// Auto-generated file. Do not edit! // Template: src/bf16-gemm/c8-neon-zip.c.in // Generator: tools/xngen // // 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 #include #include void xnn_bf16_gemm_minmax_ukernel_5x4c8__neonfma_zip( size_t mr, size_t nc, size_t kc, const void* restrict a, size_t a_stride, const void* restrict w_ptr, void* restrict c, size_t cm_stride, size_t cn_stride, const union xnn_bf16_minmax_params params[restrict XNN_MIN_ELEMENTS(1)]) { assert(mr != 0); assert(mr <= 5); assert(nc != 0); assert(kc != 0); assert(kc % sizeof(uint16_t) == 0); assert(a != NULL); assert(w_ptr != NULL); assert(c != NULL); const uint16_t* a0 = (const uint16_t*) a; uint16_t* c0 = (uint16_t*) c; const uint16_t* a1 = (const uint16_t*) ((uintptr_t) a0 + a_stride); uint16_t* c1 = (uint16_t*) ((uintptr_t) c0 + cm_stride); if XNN_UNPREDICTABLE(mr < 2) { a1 = a0; c1 = c0; } const uint16_t* a2 = (const uint16_t*) ((uintptr_t) a1 + a_stride); uint16_t* c2 = (uint16_t*) ((uintptr_t) c1 + cm_stride); if XNN_UNPREDICTABLE(mr <= 2) { a2 = a1; c2 = c1; } const uint16_t* a3 = (const uint16_t*) ((uintptr_t) a2 + a_stride); uint16_t* c3 = (uint16_t*) ((uintptr_t) c2 + cm_stride); if XNN_UNPREDICTABLE(mr < 4) { a3 = a2; c3 = c2; } const uint16_t* a4 = (const uint16_t*) ((uintptr_t) a3 + a_stride); uint16_t* c4 = (uint16_t*) ((uintptr_t) c3 + cm_stride); if XNN_UNPREDICTABLE(mr <= 4) { a4 = a3; c4 = c3; } const uint16_t* w = (const uint16_t*) w_ptr; const uint16x8_t vzero = vmovq_n_u16(0); do { float32x4_t vacc0x0 = vreinterpretq_f32_u32(vshll_n_u16(vld1_lane_u16(w, vdup_n_u16(0), 0), 16)); w += 1; float32x4_t vacc0x1 = vreinterpretq_f32_u32(vshll_n_u16(vld1_lane_u16(w, vdup_n_u16(0), 0), 16)); w += 1; float32x4_t vacc0x2 = vreinterpretq_f32_u32(vshll_n_u16(vld1_lane_u16(w, vdup_n_u16(0), 0), 16)); w += 1; float32x4_t vacc0x3 = vreinterpretq_f32_u32(vshll_n_u16(vld1_lane_u16(w, vdup_n_u16(0), 0), 16)); w += 1; float32x4_t vacc1x0 = vacc0x0; float32x4_t vacc1x1 = vacc0x1; float32x4_t vacc1x2 = vacc0x2; float32x4_t vacc1x3 = vacc0x3; float32x4_t vacc2x0 = vacc0x0; float32x4_t vacc2x1 = vacc0x1; float32x4_t vacc2x2 = vacc0x2; float32x4_t vacc2x3 = vacc0x3; float32x4_t vacc3x0 = vacc0x0; float32x4_t vacc3x1 = vacc0x1; float32x4_t vacc3x2 = vacc0x2; float32x4_t vacc3x3 = vacc0x3; float32x4_t vacc4x0 = vacc0x0; float32x4_t vacc4x1 = vacc0x1; float32x4_t vacc4x2 = vacc0x2; float32x4_t vacc4x3 = vacc0x3; size_t k = kc; for (; k >= 8 * sizeof(uint16_t); k -= 8 * sizeof(uint16_t)) { const uint16x8_t va0h = vld1q_u16(a0); a0 += 8; const uint16x8_t va1h = vld1q_u16(a1); a1 += 8; const uint16x8_t va2h = vld1q_u16(a2); a2 += 8; const uint16x8_t va3h = vld1q_u16(a3); a3 += 8; const uint16x8_t va4h = vld1q_u16(a4); a4 += 8; const uint16x8_t vb0h = vld1q_u16(w); w += 8; const uint16x8_t vb1h = vld1q_u16(w); w += 8; const uint16x8_t vb2h = vld1q_u16(w); w += 8; const uint16x8_t vb3h = vld1q_u16(w); w += 8; const uint16x8x2_t va0f = vzipq_u16(vzero, va0h); const uint16x8x2_t va1f = vzipq_u16(vzero, va1h); const uint16x8x2_t va2f = vzipq_u16(vzero, va2h); const uint16x8x2_t va3f = vzipq_u16(vzero, va3h); const uint16x8x2_t va4f = vzipq_u16(vzero, va4h); const uint16x8x2_t vb0f = vzipq_u16(vzero, vb0h); const uint16x8x2_t vb1f = vzipq_u16(vzero, vb1h); const uint16x8x2_t vb2f = vzipq_u16(vzero, vb2h); const uint16x8x2_t vb3f = vzipq_u16(vzero, vb3h); vacc0x0 = vfmaq_f32(vacc0x0, vreinterpretq_f32_u16(va0f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc1x0 = vfmaq_f32(vacc1x0, vreinterpretq_f32_u16(va1f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc2x0 = vfmaq_f32(vacc2x0, vreinterpretq_f32_u16(va2f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc3x0 = vfmaq_f32(vacc3x0, vreinterpretq_f32_u16(va3f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc4x0 = vfmaq_f32(vacc4x0, vreinterpretq_f32_u16(va4f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc0x1 = vfmaq_f32(vacc0x1, vreinterpretq_f32_u16(va0f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc1x1 = vfmaq_f32(vacc1x1, vreinterpretq_f32_u16(va1f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc2x1 = vfmaq_f32(vacc2x1, vreinterpretq_f32_u16(va2f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc3x1 = vfmaq_f32(vacc3x1, vreinterpretq_f32_u16(va3f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc4x1 = vfmaq_f32(vacc4x1, vreinterpretq_f32_u16(va4f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc0x2 = vfmaq_f32(vacc0x2, vreinterpretq_f32_u16(va0f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc1x2 = vfmaq_f32(vacc1x2, vreinterpretq_f32_u16(va1f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc2x2 = vfmaq_f32(vacc2x2, vreinterpretq_f32_u16(va2f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc3x2 = vfmaq_f32(vacc3x2, vreinterpretq_f32_u16(va3f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc4x2 = vfmaq_f32(vacc4x2, vreinterpretq_f32_u16(va4f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc0x3 = vfmaq_f32(vacc0x3, vreinterpretq_f32_u16(va0f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc1x3 = vfmaq_f32(vacc1x3, vreinterpretq_f32_u16(va1f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc2x3 = vfmaq_f32(vacc2x3, vreinterpretq_f32_u16(va2f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc3x3 = vfmaq_f32(vacc3x3, vreinterpretq_f32_u16(va3f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc4x3 = vfmaq_f32(vacc4x3, vreinterpretq_f32_u16(va4f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc0x0 = vfmaq_f32(vacc0x0, vreinterpretq_f32_u16(va0f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc1x0 = vfmaq_f32(vacc1x0, vreinterpretq_f32_u16(va1f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc2x0 = vfmaq_f32(vacc2x0, vreinterpretq_f32_u16(va2f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc3x0 = vfmaq_f32(vacc3x0, vreinterpretq_f32_u16(va3f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc4x0 = vfmaq_f32(vacc4x0, vreinterpretq_f32_u16(va4f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc0x1 = vfmaq_f32(vacc0x1, vreinterpretq_f32_u16(va0f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc1x1 = vfmaq_f32(vacc1x1, vreinterpretq_f32_u16(va1f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc2x1 = vfmaq_f32(vacc2x1, vreinterpretq_f32_u16(va2f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc3x1 = vfmaq_f32(vacc3x1, vreinterpretq_f32_u16(va3f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc4x1 = vfmaq_f32(vacc4x1, vreinterpretq_f32_u16(va4f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc0x2 = vfmaq_f32(vacc0x2, vreinterpretq_f32_u16(va0f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc1x2 = vfmaq_f32(vacc1x2, vreinterpretq_f32_u16(va1f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc2x2 = vfmaq_f32(vacc2x2, vreinterpretq_f32_u16(va2f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc3x2 = vfmaq_f32(vacc3x2, vreinterpretq_f32_u16(va3f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc4x2 = vfmaq_f32(vacc4x2, vreinterpretq_f32_u16(va4f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc0x3 = vfmaq_f32(vacc0x3, vreinterpretq_f32_u16(va0f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc1x3 = vfmaq_f32(vacc1x3, vreinterpretq_f32_u16(va1f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc2x3 = vfmaq_f32(vacc2x3, vreinterpretq_f32_u16(va2f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc3x3 = vfmaq_f32(vacc3x3, vreinterpretq_f32_u16(va3f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc4x3 = vfmaq_f32(vacc4x3, vreinterpretq_f32_u16(va4f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); } if XNN_UNLIKELY(k != 0) { const uint16x8_t va0h = vld1q_u16(a0); a0 = (const uint16_t*) ((uintptr_t) a0 + k); const uint16x8_t va1h = vld1q_u16(a1); a1 = (const uint16_t*) ((uintptr_t) a1 + k); const uint16x8_t va2h = vld1q_u16(a2); a2 = (const uint16_t*) ((uintptr_t) a2 + k); const uint16x8_t va3h = vld1q_u16(a3); a3 = (const uint16_t*) ((uintptr_t) a3 + k); const uint16x8_t va4h = vld1q_u16(a4); a4 = (const uint16_t*) ((uintptr_t) a4 + k); const uint16x8_t vb0h = vld1q_u16(w); w += 8; const uint16x8_t vb1h = vld1q_u16(w); w += 8; const uint16x8_t vb2h = vld1q_u16(w); w += 8; const uint16x8_t vb3h = vld1q_u16(w); w += 8; const uint16x8_t vm0h = vceqq_u16(vb0h, vmovq_n_u16(0)); const uint16x8_t vm1h = vceqq_u16(vb1h, vmovq_n_u16(0)); const uint16x8_t vm2h = vceqq_u16(vb2h, vmovq_n_u16(0)); const uint16x8_t vm3h = vceqq_u16(vb3h, vmovq_n_u16(0)); const uint16x8x2_t vb0f = vzipq_u16(vzero, vb0h); const uint16x8x2_t vb1f = vzipq_u16(vzero, vb1h); const uint16x8x2_t vb2f = vzipq_u16(vzero, vb2h); const uint16x8x2_t vb3f = vzipq_u16(vzero, vb3h); const uint16x8_t va0x0h = vbicq_u16(va0h, vm0h); const uint16x8_t va1x0h = vbicq_u16(va1h, vm0h); const uint16x8_t va2x0h = vbicq_u16(va2h, vm0h); const uint16x8_t va3x0h = vbicq_u16(va3h, vm0h); const uint16x8_t va4x0h = vbicq_u16(va4h, vm0h); const uint16x8_t va0x1h = vbicq_u16(va0h, vm1h); const uint16x8_t va1x1h = vbicq_u16(va1h, vm1h); const uint16x8_t va2x1h = vbicq_u16(va2h, vm1h); const uint16x8_t va3x1h = vbicq_u16(va3h, vm1h); const uint16x8_t va4x1h = vbicq_u16(va4h, vm1h); const uint16x8_t va0x2h = vbicq_u16(va0h, vm2h); const uint16x8_t va1x2h = vbicq_u16(va1h, vm2h); const uint16x8_t va2x2h = vbicq_u16(va2h, vm2h); const uint16x8_t va3x2h = vbicq_u16(va3h, vm2h); const uint16x8_t va4x2h = vbicq_u16(va4h, vm2h); const uint16x8_t va0x3h = vbicq_u16(va0h, vm3h); const uint16x8_t va1x3h = vbicq_u16(va1h, vm3h); const uint16x8_t va2x3h = vbicq_u16(va2h, vm3h); const uint16x8_t va3x3h = vbicq_u16(va3h, vm3h); const uint16x8_t va4x3h = vbicq_u16(va4h, vm3h); const uint16x8x2_t va0x0f = vzipq_u16(vzero, va0x0h); const uint16x8x2_t va1x0f = vzipq_u16(vzero, va1x0h); const uint16x8x2_t va2x0f = vzipq_u16(vzero, va2x0h); const uint16x8x2_t va3x0f = vzipq_u16(vzero, va3x0h); const uint16x8x2_t va4x0f = vzipq_u16(vzero, va4x0h); const uint16x8x2_t va0x1f = vzipq_u16(vzero, va0x1h); const uint16x8x2_t va1x1f = vzipq_u16(vzero, va1x1h); const uint16x8x2_t va2x1f = vzipq_u16(vzero, va2x1h); const uint16x8x2_t va3x1f = vzipq_u16(vzero, va3x1h); const uint16x8x2_t va4x1f = vzipq_u16(vzero, va4x1h); const uint16x8x2_t va0x2f = vzipq_u16(vzero, va0x2h); const uint16x8x2_t va1x2f = vzipq_u16(vzero, va1x2h); const uint16x8x2_t va2x2f = vzipq_u16(vzero, va2x2h); const uint16x8x2_t va3x2f = vzipq_u16(vzero, va3x2h); const uint16x8x2_t va4x2f = vzipq_u16(vzero, va4x2h); const uint16x8x2_t va0x3f = vzipq_u16(vzero, va0x3h); const uint16x8x2_t va1x3f = vzipq_u16(vzero, va1x3h); const uint16x8x2_t va2x3f = vzipq_u16(vzero, va2x3h); const uint16x8x2_t va3x3f = vzipq_u16(vzero, va3x3h); const uint16x8x2_t va4x3f = vzipq_u16(vzero, va4x3h); vacc0x0 = vfmaq_f32(vacc0x0, vreinterpretq_f32_u16(va0x0f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc1x0 = vfmaq_f32(vacc1x0, vreinterpretq_f32_u16(va1x0f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc2x0 = vfmaq_f32(vacc2x0, vreinterpretq_f32_u16(va2x0f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc3x0 = vfmaq_f32(vacc3x0, vreinterpretq_f32_u16(va3x0f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc4x0 = vfmaq_f32(vacc4x0, vreinterpretq_f32_u16(va4x0f.val[0]), vreinterpretq_f32_u16(vb0f.val[0])); vacc0x1 = vfmaq_f32(vacc0x1, vreinterpretq_f32_u16(va0x1f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc1x1 = vfmaq_f32(vacc1x1, vreinterpretq_f32_u16(va1x1f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc2x1 = vfmaq_f32(vacc2x1, vreinterpretq_f32_u16(va2x1f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc3x1 = vfmaq_f32(vacc3x1, vreinterpretq_f32_u16(va3x1f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc4x1 = vfmaq_f32(vacc4x1, vreinterpretq_f32_u16(va4x1f.val[0]), vreinterpretq_f32_u16(vb1f.val[0])); vacc0x2 = vfmaq_f32(vacc0x2, vreinterpretq_f32_u16(va0x2f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc1x2 = vfmaq_f32(vacc1x2, vreinterpretq_f32_u16(va1x2f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc2x2 = vfmaq_f32(vacc2x2, vreinterpretq_f32_u16(va2x2f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc3x2 = vfmaq_f32(vacc3x2, vreinterpretq_f32_u16(va3x2f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc4x2 = vfmaq_f32(vacc4x2, vreinterpretq_f32_u16(va4x2f.val[0]), vreinterpretq_f32_u16(vb2f.val[0])); vacc0x3 = vfmaq_f32(vacc0x3, vreinterpretq_f32_u16(va0x3f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc1x3 = vfmaq_f32(vacc1x3, vreinterpretq_f32_u16(va1x3f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc2x3 = vfmaq_f32(vacc2x3, vreinterpretq_f32_u16(va2x3f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc3x3 = vfmaq_f32(vacc3x3, vreinterpretq_f32_u16(va3x3f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc4x3 = vfmaq_f32(vacc4x3, vreinterpretq_f32_u16(va4x3f.val[0]), vreinterpretq_f32_u16(vb3f.val[0])); vacc0x0 = vfmaq_f32(vacc0x0, vreinterpretq_f32_u16(va0x0f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc1x0 = vfmaq_f32(vacc1x0, vreinterpretq_f32_u16(va1x0f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc2x0 = vfmaq_f32(vacc2x0, vreinterpretq_f32_u16(va2x0f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc3x0 = vfmaq_f32(vacc3x0, vreinterpretq_f32_u16(va3x0f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc4x0 = vfmaq_f32(vacc4x0, vreinterpretq_f32_u16(va4x0f.val[1]), vreinterpretq_f32_u16(vb0f.val[1])); vacc0x1 = vfmaq_f32(vacc0x1, vreinterpretq_f32_u16(va0x1f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc1x1 = vfmaq_f32(vacc1x1, vreinterpretq_f32_u16(va1x1f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc2x1 = vfmaq_f32(vacc2x1, vreinterpretq_f32_u16(va2x1f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc3x1 = vfmaq_f32(vacc3x1, vreinterpretq_f32_u16(va3x1f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc4x1 = vfmaq_f32(vacc4x1, vreinterpretq_f32_u16(va4x1f.val[1]), vreinterpretq_f32_u16(vb1f.val[1])); vacc0x2 = vfmaq_f32(vacc0x2, vreinterpretq_f32_u16(va0x2f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc1x2 = vfmaq_f32(vacc1x2, vreinterpretq_f32_u16(va1x2f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc2x2 = vfmaq_f32(vacc2x2, vreinterpretq_f32_u16(va2x2f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc3x2 = vfmaq_f32(vacc3x2, vreinterpretq_f32_u16(va3x2f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc4x2 = vfmaq_f32(vacc4x2, vreinterpretq_f32_u16(va4x2f.val[1]), vreinterpretq_f32_u16(vb2f.val[1])); vacc0x3 = vfmaq_f32(vacc0x3, vreinterpretq_f32_u16(va0x3f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc1x3 = vfmaq_f32(vacc1x3, vreinterpretq_f32_u16(va1x3f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc2x3 = vfmaq_f32(vacc2x3, vreinterpretq_f32_u16(va2x3f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc3x3 = vfmaq_f32(vacc3x3, vreinterpretq_f32_u16(va3x3f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); vacc4x3 = vfmaq_f32(vacc4x3, vreinterpretq_f32_u16(va4x3f.val[1]), vreinterpretq_f32_u16(vb3f.val[1])); } #if XNN_ARCH_ARM64 const float32x4_t vacc0x01 = vpaddq_f32(vacc0x0, vacc0x1); const float32x4_t vacc1x01 = vpaddq_f32(vacc1x0, vacc1x1); const float32x4_t vacc2x01 = vpaddq_f32(vacc2x0, vacc2x1); const float32x4_t vacc3x01 = vpaddq_f32(vacc3x0, vacc3x1); const float32x4_t vacc4x01 = vpaddq_f32(vacc4x0, vacc4x1); const float32x4_t vacc0x23 = vpaddq_f32(vacc0x2, vacc0x3); const float32x4_t vacc1x23 = vpaddq_f32(vacc1x2, vacc1x3); const float32x4_t vacc2x23 = vpaddq_f32(vacc2x2, vacc2x3); const float32x4_t vacc3x23 = vpaddq_f32(vacc3x2, vacc3x3); const float32x4_t vacc4x23 = vpaddq_f32(vacc4x2, vacc4x3); float32x4_t vacc0x0123 = vpaddq_f32(vacc0x01, vacc0x23); float32x4_t vacc1x0123 = vpaddq_f32(vacc1x01, vacc1x23); float32x4_t vacc2x0123 = vpaddq_f32(vacc2x01, vacc2x23); float32x4_t vacc3x0123 = vpaddq_f32(vacc3x01, vacc3x23); float32x4_t vacc4x0123 = vpaddq_f32(vacc4x01, vacc4x23); #else const float32x2_t vsum0x0 = vadd_f32(vget_low_f32(vacc0x0), vget_high_f32(vacc0x0)); const float32x2_t vsum1x0 = vadd_f32(vget_low_f32(vacc1x0), vget_high_f32(vacc1x0)); const float32x2_t vsum2x0 = vadd_f32(vget_low_f32(vacc2x0), vget_high_f32(vacc2x0)); const float32x2_t vsum3x0 = vadd_f32(vget_low_f32(vacc3x0), vget_high_f32(vacc3x0)); const float32x2_t vsum4x0 = vadd_f32(vget_low_f32(vacc4x0), vget_high_f32(vacc4x0)); const float32x2_t vsum0x1 = vadd_f32(vget_low_f32(vacc0x1), vget_high_f32(vacc0x1)); const float32x2_t vsum1x1 = vadd_f32(vget_low_f32(vacc1x1), vget_high_f32(vacc1x1)); const float32x2_t vsum2x1 = vadd_f32(vget_low_f32(vacc2x1), vget_high_f32(vacc2x1)); const float32x2_t vsum3x1 = vadd_f32(vget_low_f32(vacc3x1), vget_high_f32(vacc3x1)); const float32x2_t vsum4x1 = vadd_f32(vget_low_f32(vacc4x1), vget_high_f32(vacc4x1)); const float32x2_t vsum0x2 = vadd_f32(vget_low_f32(vacc0x2), vget_high_f32(vacc0x2)); const float32x2_t vsum1x2 = vadd_f32(vget_low_f32(vacc1x2), vget_high_f32(vacc1x2)); const float32x2_t vsum2x2 = vadd_f32(vget_low_f32(vacc2x2), vget_high_f32(vacc2x2)); const float32x2_t vsum3x2 = vadd_f32(vget_low_f32(vacc3x2), vget_high_f32(vacc3x2)); const float32x2_t vsum4x2 = vadd_f32(vget_low_f32(vacc4x2), vget_high_f32(vacc4x2)); const float32x2_t vsum0x3 = vadd_f32(vget_low_f32(vacc0x3), vget_high_f32(vacc0x3)); const float32x2_t vsum1x3 = vadd_f32(vget_low_f32(vacc1x3), vget_high_f32(vacc1x3)); const float32x2_t vsum2x3 = vadd_f32(vget_low_f32(vacc2x3), vget_high_f32(vacc2x3)); const float32x2_t vsum3x3 = vadd_f32(vget_low_f32(vacc3x3), vget_high_f32(vacc3x3)); const float32x2_t vsum4x3 = vadd_f32(vget_low_f32(vacc4x3), vget_high_f32(vacc4x3)); float32x4_t vacc0x0123 = vcombine_f32(vpadd_f32(vsum0x0, vsum0x1), vpadd_f32(vsum0x2, vsum0x3)); float32x4_t vacc1x0123 = vcombine_f32(vpadd_f32(vsum1x0, vsum1x1), vpadd_f32(vsum1x2, vsum1x3)); float32x4_t vacc2x0123 = vcombine_f32(vpadd_f32(vsum2x0, vsum2x1), vpadd_f32(vsum2x2, vsum2x3)); float32x4_t vacc3x0123 = vcombine_f32(vpadd_f32(vsum3x0, vsum3x1), vpadd_f32(vsum3x2, vsum3x3)); float32x4_t vacc4x0123 = vcombine_f32(vpadd_f32(vsum4x0, vsum4x1), vpadd_f32(vsum4x2, vsum4x3)); #endif const float32x4_t vmax = vld1q_dup_f32(¶ms->scalar.max); vacc0x0123 = vminq_f32(vacc0x0123, vmax); vacc1x0123 = vminq_f32(vacc1x0123, vmax); vacc2x0123 = vminq_f32(vacc2x0123, vmax); vacc3x0123 = vminq_f32(vacc3x0123, vmax); vacc4x0123 = vminq_f32(vacc4x0123, vmax); const float32x4_t vmin = vld1q_dup_f32(¶ms->scalar.min); vacc0x0123 = vmaxq_f32(vacc0x0123, vmin); vacc1x0123 = vmaxq_f32(vacc1x0123, vmin); vacc2x0123 = vmaxq_f32(vacc2x0123, vmin); vacc3x0123 = vmaxq_f32(vacc3x0123, vmin); vacc4x0123 = vmaxq_f32(vacc4x0123, vmin); uint16x4_t vout0x0123 = vshrn_n_u32(vreinterpretq_u32_f32(vacc0x0123), 16); uint16x4_t vout1x0123 = vshrn_n_u32(vreinterpretq_u32_f32(vacc1x0123), 16); uint16x4_t vout2x0123 = vshrn_n_u32(vreinterpretq_u32_f32(vacc2x0123), 16); uint16x4_t vout3x0123 = vshrn_n_u32(vreinterpretq_u32_f32(vacc3x0123), 16); uint16x4_t vout4x0123 = vshrn_n_u32(vreinterpretq_u32_f32(vacc4x0123), 16); if XNN_LIKELY(nc >= 4) { vst1_u16(c0, vout0x0123); c0 = (uint16_t*) ((uintptr_t) c0 + cn_stride); vst1_u16(c1, vout1x0123); c1 = (uint16_t*) ((uintptr_t) c1 + cn_stride); vst1_u16(c2, vout2x0123); c2 = (uint16_t*) ((uintptr_t) c2 + cn_stride); vst1_u16(c3, vout3x0123); c3 = (uint16_t*) ((uintptr_t) c3 + cn_stride); vst1_u16(c4, vout4x0123); c4 = (uint16_t*) ((uintptr_t) c4 + cn_stride); a0 = (const uint16_t*) ((uintptr_t) a0 - kc); a1 = (const uint16_t*) ((uintptr_t) a1 - kc); a2 = (const uint16_t*) ((uintptr_t) a2 - kc); a3 = (const uint16_t*) ((uintptr_t) a3 - kc); a4 = (const uint16_t*) ((uintptr_t) a4 - kc); nc -= 4; } else { if (nc & 2) { vst1_lane_u32((void*) c0, vreinterpret_u32_u16(vout0x0123), 0); c0 += 2; vst1_lane_u32((void*) c1, vreinterpret_u32_u16(vout1x0123), 0); c1 += 2; vst1_lane_u32((void*) c2, vreinterpret_u32_u16(vout2x0123), 0); c2 += 2; vst1_lane_u32((void*) c3, vreinterpret_u32_u16(vout3x0123), 0); c3 += 2; vst1_lane_u32((void*) c4, vreinterpret_u32_u16(vout4x0123), 0); c4 += 2; vout0x0123 = vext_u16(vout0x0123, vout0x0123, 2); vout1x0123 = vext_u16(vout1x0123, vout1x0123, 2); vout2x0123 = vext_u16(vout2x0123, vout2x0123, 2); vout3x0123 = vext_u16(vout3x0123, vout3x0123, 2); vout4x0123 = vext_u16(vout4x0123, vout4x0123, 2); } if (nc & 1) { vst1_lane_u16(c0, vout0x0123, 0); vst1_lane_u16(c1, vout1x0123, 0); vst1_lane_u16(c2, vout2x0123, 0); vst1_lane_u16(c3, vout3x0123, 0); vst1_lane_u16(c4, vout4x0123, 0); } nc = 0; } } while (nc != 0); }