 64 bytes\r
- vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
- vshufpd $ 0x01, %xmm13, %xmm13, %xmm13\r
+ ALIGN_4\r
\r
-#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
- defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+.L1_2_41:\r
\r
- vaddsubpd %xmm9, %xmm8 , %xmm8\r
- vaddsubpd %xmm13,%xmm12 , %xmm12\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,2), 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
- vshufpd $ 0x01, %xmm8 , %xmm8, %xmm9\r
- vshufpd $ 0x01, %xmm12, %xmm12, %xmm13\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
- vaddsubpd %xmm8, %xmm9 , %xmm9\r
- vaddsubpd %xmm12,%xmm13, %xmm13\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
- vmovapd %xmm9, %xmm8\r
- vmovapd %xmm13, %xmm12\r
\r
- // swap high and low 64 bytes\r
- vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
- vshufpd $ 0x01, %xmm13, %xmm13, %xmm13\r
+ andq $ -8, %rax // K = K - ( K % 8 )\r
+ je .L1_2_46\r
+ movq %rax, BI // Index for BO\r
+ leaq ( ,BI,2), BI // BI = BI * 2 ; number of values\r
\r
-#endif\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
- // multiply with ALPHA_R\r
- vmulpd %xmm8 , %xmm0, %xmm8\r
- vmulpd %xmm12, %xmm0, %xmm12\r
+.L1_2_42:\r
\r
- // multiply with ALPHA_I\r
- vmulpd %xmm9 , %xmm1, %xmm9\r
- vmulpd %xmm13, %xmm1, %xmm13\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
- vaddsubpd %xmm9, %xmm8 , %xmm8\r
- vaddsubpd %xmm13, %xmm12, %xmm12\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
-#ifndef TRMMKERNEL\r
+ je .L1_2_46\r
\r
- vaddpd (CO1), %xmm8 , %xmm8\r
- vaddpd 2 * SIZE(CO1), %xmm12, %xmm12\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
-#endif\r
+ prefetcht0 A_PR1(AO,%rax,SIZE)\r
+ prefetcht0 B_PR1(BO,BI,SIZE)\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
+ KERNEL1x1_SUB\r
\r
- vmovups %xmm8 , (CO1)\r
- vmovups %xmm12 , 2 * SIZE(CO1)\r
+ je .L1_2_46\r
\r
-.endm\r
+ jmp .L1_2_42\r
+ ALIGN_4\r
\r
+.L1_2_46:\r
+#ifndef TRMMKERNEL\r
+ movq K, %rax\r
+#else\r
+ movq KKK, %rax\r
+#endif\r
\r
-/************************************************************************************************/\r
+ andq $ 7, %rax # if (k & 1)\r
+ je .L1_2_49\r
\r
-.macro KERNEL1x1_SUB\r
- vmovups -8 * SIZE(AO, %rax, SIZE), %xmm0\r
- vmovddup -4 * SIZE(BO, BI, SIZE), %xmm4\r
- VFMADDPD_R( %xmm8,%xmm4,%xmm0 )\r
- vmovddup -3 * SIZE(BO, BI, SIZE), %xmm5\r
- VFMADDPD_I( %xmm9,%xmm5,%xmm0 )\r
- addq $ 2, BI \r
- addq $ 2, %rax \r
-.endm\r
+ movq %rax, BI // Index for BO\r
+ leaq ( ,BI,2), BI // BI = BI * 2 ; number of values\r
\r
-.macro SAVE1x1\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
- vmovddup ALPHA_R, %xmm0\r
- vmovddup ALPHA_I, %xmm1\r
+.L1_2_47:\r
\r
- // swap high and low 64 bytes\r
- vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
+ KERNEL1x1_SUB\r
\r
-#if defined(NN) || defined(NT) || defined(TN) || defined(TT) || \\r
- defined(NR) || defined(NC) || defined(TR) || defined(TC)\r
+ jl .L1_2_47\r
+ ALIGN_4\r
\r
- vaddsubpd %xmm9, %xmm8, %xmm8\r
\r
- vshufpd $ 0x01, %xmm8 , %xmm8, %xmm9\r
+.L1_2_49:\r
\r
-#else\r
- vaddsubpd %xmm8, %xmm9, %xmm9\r
+ SAVE1x1\r
\r
- vmovapd %xmm9, %xmm8\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,2), 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
- // swap high and low 64 bytes\r
- vshufpd $ 0x01, %xmm9 , %xmm9, %xmm9\r
\r
+#if defined(TRMMKERNEL) && defined(LEFT)\r
+ addq $ 1, KK\r
#endif\r
\r
- // multiply with ALPHA_R\r
- vmulpd %xmm8 , %xmm0, %xmm8\r
+ addq $ 2 * SIZE, CO1 # coffset += 2\r
+ decq I # i --\r
+ jg .L1_2_41\r
+ ALIGN_4 \r
\r
- // multiply with ALPHA_I\r
- vmulpd %xmm9 , %xmm1, %xmm9\r
\r
- vaddsubpd %xmm9 ,%xmm8, %xmm8\r
\r
-#ifndef TRMMKERNEL\r
\r
- vaddpd (CO1), %xmm8 , %xmm8\r
\r
-#endif\r
\r
- vmovups %xmm8 , (CO1)\r
+.L999:\r
+ vzeroupper\r
\r
-.endm\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
+ vmovups 64(%rsp), %xmm6\r
+ vmovups 80(%rsp), %xmm7\r
+ vmovups 96(%rsp), %xmm8\r
+ vmovups 112(%rsp), %xmm9\r
+ vmovups 128(%rsp), %xmm10\r
+ vmovups 144(%rsp), %xmm11\r
+ vmovups 160(%rsp), %xmm12\r
+ vmovups 176(%rsp), %xmm13\r
+ vmovups 192(%rsp), %xmm14\r
+ vmovups 208(%rsp), %xmm15\r
+#endif\r
\r
-/************************************************************************************************/\r
+ addq $ STACKSIZE, %rsp\r
+ ret\r
\r
+ EPILOGUE\r
\r
\r
+#else\r
+/************************************************************************************************\r
+ TRMM Kernel\r
+************************************************************************************************/\r
\r
PROLOGUE\r
PROFCODE\r
ret\r
\r
EPILOGUE\r
+\r
+#endif\r
+\r
+\r