File size: 11,060 Bytes
8b7c501 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 |
// Copyright 2020 Google LLC
//
// This source code is licensed under the BSD-style license found in the
// LICENSE file in the root directory of this source tree.
#include <cassert>
#include <cstddef>
#include <limits>
#include <xnnpack.h>
#include <xnnpack/aarch64-assembler.h>
#include <xnnpack/gemm.h>
#include <xnnpack/memory.h>
#include <xnnpack/microparams.h>
#include <xnnpack/post-operation.h>
namespace xnnpack {
namespace aarch64 {
namespace {
class Generator : public MacroAssembler {
using MacroAssembler::MacroAssembler;
public:
void generate(size_t max_mr, size_t nc_mod_nr, size_t kc, const jit_gemm_params* jit_gemm_params);
};
// void xnn_f16_gemm_minmax_ukernel_4x16__asm_aarch64_neonfp16arith_ld64(
// size_t mr, x0
// size_t nc, x1
// size_t kc, x2 / x0
// const void* restrict a, x3
// size_t a_stride, x4
// const void* restrict w, x5
// void* restrict c, x6
// size_t cm_stride, x7
// size_t cn_stride, [sp] -> x14
// const union xnn_f16_minmax_params params[restrict XNN_MIN_ELEMENTS(1)]) [sp + 8] -> (x8)
// d8-d15, x19-x30 need to be preserved if used. x18 is reserved by the OS.
// Register usage
// A0 x3 v0
// A1 x11 v1
// A2 x12 v2
// A3 x4 v3
// B x5 v20 v21 v22 v23 v16 v17 v18 v19
// C0 x6 v24 v25
// C1 x9 v26 v27
// C2 x10 v28 v29
// C3 x7 v30 v31
// clamp v4, v5
// Converted from: src/f16-gemm/gen/f16-gemm-4x16-minmax-asm-aarch64-neonfp16arith-ld64.S
void Generator::generate(size_t max_mr, size_t nc_mod_nr, size_t kc, const jit_gemm_params* jit_gemm_params)
{
assert(max_mr <= 4);
assert(nc_mod_nr < 16);
assert(kc != 0);
assert(kc % sizeof(uint16_t) == 0);
Label l0, l1, l2, l3, l4, l5, l6, l7, l8, l9;
const size_t num_post_operations = jit_gemm_params->num_post_operations;
(void) num_post_operations; // Silence unused warning.
const uint16_t min = jit_gemm_params->f16_minmax.min;
const uint16_t max = jit_gemm_params->f16_minmax.max;
const bool clamp_min = min != UINT16_C(0xFC00); // -Inf.
const bool clamp_max = max != UINT16_C(0x7C00); // Inf.
assert(num_post_operations == 0 || (!clamp_min && !clamp_max));
// Load cn_stride, params pointer
ldp(x14, x8, mem[sp]);
// Load params values
if (clamp_min || clamp_max) {
ld2r({v4.v8h(), v5.v8h()}, mem[x8]);
}
// Clamp A and C pointers
if (max_mr > 1) {
cmp(x0, 2); // if mr < 2
add(x11, x3, x4); // a1 = a0 + a_stride
add(x9, x6, x7); // c1 = c0 + cm_stride
csel(x11, x3, x11, kLO); // a1 = a0
csel(x9, x6, x9, kLO); // c1 = c0
}
if (max_mr > 2) {
add(x12, x11, x4); // a2 = a1 + a_stride
add(x10, x9, x7); // c2 = c1 + cm_stride
// if mr <= 2
csel(x12, x11, x12, kLS); // a2 = a1
csel(x10, x9, x10, kLS); // c2 = c1
}
if (max_mr > 3) {
cmp(x0, 4); // if mr < 4
add(x4, x12, x4); // a3 = a2 + a_stride
add(x7, x10, x7); // c3 = c2 + cm_stride
csel(x4, x12, x4, kLO); // a3 = a2
csel(x7, x10, x7, kLO); // c3 = c2
}
bind(l0);
// Load initial bias from w into accumulators
ldr(q24, mem[x5], 16);
ldr(q25, mem[x5], 16);
if (max_mr > 1) {
mov(v26.v16b(), v24.v16b());
}
if (max_mr > 2) {
mov(v28.v16b(), v24.v16b());
}
if (max_mr > 3) {
mov(v30.v16b(), v24.v16b());
}
if (max_mr > 1) {
mov(v27.v16b(), v25.v16b());
}
if (max_mr > 2) {
mov(v29.v16b(), v25.v16b());
}
if (max_mr > 3) {
mov(v31.v16b(), v25.v16b());
}
// Is there at least 2 halffloats (4 bytes)?
subs(x0, x2, 8); // k = kc - 8
b_lo(l3);
align(8);
// Main loop - 4 halffloats of A (8 bytes)
bind(l1);
ldr(d0, mem[x3], 8);
ldr(q20, mem[x5], 16);
ldr(q21, mem[x5], 16);
if (max_mr > 1) {
ldr(d1, mem[x11], 8);
}
if (max_mr > 2) {
ldr(d2, mem[x12], 8);
}
if (max_mr > 3) {
ldr(d3, mem[x4], 8);
}
ldr(q22, mem[x5], 16);
ldr(q23, mem[x5], 16);
ldr(q16, mem[x5], 16);
ldr(q17, mem[x5], 16);
ldr(q18, mem[x5], 16);
ldr(q19, mem[x5], 16);
subs(x0, x0, 8);
fmla(v24.v8h(), v20.v8h(), v0.h()[0]);
fmla(v25.v8h(), v21.v8h(), v0.h()[0]);
if (max_mr > 1) {
fmla(v26.v8h(), v20.v8h(), v1.h()[0]);
fmla(v27.v8h(), v21.v8h(), v1.h()[0]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v20.v8h(), v2.h()[0]);
fmla(v29.v8h(), v21.v8h(), v2.h()[0]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v20.v8h(), v3.h()[0]);
fmla(v31.v8h(), v21.v8h(), v3.h()[0]);
}
fmla(v24.v8h(), v22.v8h(), v0.h()[1]);
fmla(v25.v8h(), v23.v8h(), v0.h()[1]);
if (max_mr > 1) {
fmla(v26.v8h(), v22.v8h(), v1.h()[1]);
fmla(v27.v8h(), v23.v8h(), v1.h()[1]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v22.v8h(), v2.h()[1]);
fmla(v29.v8h(), v23.v8h(), v2.h()[1]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v22.v8h(), v3.h()[1]);
fmla(v31.v8h(), v23.v8h(), v3.h()[1]);
}
fmla(v24.v8h(), v16.v8h(), v0.h()[2]);
fmla(v25.v8h(), v17.v8h(), v0.h()[2]);
if (max_mr > 1) {
fmla(v26.v8h(), v16.v8h(), v1.h()[2]);
fmla(v27.v8h(), v17.v8h(), v1.h()[2]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v16.v8h(), v2.h()[2]);
fmla(v29.v8h(), v17.v8h(), v2.h()[2]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v16.v8h(), v3.h()[2]);
fmla(v31.v8h(), v17.v8h(), v3.h()[2]);
}
fmla(v24.v8h(), v18.v8h(), v0.h()[3]);
fmla(v25.v8h(), v19.v8h(), v0.h()[3]);
if (max_mr > 1) {
fmla(v26.v8h(), v18.v8h(), v1.h()[3]);
fmla(v27.v8h(), v19.v8h(), v1.h()[3]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v18.v8h(), v2.h()[3]);
fmla(v29.v8h(), v19.v8h(), v2.h()[3]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v18.v8h(), v3.h()[3]);
fmla(v31.v8h(), v19.v8h(), v3.h()[3]);
}
b_hs(l1);
// Is there a remainder- 1 to 3 halffloats of A (2 to 6 bytes)
ands(x0, x0, 7);
b_ne(l3);
bind(l2);
// Clamp
if (clamp_min) {
fmax(v24.v8h(), v24.v8h(), v4.v8h());
}
subs(x1, x1, 16);
if (clamp_min) {
fmax(v25.v8h(), v25.v8h(), v4.v8h());
if (max_mr > 1) {
fmax(v26.v8h(), v26.v8h(), v4.v8h());
fmax(v27.v8h(), v27.v8h(), v4.v8h());
}
if (max_mr > 2) {
fmax(v28.v8h(), v28.v8h(), v4.v8h());
fmax(v29.v8h(), v29.v8h(), v4.v8h());
}
if (max_mr > 3) {
fmax(v30.v8h(), v30.v8h(), v4.v8h());
fmax(v31.v8h(), v31.v8h(), v4.v8h());
}
}
if (clamp_max) {
fmin(v24.v8h(), v24.v8h(), v5.v8h());
fmin(v25.v8h(), v25.v8h(), v5.v8h());
if (max_mr > 1) {
fmin(v26.v8h(), v26.v8h(), v5.v8h());
fmin(v27.v8h(), v27.v8h(), v5.v8h());
}
if (max_mr > 2) {
fmin(v28.v8h(), v28.v8h(), v5.v8h());
fmin(v29.v8h(), v29.v8h(), v5.v8h());
}
if (max_mr > 3) {
fmin(v30.v8h(), v30.v8h(), v5.v8h());
fmin(v31.v8h(), v31.v8h(), v5.v8h());
}
}
// Store full 4 x 16
b_lo(l5);
st1({v24.v16b(), v25.v16b()}, mem[x6], x14);
sub(x3, x3, x2); // a0 -= kc
if (max_mr > 1) {
st1({v26.v16b(), v27.v16b()}, mem[x9], x14);
sub(x11, x11, x2); // a1 -= kc
}
if (max_mr > 2) {
st1({v28.v16b(), v29.v16b()}, mem[x10], x14);
sub(x12, x12, x2); // a2 -= kc
}
if (max_mr > 3) {
st1({v30.v16b(), v31.v16b()}, mem[x7], x14);
sub(x4, x4, x2); // a3 -= kc
}
b_hi(l0);
ret();
// Remainder- 1 to 3 halffloats of A (2 to 6 bytes)
bind(l3);
tbz(x0, 2, l4);
ldr(s0, mem[x3], 4);
ldr(q20, mem[x5], 16);
ldr(q21, mem[x5], 16);
if (max_mr > 1) {
ldr(s1, mem[x11], 4);
}
if (max_mr > 2) {
ldr(s2, mem[x12], 4);
}
if (max_mr > 3) {
ldr(s3, mem[x4], 4);
}
ldr(q22, mem[x5], 16);
ldr(q23, mem[x5], 16);
fmla(v24.v8h(), v20.v8h(), v0.h()[0]);
fmla(v25.v8h(), v21.v8h(), v0.h()[0]);
if (max_mr > 1) {
fmla(v26.v8h(), v20.v8h(), v1.h()[0]);
fmla(v27.v8h(), v21.v8h(), v1.h()[0]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v20.v8h(), v2.h()[0]);
fmla(v29.v8h(), v21.v8h(), v2.h()[0]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v20.v8h(), v3.h()[0]);
fmla(v31.v8h(), v21.v8h(), v3.h()[0]);
}
fmla(v24.v8h(), v22.v8h(), v0.h()[1]);
fmla(v25.v8h(), v23.v8h(), v0.h()[1]);
if (max_mr > 1) {
fmla(v26.v8h(), v22.v8h(), v1.h()[1]);
fmla(v27.v8h(), v23.v8h(), v1.h()[1]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v22.v8h(), v2.h()[1]);
fmla(v29.v8h(), v23.v8h(), v2.h()[1]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v22.v8h(), v3.h()[1]);
fmla(v31.v8h(), v23.v8h(), v3.h()[1]);
}
tbz(x0, 1, l2);
bind(l4);
ldr(h0, mem[x3], 2);
ldr(q20, mem[x5], 16);
ldr(q21, mem[x5], 16);
if (max_mr > 1) {
ldr(h1, mem[x11], 2);
}
if (max_mr > 2) {
ldr(h2, mem[x12], 2);
}
if (max_mr > 3) {
ldr(h3, mem[x4], 2);
}
fmla(v24.v8h(), v20.v8h(), v0.h()[0]);
fmla(v25.v8h(), v21.v8h(), v0.h()[0]);
if (max_mr > 1) {
fmla(v26.v8h(), v20.v8h(), v1.h()[0]);
fmla(v27.v8h(), v21.v8h(), v1.h()[0]);
}
if (max_mr > 2) {
fmla(v28.v8h(), v20.v8h(), v2.h()[0]);
fmla(v29.v8h(), v21.v8h(), v2.h()[0]);
}
if (max_mr > 3) {
fmla(v30.v8h(), v20.v8h(), v3.h()[0]);
fmla(v31.v8h(), v21.v8h(), v3.h()[0]);
}
b(l2);
// Store odd width
bind(l5);
tbz(x1, 3, l6);
str(q24, mem[x6], 16);
mov(v24.v16b(), v25.v16b());
if (max_mr > 1) {
str(q26, mem[x9], 16);
mov(v26.v16b(), v27.v16b());
}
if (max_mr > 2) {
str(q28, mem[x10], 16);
mov(v28.v16b(), v29.v16b());
}
if (max_mr > 3) {
str(q30, mem[x7], 16);
mov(v30.v16b(), v31.v16b());
}
bind(l6);
tbz(x1, 2, l7);
str(d24, mem[x6], 8);
if (max_mr > 1) {
str(d26, mem[x9], 8);
}
dup(d24, v24.d()[1]);
if (max_mr > 1) {
dup(d26, v26.d()[1]);
}
if (max_mr > 2) {
str(d28, mem[x10], 8);
}
if (max_mr > 3) {
str(d30, mem[x7], 8);
}
if (max_mr > 2) {
dup(d28, v28.d()[1]);
}
if (max_mr > 3) {
dup(d30, v30.d()[1]);
}
bind(l7);
tbz(x1, 1, l8);
str(s24, mem[x6], 4);
if (max_mr > 1) {
str(s26, mem[x9], 4);
}
dup(s24, v24.s()[1]);
if (max_mr > 1) {
dup(s26, v26.s()[1]);
}
if (max_mr > 2) {
str(s28, mem[x10], 4);
}
if (max_mr > 3) {
str(s30, mem[x7], 4);
}
if (max_mr > 2) {
dup(s28, v28.s()[1]);
}
if (max_mr > 3) {
dup(s30, v30.s()[1]);
}
bind(l8);
tbz(x1, 0, l9);
str(h24, mem[x6]);
if (max_mr > 1) {
str(h26, mem[x9]);
}
if (max_mr > 2) {
str(h28, mem[x10]);
}
if (max_mr > 3) {
str(h30, mem[x7]);
}
bind(l9);
ret();
align(16, AlignInstruction::kHlt);
}
} // namespace
} // namespace aarch64
} // namespace xnnpack
xnn_status_t xnn_generate_f16_gemm_ukernel_4x16__aarch64_neonfp16arith_ld64(xnn_code_buffer* code, size_t max_mr, size_t nc_mod_nr, size_t kc, const void* params) {
using namespace xnnpack::aarch64;
Generator g(code);
assert(params != nullptr);
g.generate(max_mr, nc_mod_nr, kc, static_cast<const jit_gemm_params*>(params));
g.finalize();
if (g.error() != xnnpack::Error::kNoError) {
return xnn_status_invalid_state;
}
return xnn_status_success;
}
|