[ARM][AArch64] Add additional test for multiuse vldn binop shuffles. NFC
authorDavid Green <david.green@arm.com>
Sat, 9 Jul 2022 21:48:12 +0000 (22:48 +0100)
committerDavid Green <david.green@arm.com>
Sat, 9 Jul 2022 21:48:12 +0000 (22:48 +0100)
For D129419, these are the same as the existing test, but run through
-early-cse.

llvm/test/CodeGen/AArch64/vldn_shuffle.ll
llvm/test/CodeGen/Thumb2/mve-vldshuffle.ll

index 0bdafa5..7758781 100644 (file)
@@ -1,5 +1,5 @@
 ; NOTE: Assertions have been autogenerated by utils/update_llc_test_checks.py
-; RUN: llc < %s -mtriple=aarch64-none-eabif | FileCheck %s
+; RUN: llc < %s -mtriple=aarch64-none-eabi | FileCheck %s
 
 define void @vld2(float* nocapture readonly %pSrc, float* noalias nocapture %pDst, i32 %numSamples) {
 ; CHECK-LABEL: vld2:
@@ -181,3 +181,164 @@ vector.body:                                      ; preds = %vector.body, %entry
 while.end:                                        ; preds = %vector.body
   ret void
 }
+
+define void @vld2_multiuse(float* nocapture readonly %pSrc, float* noalias nocapture %pDst, i32 %numSamples) {
+; CHECK-LABEL: vld2_multiuse:
+; CHECK:       // %bb.0: // %entry
+; CHECK-NEXT:    mov x8, xzr
+; CHECK-NEXT:  .LBB4_1: // %vector.body
+; CHECK-NEXT:    // =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    ldp q1, q0, [x0], #32
+; CHECK-NEXT:    fmul v1.4s, v1.4s, v1.4s
+; CHECK-NEXT:    fmul v0.4s, v0.4s, v0.4s
+; CHECK-NEXT:    uzp1 v2.4s, v1.4s, v0.4s
+; CHECK-NEXT:    uzp2 v0.4s, v1.4s, v0.4s
+; CHECK-NEXT:    fadd v0.4s, v0.4s, v2.4s
+; CHECK-NEXT:    str q0, [x1, x8]
+; CHECK-NEXT:    add x8, x8, #16
+; CHECK-NEXT:    cmp x8, #1, lsl #12 // =4096
+; CHECK-NEXT:    b.ne .LBB4_1
+; CHECK-NEXT:  // %bb.2: // %while.end
+; CHECK-NEXT:    ret
+entry:
+  br label %vector.body
+
+vector.body:                                      ; preds = %vector.body, %entry
+  %index = phi i64 [ 0, %entry ], [ %index.next, %vector.body ]
+  %0 = shl i64 %index, 1
+  %next.gep = getelementptr float, float* %pSrc, i64 %0
+  %next.gep19 = getelementptr float, float* %pDst, i64 %index
+  %1 = bitcast float* %next.gep to <8 x float>*
+  %wide.vec = load <8 x float>, <8 x float>* %1, align 4
+  %2 = fmul fast <8 x float> %wide.vec, %wide.vec
+  %3 = shufflevector <8 x float> %2, <8 x float> undef, <4 x i32> <i32 0, i32 2, i32 4, i32 6>
+  %4 = shufflevector <8 x float> %2, <8 x float> undef, <4 x i32> <i32 1, i32 3, i32 5, i32 7>
+  %5 = fadd fast <4 x float> %4, %3
+  %6 = bitcast float* %next.gep19 to <4 x float>*
+  store <4 x float> %5, <4 x float>* %6, align 4
+  %index.next = add i64 %index, 4
+  %7 = icmp eq i64 %index.next, 1024
+  br i1 %7, label %while.end, label %vector.body
+
+while.end:                                        ; preds = %vector.body
+  ret void
+}
+
+define void @vld3_multiuse(float* nocapture readonly %pSrc, float* noalias nocapture %pDst, i32 %numSamples) {
+; CHECK-LABEL: vld3_multiuse:
+; CHECK:       // %bb.0: // %entry
+; CHECK-NEXT:    mov x8, xzr
+; CHECK-NEXT:  .LBB5_1: // %vector.body
+; CHECK-NEXT:    // =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    ldp q0, q1, [x0]
+; CHECK-NEXT:    fmul v0.4s, v0.4s, v0.4s
+; CHECK-NEXT:    fmul v1.4s, v1.4s, v1.4s
+; CHECK-NEXT:    ldr q3, [x0, #32]
+; CHECK-NEXT:    add x0, x0, #48
+; CHECK-NEXT:    mov v2.16b, v0.16b
+; CHECK-NEXT:    mov v2.s[1], v0.s[3]
+; CHECK-NEXT:    rev64 v4.4s, v1.4s
+; CHECK-NEXT:    fmul v3.4s, v3.4s, v3.4s
+; CHECK-NEXT:    mov v2.s[2], v1.s[2]
+; CHECK-NEXT:    mov v4.s[0], v0.s[1]
+; CHECK-NEXT:    mov v1.s[0], v0.s[2]
+; CHECK-NEXT:    mov v2.s[3], v3.s[1]
+; CHECK-NEXT:    mov v4.s[3], v3.s[2]
+; CHECK-NEXT:    mov v1.s[2], v3.s[0]
+; CHECK-NEXT:    fadd v0.4s, v4.4s, v2.4s
+; CHECK-NEXT:    mov v1.s[3], v3.s[3]
+; CHECK-NEXT:    fadd v0.4s, v0.4s, v1.4s
+; CHECK-NEXT:    str q0, [x1, x8]
+; CHECK-NEXT:    add x8, x8, #16
+; CHECK-NEXT:    cmp x8, #1, lsl #12 // =4096
+; CHECK-NEXT:    b.ne .LBB5_1
+; CHECK-NEXT:  // %bb.2: // %while.end
+; CHECK-NEXT:    ret
+entry:
+  br label %vector.body
+
+vector.body:                                      ; preds = %vector.body, %entry
+  %index = phi i64 [ 0, %entry ], [ %index.next, %vector.body ]
+  %0 = mul i64 %index, 3
+  %next.gep = getelementptr float, float* %pSrc, i64 %0
+  %next.gep23 = getelementptr float, float* %pDst, i64 %index
+  %1 = bitcast float* %next.gep to <12 x float>*
+  %wide.vec = load <12 x float>, <12 x float>* %1, align 4
+  %2 = fmul fast <12 x float> %wide.vec, %wide.vec
+  %3 = shufflevector <12 x float> %2, <12 x float> undef, <4 x i32> <i32 0, i32 3, i32 6, i32 9>
+  %4 = shufflevector <12 x float> %2, <12 x float> undef, <4 x i32> <i32 1, i32 4, i32 7, i32 10>
+  %5 = fadd fast <4 x float> %4, %3
+  %6 = shufflevector <12 x float> %2, <12 x float> undef, <4 x i32> <i32 2, i32 5, i32 8, i32 11>
+  %7 = fadd fast <4 x float> %5, %6
+  %8 = bitcast float* %next.gep23 to <4 x float>*
+  store <4 x float> %7, <4 x float>* %8, align 4
+  %index.next = add i64 %index, 4
+  %9 = icmp eq i64 %index.next, 1024
+  br i1 %9, label %while.end, label %vector.body
+
+while.end:                                        ; preds = %vector.body
+  ret void
+}
+
+define void @vld4_multiuse(float* nocapture readonly %pSrc, float* noalias nocapture %pDst, i32 %numSamples) {
+; CHECK-LABEL: vld4_multiuse:
+; CHECK:       // %bb.0: // %entry
+; CHECK-NEXT:    mov x8, xzr
+; CHECK-NEXT:  .LBB6_1: // %vector.body
+; CHECK-NEXT:    // =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    ldp q1, q0, [x0, #32]
+; CHECK-NEXT:    add x9, x1, x8
+; CHECK-NEXT:    add x8, x8, #32
+; CHECK-NEXT:    cmp x8, #2, lsl #12 // =8192
+; CHECK-NEXT:    fmul v1.4s, v1.4s, v1.4s
+; CHECK-NEXT:    ldp q3, q2, [x0], #64
+; CHECK-NEXT:    fmul v0.4s, v0.4s, v0.4s
+; CHECK-NEXT:    fmul v3.4s, v3.4s, v3.4s
+; CHECK-NEXT:    fmul v2.4s, v2.4s, v2.4s
+; CHECK-NEXT:    zip1 v4.4s, v1.4s, v0.4s
+; CHECK-NEXT:    zip2 v5.4s, v1.4s, v0.4s
+; CHECK-NEXT:    uzp2 v16.4s, v3.4s, v2.4s
+; CHECK-NEXT:    ext v6.16b, v1.16b, v4.16b, #8
+; CHECK-NEXT:    trn2 v7.4s, v3.4s, v2.4s
+; CHECK-NEXT:    mov v1.s[3], v0.s[2]
+; CHECK-NEXT:    zip1 v0.4s, v3.4s, v2.4s
+; CHECK-NEXT:    zip2 v2.4s, v3.4s, v2.4s
+; CHECK-NEXT:    uzp2 v3.4s, v16.4s, v3.4s
+; CHECK-NEXT:    mov v7.d[1], v4.d[1]
+; CHECK-NEXT:    mov v0.d[1], v6.d[1]
+; CHECK-NEXT:    mov v2.d[1], v1.d[1]
+; CHECK-NEXT:    mov v3.d[1], v5.d[1]
+; CHECK-NEXT:    fadd v0.4s, v7.4s, v0.4s
+; CHECK-NEXT:    fadd v1.4s, v3.4s, v2.4s
+; CHECK-NEXT:    st2 { v0.4s, v1.4s }, [x9]
+; CHECK-NEXT:    b.ne .LBB6_1
+; CHECK-NEXT:  // %bb.2: // %while.end
+; CHECK-NEXT:    ret
+entry:
+  br label %vector.body
+
+vector.body:                                      ; preds = %vector.body, %entry
+  %index = phi i64 [ 0, %entry ], [ %index.next, %vector.body ]
+  %0 = shl i64 %index, 2
+  %next.gep = getelementptr float, float* %pSrc, i64 %0
+  %1 = shl i64 %index, 1
+  %2 = bitcast float* %next.gep to <16 x float>*
+  %wide.vec = load <16 x float>, <16 x float>* %2, align 4
+  %3 = fmul fast <16 x float> %wide.vec, %wide.vec
+  %4 = shufflevector <16 x float> %3, <16 x float> undef, <4 x i32> <i32 0, i32 4, i32 8, i32 12>
+  %5 = shufflevector <16 x float> %3, <16 x float> undef, <4 x i32> <i32 1, i32 5, i32 9, i32 13>
+  %6 = fadd fast <4 x float> %5, %4
+  %7 = shufflevector <16 x float> %3, <16 x float> undef, <4 x i32> <i32 2, i32 6, i32 10, i32 14>
+  %8 = shufflevector <16 x float> %3, <16 x float> undef, <4 x i32> <i32 3, i32 7, i32 11, i32 15>
+  %9 = fadd fast <4 x float> %8, %7
+  %10 = getelementptr inbounds float, float* %pDst, i64 %1
+  %11 = bitcast float* %10 to <8 x float>*
+  %interleaved.vec = shufflevector <4 x float> %6, <4 x float> %9, <8 x i32> <i32 0, i32 4, i32 1, i32 5, i32 2, i32 6, i32 3, i32 7>
+  store <8 x float> %interleaved.vec, <8 x float>* %11, align 4
+  %index.next = add i64 %index, 4
+  %12 = icmp eq i64 %index.next, 1024
+  br i1 %12, label %while.end, label %vector.body
+
+while.end:                                        ; preds = %vector.body
+  ret void
+}
index 930212d..770c056 100644 (file)
@@ -258,3 +258,289 @@ while.body:                                       ; preds = %while.body.preheade
 while.end:                                        ; preds = %while.body, %middle.block, %entry
   ret void
 }
+
+define void @arm_cmplx_mag_squared_f16_cse(half* nocapture readonly %pSrc, half* nocapture %pDst, i32 %numSamples) {
+; CHECK-LABEL: arm_cmplx_mag_squared_f16_cse:
+; CHECK:       @ %bb.0: @ %entry
+; CHECK-NEXT:    .save {r4, r5, r7, lr}
+; CHECK-NEXT:    push {r4, r5, r7, lr}
+; CHECK-NEXT:    cmp r2, #0
+; CHECK-NEXT:    beq .LBB2_8
+; CHECK-NEXT:  @ %bb.1: @ %while.body.preheader
+; CHECK-NEXT:    cmp r2, #8
+; CHECK-NEXT:    blo .LBB2_9
+; CHECK-NEXT:  @ %bb.2: @ %vector.memcheck
+; CHECK-NEXT:    add.w r3, r0, r2, lsl #2
+; CHECK-NEXT:    cmp r3, r1
+; CHECK-NEXT:    itt hi
+; CHECK-NEXT:    addhi.w r3, r1, r2, lsl #1
+; CHECK-NEXT:    cmphi r3, r0
+; CHECK-NEXT:    bhi .LBB2_9
+; CHECK-NEXT:  @ %bb.3: @ %vector.ph
+; CHECK-NEXT:    bic r4, r2, #7
+; CHECK-NEXT:    movs r5, #1
+; CHECK-NEXT:    sub.w r3, r4, #8
+; CHECK-NEXT:    add.w r12, r1, r4, lsl #1
+; CHECK-NEXT:    add.w lr, r5, r3, lsr #3
+; CHECK-NEXT:    add.w r3, r0, r4, lsl #2
+; CHECK-NEXT:    and r5, r2, #7
+; CHECK-NEXT:  .LBB2_4: @ %vector.body
+; CHECK-NEXT:    @ =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    vldrh.u16 q0, [r0], #32
+; CHECK-NEXT:    vmul.f16 q0, q0, q0
+; CHECK-NEXT:    vldrh.u16 q2, [r0, #-16]
+; CHECK-NEXT:    vmovx.f16 s4, s0
+; CHECK-NEXT:    vmovx.f16 s6, s1
+; CHECK-NEXT:    vmul.f16 q2, q2, q2
+; CHECK-NEXT:    vmovx.f16 s5, s2
+; CHECK-NEXT:    vins.f16 s4, s6
+; CHECK-NEXT:    vmovx.f16 s6, s3
+; CHECK-NEXT:    vins.f16 s5, s6
+; CHECK-NEXT:    vmovx.f16 s6, s8
+; CHECK-NEXT:    vmovx.f16 s12, s9
+; CHECK-NEXT:    vmovx.f16 s7, s10
+; CHECK-NEXT:    vins.f16 s6, s12
+; CHECK-NEXT:    vmovx.f16 s12, s11
+; CHECK-NEXT:    vins.f16 s2, s3
+; CHECK-NEXT:    vins.f16 s10, s11
+; CHECK-NEXT:    vins.f16 s8, s9
+; CHECK-NEXT:    vins.f16 s0, s1
+; CHECK-NEXT:    vmov.f32 s1, s2
+; CHECK-NEXT:    vins.f16 s7, s12
+; CHECK-NEXT:    vmov.f32 s2, s8
+; CHECK-NEXT:    vmov.f32 s3, s10
+; CHECK-NEXT:    vadd.f16 q0, q1, q0
+; CHECK-NEXT:    vstrb.8 q0, [r1], #16
+; CHECK-NEXT:    le lr, .LBB2_4
+; CHECK-NEXT:  @ %bb.5: @ %middle.block
+; CHECK-NEXT:    cmp r4, r2
+; CHECK-NEXT:    it eq
+; CHECK-NEXT:    popeq {r4, r5, r7, pc}
+; CHECK-NEXT:  .LBB2_6: @ %while.body.preheader26
+; CHECK-NEXT:    dls lr, r5
+; CHECK-NEXT:  .LBB2_7: @ %while.body
+; CHECK-NEXT:    @ =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    vldr.16 s0, [r3]
+; CHECK-NEXT:    vldr.16 s2, [r3, #2]
+; CHECK-NEXT:    adds r3, #4
+; CHECK-NEXT:    vmul.f16 s0, s0, s0
+; CHECK-NEXT:    vfma.f16 s0, s2, s2
+; CHECK-NEXT:    vstr.16 s0, [r12]
+; CHECK-NEXT:    add.w r12, r12, #2
+; CHECK-NEXT:    le lr, .LBB2_7
+; CHECK-NEXT:  .LBB2_8: @ %while.end
+; CHECK-NEXT:    pop {r4, r5, r7, pc}
+; CHECK-NEXT:  .LBB2_9:
+; CHECK-NEXT:    mov r3, r0
+; CHECK-NEXT:    mov r12, r1
+; CHECK-NEXT:    mov r5, r2
+; CHECK-NEXT:    b .LBB2_6
+entry:
+  %cmp.not11 = icmp eq i32 %numSamples, 0
+  br i1 %cmp.not11, label %while.end, label %while.body.preheader
+
+while.body.preheader:                             ; preds = %entry
+  %min.iters.check = icmp ult i32 %numSamples, 8
+  br i1 %min.iters.check, label %while.body.preheader26, label %vector.memcheck
+
+vector.memcheck:                                  ; preds = %while.body.preheader
+  %scevgep = getelementptr half, half* %pDst, i32 %numSamples
+  %0 = shl i32 %numSamples, 1
+  %scevgep18 = getelementptr half, half* %pSrc, i32 %0
+  %bound0 = icmp ugt half* %scevgep18, %pDst
+  %bound1 = icmp ugt half* %scevgep, %pSrc
+  %found.conflict = and i1 %bound0, %bound1
+  br i1 %found.conflict, label %while.body.preheader26, label %vector.ph
+
+vector.ph:                                        ; preds = %vector.memcheck
+  %n.vec = and i32 %numSamples, -8
+  %1 = shl i32 %n.vec, 1
+  %ind.end = getelementptr half, half* %pSrc, i32 %1
+  %ind.end21 = getelementptr half, half* %pDst, i32 %n.vec
+  %ind.end23 = and i32 %numSamples, 7
+  br label %vector.body
+
+vector.body:                                      ; preds = %vector.body, %vector.ph
+  %index = phi i32 [ 0, %vector.ph ], [ %index.next, %vector.body ]
+  %2 = shl i32 %index, 1
+  %next.gep = getelementptr half, half* %pSrc, i32 %2
+  %next.gep24 = getelementptr half, half* %pDst, i32 %index
+  %3 = bitcast half* %next.gep to <16 x half>*
+  %wide.vec = load <16 x half>, <16 x half>* %3, align 2
+  %4 = fmul fast <16 x half> %wide.vec, %wide.vec
+  %5 = shufflevector <16 x half> %4, <16 x half> undef, <8 x i32> <i32 0, i32 2, i32 4, i32 6, i32 8, i32 10, i32 12, i32 14>
+  %6 = shufflevector <16 x half> %4, <16 x half> undef, <8 x i32> <i32 1, i32 3, i32 5, i32 7, i32 9, i32 11, i32 13, i32 15>
+  %7 = fadd fast <8 x half> %6, %5
+  %8 = bitcast half* %next.gep24 to <8 x half>*
+  store <8 x half> %7, <8 x half>* %8, align 2
+  %index.next = add i32 %index, 8
+  %9 = icmp eq i32 %index.next, %n.vec
+  br i1 %9, label %middle.block, label %vector.body
+
+middle.block:                                     ; preds = %vector.body
+  %cmp.n = icmp eq i32 %n.vec, %numSamples
+  br i1 %cmp.n, label %while.end, label %while.body.preheader26
+
+while.body.preheader26:                           ; preds = %middle.block, %vector.memcheck, %while.body.preheader
+  %pSrc.addr.014.ph = phi half* [ %pSrc, %vector.memcheck ], [ %pSrc, %while.body.preheader ], [ %ind.end, %middle.block ]
+  %pDst.addr.013.ph = phi half* [ %pDst, %vector.memcheck ], [ %pDst, %while.body.preheader ], [ %ind.end21, %middle.block ]
+  %blkCnt.012.ph = phi i32 [ %numSamples, %vector.memcheck ], [ %numSamples, %while.body.preheader ], [ %ind.end23, %middle.block ]
+  br label %while.body
+
+while.body:                                       ; preds = %while.body, %while.body.preheader26
+  %pSrc.addr.014 = phi half* [ %incdec.ptr1, %while.body ], [ %pSrc.addr.014.ph, %while.body.preheader26 ]
+  %pDst.addr.013 = phi half* [ %incdec.ptr3, %while.body ], [ %pDst.addr.013.ph, %while.body.preheader26 ]
+  %blkCnt.012 = phi i32 [ %dec, %while.body ], [ %blkCnt.012.ph, %while.body.preheader26 ]
+  %incdec.ptr = getelementptr inbounds half, half* %pSrc.addr.014, i32 1
+  %10 = load half, half* %pSrc.addr.014, align 2
+  %incdec.ptr1 = getelementptr inbounds half, half* %pSrc.addr.014, i32 2
+  %11 = load half, half* %incdec.ptr, align 2
+  %mul = fmul fast half %10, %10
+  %mul2 = fmul fast half %11, %11
+  %add = fadd fast half %mul2, %mul
+  %incdec.ptr3 = getelementptr inbounds half, half* %pDst.addr.013, i32 1
+  store half %add, half* %pDst.addr.013, align 2
+  %dec = add i32 %blkCnt.012, -1
+  %cmp.not = icmp eq i32 %dec, 0
+  br i1 %cmp.not, label %while.end, label %while.body
+
+while.end:                                        ; preds = %while.body, %middle.block, %entry
+  ret void
+}
+
+define void @arm_cmplx_mag_squared_f32_cse(float* nocapture readonly %pSrc, float* nocapture %pDst, i32 %numSamples) {
+; CHECK-LABEL: arm_cmplx_mag_squared_f32_cse:
+; CHECK:       @ %bb.0: @ %entry
+; CHECK-NEXT:    .save {r4, r5, r7, lr}
+; CHECK-NEXT:    push {r4, r5, r7, lr}
+; CHECK-NEXT:    cmp r2, #0
+; CHECK-NEXT:    beq .LBB3_8
+; CHECK-NEXT:  @ %bb.1: @ %while.body.preheader
+; CHECK-NEXT:    cmp r2, #4
+; CHECK-NEXT:    blo .LBB3_9
+; CHECK-NEXT:  @ %bb.2: @ %vector.memcheck
+; CHECK-NEXT:    add.w r3, r0, r2, lsl #3
+; CHECK-NEXT:    cmp r3, r1
+; CHECK-NEXT:    itt hi
+; CHECK-NEXT:    addhi.w r3, r1, r2, lsl #2
+; CHECK-NEXT:    cmphi r3, r0
+; CHECK-NEXT:    bhi .LBB3_9
+; CHECK-NEXT:  @ %bb.3: @ %vector.ph
+; CHECK-NEXT:    bic r4, r2, #3
+; CHECK-NEXT:    movs r5, #1
+; CHECK-NEXT:    subs r3, r4, #4
+; CHECK-NEXT:    add.w r12, r1, r4, lsl #2
+; CHECK-NEXT:    add.w lr, r5, r3, lsr #2
+; CHECK-NEXT:    add.w r3, r0, r4, lsl #3
+; CHECK-NEXT:    and r5, r2, #3
+; CHECK-NEXT:  .LBB3_4: @ %vector.body
+; CHECK-NEXT:    @ =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    vldrw.u32 q0, [r0, #16]
+; CHECK-NEXT:    vldrw.u32 q1, [r0], #32
+; CHECK-NEXT:    vmul.f32 q0, q0, q0
+; CHECK-NEXT:    vmul.f32 q1, q1, q1
+; CHECK-NEXT:    vmov.f32 s8, s4
+; CHECK-NEXT:    vmov.f32 s9, s6
+; CHECK-NEXT:    vmov.f32 s4, s5
+; CHECK-NEXT:    vmov.f32 s5, s7
+; CHECK-NEXT:    vmov.f32 s10, s0
+; CHECK-NEXT:    vmov.f32 s11, s2
+; CHECK-NEXT:    vmov.f32 s6, s1
+; CHECK-NEXT:    vmov.f32 s7, s3
+; CHECK-NEXT:    vadd.f32 q0, q1, q2
+; CHECK-NEXT:    vstrb.8 q0, [r1], #16
+; CHECK-NEXT:    le lr, .LBB3_4
+; CHECK-NEXT:  @ %bb.5: @ %middle.block
+; CHECK-NEXT:    cmp r4, r2
+; CHECK-NEXT:    it eq
+; CHECK-NEXT:    popeq {r4, r5, r7, pc}
+; CHECK-NEXT:  .LBB3_6: @ %while.body.preheader26
+; CHECK-NEXT:    dls lr, r5
+; CHECK-NEXT:  .LBB3_7: @ %while.body
+; CHECK-NEXT:    @ =>This Inner Loop Header: Depth=1
+; CHECK-NEXT:    vldr s0, [r3]
+; CHECK-NEXT:    vldr s2, [r3, #4]
+; CHECK-NEXT:    adds r3, #8
+; CHECK-NEXT:    vmul.f32 s0, s0, s0
+; CHECK-NEXT:    vfma.f32 s0, s2, s2
+; CHECK-NEXT:    vstmia r12!, {s0}
+; CHECK-NEXT:    le lr, .LBB3_7
+; CHECK-NEXT:  .LBB3_8: @ %while.end
+; CHECK-NEXT:    pop {r4, r5, r7, pc}
+; CHECK-NEXT:  .LBB3_9:
+; CHECK-NEXT:    mov r3, r0
+; CHECK-NEXT:    mov r12, r1
+; CHECK-NEXT:    mov r5, r2
+; CHECK-NEXT:    b .LBB3_6
+entry:
+  %cmp.not11 = icmp eq i32 %numSamples, 0
+  br i1 %cmp.not11, label %while.end, label %while.body.preheader
+
+while.body.preheader:                             ; preds = %entry
+  %min.iters.check = icmp ult i32 %numSamples, 4
+  br i1 %min.iters.check, label %while.body.preheader26, label %vector.memcheck
+
+vector.memcheck:                                  ; preds = %while.body.preheader
+  %scevgep = getelementptr float, float* %pDst, i32 %numSamples
+  %0 = shl i32 %numSamples, 1
+  %scevgep18 = getelementptr float, float* %pSrc, i32 %0
+  %bound0 = icmp ugt float* %scevgep18, %pDst
+  %bound1 = icmp ugt float* %scevgep, %pSrc
+  %found.conflict = and i1 %bound0, %bound1
+  br i1 %found.conflict, label %while.body.preheader26, label %vector.ph
+
+vector.ph:                                        ; preds = %vector.memcheck
+  %n.vec = and i32 %numSamples, -4
+  %1 = shl i32 %n.vec, 1
+  %ind.end = getelementptr float, float* %pSrc, i32 %1
+  %ind.end21 = getelementptr float, float* %pDst, i32 %n.vec
+  %ind.end23 = and i32 %numSamples, 3
+  br label %vector.body
+
+vector.body:                                      ; preds = %vector.body, %vector.ph
+  %index = phi i32 [ 0, %vector.ph ], [ %index.next, %vector.body ]
+  %2 = shl i32 %index, 1
+  %next.gep = getelementptr float, float* %pSrc, i32 %2
+  %next.gep24 = getelementptr float, float* %pDst, i32 %index
+  %3 = bitcast float* %next.gep to <8 x float>*
+  %wide.vec = load <8 x float>, <8 x float>* %3, align 4
+  %4 = fmul fast <8 x float> %wide.vec, %wide.vec
+  %5 = shufflevector <8 x float> %4, <8 x float> undef, <4 x i32> <i32 0, i32 2, i32 4, i32 6>
+  %6 = shufflevector <8 x float> %4, <8 x float> undef, <4 x i32> <i32 1, i32 3, i32 5, i32 7>
+  %7 = fadd fast <4 x float> %6, %5
+  %8 = bitcast float* %next.gep24 to <4 x float>*
+  store <4 x float> %7, <4 x float>* %8, align 4
+  %index.next = add i32 %index, 4
+  %9 = icmp eq i32 %index.next, %n.vec
+  br i1 %9, label %middle.block, label %vector.body
+
+middle.block:                                     ; preds = %vector.body
+  %cmp.n = icmp eq i32 %n.vec, %numSamples
+  br i1 %cmp.n, label %while.end, label %while.body.preheader26
+
+while.body.preheader26:                           ; preds = %middle.block, %vector.memcheck, %while.body.preheader
+  %pSrc.addr.014.ph = phi float* [ %pSrc, %vector.memcheck ], [ %pSrc, %while.body.preheader ], [ %ind.end, %middle.block ]
+  %pDst.addr.013.ph = phi float* [ %pDst, %vector.memcheck ], [ %pDst, %while.body.preheader ], [ %ind.end21, %middle.block ]
+  %blkCnt.012.ph = phi i32 [ %numSamples, %vector.memcheck ], [ %numSamples, %while.body.preheader ], [ %ind.end23, %middle.block ]
+  br label %while.body
+
+while.body:                                       ; preds = %while.body, %while.body.preheader26
+  %pSrc.addr.014 = phi float* [ %incdec.ptr1, %while.body ], [ %pSrc.addr.014.ph, %while.body.preheader26 ]
+  %pDst.addr.013 = phi float* [ %incdec.ptr3, %while.body ], [ %pDst.addr.013.ph, %while.body.preheader26 ]
+  %blkCnt.012 = phi i32 [ %dec, %while.body ], [ %blkCnt.012.ph, %while.body.preheader26 ]
+  %incdec.ptr = getelementptr inbounds float, float* %pSrc.addr.014, i32 1
+  %10 = load float, float* %pSrc.addr.014, align 4
+  %incdec.ptr1 = getelementptr inbounds float, float* %pSrc.addr.014, i32 2
+  %11 = load float, float* %incdec.ptr, align 4
+  %mul = fmul fast float %10, %10
+  %mul2 = fmul fast float %11, %11
+  %add = fadd fast float %mul2, %mul
+  %incdec.ptr3 = getelementptr inbounds float, float* %pDst.addr.013, i32 1
+  store float %add, float* %pDst.addr.013, align 4
+  %dec = add i32 %blkCnt.012, -1
+  %cmp.not = icmp eq i32 %dec, 0
+  br i1 %cmp.not, label %while.end, label %while.body
+
+while.end:                                        ; preds = %while.body, %middle.block, %entry
+  ret void
+}