// Copyright 2022 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 <xnnpack/assembly.h> | |
.syntax unified | |
// void xnn_cs16_bfly4_samples1_ukernel__asm_aarch32_neon_x4( | |
// size_t batch, r0 | |
// size_t samples, (unused) | |
// int16_t* data, r2 | |
// const int16_t* twiddle, (unused) | |
// size_t stride) (unused) | |
// d8-d15, r12-r11,r14(lr) need to be preserved if used. r13(sp),r15(pc) are reserved. | |
// Register usage | |
// vout0 r2 q0 | |
// vout1 q1 | |
// vout2 q2 | |
// vout3 q3 | |
// vtmp3 q8 | |
// vtmp4 q9 | |
// vtmp5 q10 | |
// vtmp0 q11 | |
// vdiv4 q12 | |
// vnegr q13 | |
BEGIN_FUNCTION xnn_cs16_bfly4_samples1_ukernel__asm_aarch32_neon_x4 | |
#ifndef __APPLE__ | |
.arch armv7-a | |
.fpu neon | |
#endif | |
SUBS r0, r0, 4 // batch | |
VMVN.U16 q12, 57344 // 8191 | |
VMOV.I32 q13, 0x0001ffff // vnegr | |
BLO 1f | |
MOV r3, r2 // output = input for post inc | |
// batch of 4 main loop | |
0: | |
VLD4.32 {d0,d2,d4,d6}, [r2]! // input first 2 batch | |
VLD4.32 {d1,d3,d5,d7}, [r2]! // input second 2 batch | |
SUBS r0, r0, 4 // batch | |
VQRDMULH.S16 q1, q1, q12 // vout1 /= 4 | |
VQRDMULH.S16 q3, q3, q12 // vout3 /= 4 | |
VQRDMULH.S16 q0, q0, q12 // vout0 /= 4 | |
VQRDMULH.S16 q2, q2, q12 // vout2 /= 4 | |
VSUB.I16 q9, q1, q3 // vtmp4 = vout1 - vout3 | |
VADD.I16 q8, q1, q3 // vtmp3 = vout1 + vout3 | |
VMUL.S16 q9, q9, q13 // vrev4 = vtmp4 -r, i | |
VADD.I16 q11, q0, q2 // vtmp0 = vout0 + vout2 | |
VSUB.I16 q10, q0, q2 // vtmp5 = vout0 - vout2 | |
VADD.I16 q0, q11, q8 // vout0 = vtmp0 + vtmp3 | |
VSUB.I16 q2, q11, q8 // vout2 = vtmp0 - vtmp3 | |
VREV32.16 q9, q9 // vrev4 = vtmp4 i, -r | |
VADD.I16 q1, q10, q9 // vout1 = vtmp5 + vrev4 | |
VSUB.I16 q3, q10, q9 // vout3 = vtmp5 - vrev4 | |
VST4.32 {d0,d2,d4,d6}, [r3]! // output first 2 batch | |
VST4.32 {d1,d3,d5,d7}, [r3]! // output second 2 batch | |
BHS 0b | |
1: | |
ANDS r0, r0, 3 // batch remainder? | |
BXEQ lr | |
// Remainder batch of 1 to 3 | |
2: | |
VLD4.32 {d0[0],d1[0],d2[0],d3[0]}, [r2] // input 1 batch | |
SUBS r0, r0, 1 // batch | |
VQRDMULH.S16 d1, d1, d24 // vout1 /= 4 | |
VQRDMULH.S16 d3, d3, d24 // vout3 /= 4 | |
VQRDMULH.S16 d0, d0, d24 // vout0 /= 4 | |
VQRDMULH.S16 d2, d2, d24 // vout2 /= 4 | |
VSUB.I16 d5, d1, d3 // vtmp4 = vout1 - vout3 | |
VADD.I16 d4, d1, d3 // vtmp3 = vout1 + vout3 | |
VMUL.S16 d5, d5, d26 // vrev4 = vtmp4 -r, i | |
VADD.I16 d7, d0, d2 // vtmp0 = vout0 + vout2 | |
VSUB.I16 d6, d0, d2 // vtmp5 = vout0 - vout2 | |
VADD.I16 d0, d7, d4 // vout0 = vtmp0 + vtmp3 | |
VSUB.I16 d2, d7, d4 // vout2 = vtmp0 - vtmp3 | |
VREV32.16 d5, d5 // vrev4 = vtmp4 i, -r | |
VADD.I16 d1, d6, d5 // vout1 = vtmp5 + vrev4 | |
VSUB.I16 d3, d6, d5 // vout3 = vtmp5 - vrev4 | |
VST4.32 {d0[0],d1[0],d2[0],d3[0]}, [r2]! // output 1 batch | |
BHI 2b | |
BX lr | |
END_FUNCTION xnn_cs16_bfly4_samples1_ukernel__asm_aarch32_neon_x4 | |
#ifdef __ELF__ | |
.section ".note.GNU-stack","",%progbits | |
#endif | |