1 /*
2  * Copyright (c) 2021 Arm Limited.
3  *
4  * SPDX-License-Identifier: MIT
5  *
6  * Permission is hereby granted, free of charge, to any person obtaining a copy
7  * of this software and associated documentation files (the "Software"), to
8  * deal in the Software without restriction, including without limitation the
9  * rights to use, copy, modify, merge, publish, distribute, sublicense, and/or
10  * sell copies of the Software, and to permit persons to whom the Software is
11  * furnished to do so, subject to the following conditions:
12  *
13  * The above copyright notice and this permission notice shall be included in
14  * all copies or substantial portions of the Software.
15  *
16  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
17  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
18  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
19  * AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
20  * LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING
21  * FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS
22  * IN THE SOFTWARE.
23  */
24 
25 #pragma once
26 
27 #ifdef __ARM_FEATURE_SVE
28 
29 
30 namespace {
31 
sve_transpose_interleave_8VL_2x4(uint16_t * out,const uint16_t * in,size_t width,size_t in_stride,size_t height)32 void sve_transpose_interleave_8VL_2x4(uint16_t *out, const uint16_t *in, size_t width, size_t in_stride, size_t height)
33 {
34     uint16_t *pad_row = reinterpret_cast<uint16_t *>(alloca(width * sizeof(uint16_t)));
35 
36     if (height % 4) {
37         memset(pad_row, 0, width * sizeof(uint16_t));
38     }
39 
40     size_t out_stride = 8 * roundup<size_t>(height, 4) * get_vector_length<uint32_t>();
41 
42     __asm__ __volatile__(
43       "ptrue p2.b\n"
44       "cmp %x[height], #0x8\n"
45       "blt 6f\n"
46       "1:"  // Main row loop: Head
47       "mov x11, %x[in]\n"
48       "mov x10, %x[out]\n"
49       "add x9, x11, %x[in_stride]\n"
50       "add x28, x9, %x[in_stride]\n"
51       "add x27, x28, %x[in_stride]\n"
52       "add x26, x27, %x[in_stride]\n"
53       "add x25, x26, %x[in_stride]\n"
54       "add x24, x25, %x[in_stride]\n"
55       "add x23, x24, %x[in_stride]\n"
56       "add %x[in], x23, %x[in_stride]\n"
57       "sub %x[height], %x[height], #0x8\n"
58       "mov x22, %x[width]\n"
59       "cnth x21, ALL, MUL #4\n"
60       "cmp x22, x21\n"
61       "blt 3f\n"
62       "2:"  // Main row loop: Unroll column loop
63       "ld1h { z21.h }, p2/Z, [x11]\n"
64       "mov x20, x10\n"
65       "ld1h { z24.h }, p2/Z, [x11, #1, MUL VL]\n"
66       "add x10, x10, %x[out_stride]\n"
67       "ld1h { z8.h }, p2/Z, [x11, #2, MUL VL]\n"
68       "mov x19, x10\n"
69       "ld1h { z11.h }, p2/Z, [x11, #3, MUL VL]\n"
70       "addvl x11, x11, #4\n"
71       "ld1h { z3.h }, p2/Z, [x9]\n"
72       "add x10, x10, %x[out_stride]\n"
73       "ld1h { z0.h }, p2/Z, [x9, #1, MUL VL]\n"
74       "sub x22, x22, x21\n"
75       "ld1h { z18.h }, p2/Z, [x9, #2, MUL VL]\n"
76       "cmp x22, x21\n"
77       "ld1h { z12.h }, p2/Z, [x9, #3, MUL VL]\n"
78       "addvl x9, x9, #4\n"
79       "ld1h { z16.h }, p2/Z, [x28]\n"
80       "zip1 z22.h, z21.h, z16.h\n"
81       "ld1h { z19.h }, p2/Z, [x28, #1, MUL VL]\n"
82       "zip2 z21.h, z21.h, z16.h\n"
83       "ld1h { z26.h }, p2/Z, [x28, #2, MUL VL]\n"
84       "ld1h { z13.h }, p2/Z, [x28, #3, MUL VL]\n"
85       "zip1 z14.h, z24.h, z19.h\n"
86       "ld1h { z16.h }, p2/Z, [x27]\n"
87       "addvl x28, x28, #4\n"
88       "zip2 z24.h, z24.h, z19.h\n"
89       "ld1h { z27.h }, p2/Z, [x27, #1, MUL VL]\n"
90       "zip1 z17.h, z8.h, z26.h\n"
91       "ld1h { z15.h }, p2/Z, [x27, #2, MUL VL]\n"
92       "zip2 z9.h, z8.h, z26.h\n"
93       "ld1h { z5.h }, p2/Z, [x27, #3, MUL VL]\n"
94       "addvl x27, x27, #4\n"
95       "zip1 z2.h, z3.h, z16.h\n"
96       "ld1h { z4.h }, p2/Z, [x26]\n"
97       "zip2 z16.h, z3.h, z16.h\n"
98       "ld1h { z23.h }, p2/Z, [x26, #1, MUL VL]\n"
99       "zip1 z20.h, z22.h, z2.h\n"
100       "ld1h { z10.h }, p2/Z, [x26, #2, MUL VL]\n"
101       "zip2 z28.h, z22.h, z2.h\n"
102       "ld1h { z8.h }, p2/Z, [x26, #3, MUL VL]\n"
103       "addvl x26, x26, #4\n"
104       "zip1 z26.h, z21.h, z16.h\n"
105       "ld1h { z25.h }, p2/Z, [x25]\n"
106       "zip2 z7.h, z21.h, z16.h\n"
107       "ld1h { z31.h }, p2/Z, [x25, #1, MUL VL]\n"
108       "zip1 z3.h, z0.h, z27.h\n"
109       "ld1h { z16.h }, p2/Z, [x25, #2, MUL VL]\n"
110       "zip1 z22.h, z14.h, z3.h\n"
111       "ld1h { z6.h }, p2/Z, [x25, #3, MUL VL]\n"
112       "addvl x25, x25, #4\n"
113       "zip2 z19.h, z14.h, z3.h\n"
114       "ld1h { z2.h }, p2/Z, [x24]\n"
115       "zip2 z14.h, z0.h, z27.h\n"
116       "ld1h { z21.h }, p2/Z, [x24, #1, MUL VL]\n"
117       "zip1 z29.h, z24.h, z14.h\n"
118       "ld1h { z0.h }, p2/Z, [x24, #2, MUL VL]\n"
119       "zip2 z27.h, z24.h, z14.h\n"
120       "ld1h { z1.h }, p2/Z, [x24, #3, MUL VL]\n"
121       "addvl x24, x24, #4\n"
122       "zip1 z30.h, z4.h, z2.h\n"
123       "ld1h { z3.h }, p2/Z, [x23]\n"
124       "zip2 z14.h, z4.h, z2.h\n"
125       "ld1h { z4.h }, p2/Z, [x23, #1, MUL VL]\n"
126       "zip1 z2.h, z23.h, z21.h\n"
127       "ld1h { z24.h }, p2/Z, [x23, #2, MUL VL]\n"
128       "zip2 z21.h, z23.h, z21.h\n"
129       "ld1h { z23.h }, p2/Z, [x23, #3, MUL VL]\n"
130       "addvl x23, x23, #4\n"
131       "st1h { z20.h }, p2, [x20]\n"
132       "zip1 z20.h, z25.h, z3.h\n"
133       "zip2 z3.h, z25.h, z3.h\n"
134       "st1h { z28.h }, p2, [x20, #1, MUL VL]\n"
135       "zip1 z28.h, z30.h, z20.h\n"
136       "st1h { z26.h }, p2, [x20, #2, MUL VL]\n"
137       "zip2 z20.h, z30.h, z20.h\n"
138       "st1h { z7.h }, p2, [x20, #3, MUL VL]\n"
139       "zip1 z25.h, z14.h, z3.h\n"
140       "st1h { z22.h }, p2, [x20, #4, MUL VL]\n"
141       "zip2 z7.h, z14.h, z3.h\n"
142       "st1h { z19.h }, p2, [x20, #5, MUL VL]\n"
143       "zip1 z14.h, z31.h, z4.h\n"
144       "st1h { z29.h }, p2, [x20, #6, MUL VL]\n"
145       "zip1 z19.h, z2.h, z14.h\n"
146       "st1h { z27.h }, p2, [x20, #7, MUL VL]\n"
147       "addvl x20, x20, #16\n"
148       "zip2 z29.h, z2.h, z14.h\n"
149       "st1h { z28.h }, p2, [x20, #-8, MUL VL]\n"
150       "zip2 z27.h, z31.h, z4.h\n"
151       "st1h { z20.h }, p2, [x20, #-7, MUL VL]\n"
152       "zip1 z30.h, z21.h, z27.h\n"
153       "st1h { z25.h }, p2, [x20, #-6, MUL VL]\n"
154       "zip2 z20.h, z21.h, z27.h\n"
155       "st1h { z7.h }, p2, [x20, #-5, MUL VL]\n"
156       "zip1 z14.h, z18.h, z15.h\n"
157       "st1h { z19.h }, p2, [x20, #-4, MUL VL]\n"
158       "zip1 z19.h, z17.h, z14.h\n"
159       "st1h { z29.h }, p2, [x20, #-3, MUL VL]\n"
160       "zip2 z7.h, z17.h, z14.h\n"
161       "st1h { z30.h }, p2, [x20, #-2, MUL VL]\n"
162       "zip2 z14.h, z18.h, z15.h\n"
163       "st1h { z20.h }, p2, [x20, #-1, MUL VL]\n"
164       "zip1 z17.h, z9.h, z14.h\n"
165       "st1h { z19.h }, p2, [x19]\n"
166       "zip2 z27.h, z9.h, z14.h\n"
167       "st1h { z7.h }, p2, [x19, #1, MUL VL]\n"
168       "zip1 z18.h, z11.h, z13.h\n"
169       "st1h { z17.h }, p2, [x19, #2, MUL VL]\n"
170       "zip1 z17.h, z12.h, z5.h\n"
171       "st1h { z27.h }, p2, [x19, #3, MUL VL]\n"
172       "zip1 z20.h, z18.h, z17.h\n"
173       "st1h { z20.h }, p2, [x19, #4, MUL VL]\n"
174       "zip2 z18.h, z18.h, z17.h\n"
175       "st1h { z18.h }, p2, [x19, #5, MUL VL]\n"
176       "zip2 z18.h, z11.h, z13.h\n"
177       "zip2 z17.h, z12.h, z5.h\n"
178       "zip1 z29.h, z18.h, z17.h\n"
179       "st1h { z29.h }, p2, [x19, #6, MUL VL]\n"
180       "zip2 z17.h, z18.h, z17.h\n"
181       "st1h { z17.h }, p2, [x19, #7, MUL VL]\n"
182       "addvl x19, x19, #16\n"
183       "zip1 z18.h, z10.h, z0.h\n"
184       "zip1 z17.h, z16.h, z24.h\n"
185       "zip1 z30.h, z18.h, z17.h\n"
186       "st1h { z30.h }, p2, [x19, #-8, MUL VL]\n"
187       "zip2 z30.h, z18.h, z17.h\n"
188       "st1h { z30.h }, p2, [x19, #-7, MUL VL]\n"
189       "zip2 z18.h, z10.h, z0.h\n"
190       "zip2 z17.h, z16.h, z24.h\n"
191       "zip1 z16.h, z18.h, z17.h\n"
192       "st1h { z16.h }, p2, [x19, #-6, MUL VL]\n"
193       "zip2 z16.h, z18.h, z17.h\n"
194       "st1h { z16.h }, p2, [x19, #-5, MUL VL]\n"
195       "zip1 z18.h, z8.h, z1.h\n"
196       "zip1 z17.h, z6.h, z23.h\n"
197       "zip1 z16.h, z18.h, z17.h\n"
198       "st1h { z16.h }, p2, [x19, #-4, MUL VL]\n"
199       "zip2 z16.h, z18.h, z17.h\n"
200       "st1h { z16.h }, p2, [x19, #-3, MUL VL]\n"
201       "zip2 z18.h, z8.h, z1.h\n"
202       "zip2 z17.h, z6.h, z23.h\n"
203       "zip1 z16.h, z18.h, z17.h\n"
204       "st1h { z16.h }, p2, [x19, #-2, MUL VL]\n"
205       "zip2 z16.h, z18.h, z17.h\n"
206       "st1h { z16.h }, p2, [x19, #-1, MUL VL]\n"
207       "bge 2b\n"
208       "3:"  // Main row loop: Unroll column loop skip
209       "cbz x22, 5f\n"
210       "4:"  // Main row loop: Column loop
211       "mov x20, x22\n"
212       "mov x19, x10\n"
213       "whilelt p1.h, XZR, x20\n"
214       "ld1h { z17.h }, p1/Z, [x11]\n"
215       "ld1h { z22.h }, p1/Z, [x9]\n"
216       "dech x20\n"
217       "ld1h { z16.h }, p1/Z, [x28]\n"
218       "zip1 z19.h, z17.h, z16.h\n"
219       "ld1h { z18.h }, p1/Z, [x27]\n"
220       "whilelt p0.h, XZR, x20\n"
221       "zip2 z17.h, z17.h, z16.h\n"
222       "ld1h { z21.h }, p0/Z, [x11, #1, MUL VL]\n"
223       "addvl x11, x11, #2\n"
224       "zip1 z16.h, z22.h, z18.h\n"
225       "ld1h { z2.h }, p0/Z, [x9, #1, MUL VL]\n"
226       "addvl x9, x9, #2\n"
227       "zip1 z1.h, z19.h, z16.h\n"
228       "ld1h { z20.h }, p0/Z, [x28, #1, MUL VL]\n"
229       "addvl x28, x28, #2\n"
230       "zip2 z0.h, z19.h, z16.h\n"
231       "ld1h { z19.h }, p0/Z, [x27, #1, MUL VL]\n"
232       "addvl x27, x27, #2\n"
233       "zip2 z16.h, z22.h, z18.h\n"
234       "ld1h { z31.h }, p1/Z, [x26]\n"
235       "add x10, x10, %x[out_stride]\n"
236       "zip1 z30.h, z17.h, z16.h\n"
237       "ld1h { z29.h }, p0/Z, [x26, #1, MUL VL]\n"
238       "addvl x26, x26, #2\n"
239       "zip2 z28.h, z17.h, z16.h\n"
240       "ld1h { z27.h }, p1/Z, [x25]\n"
241       "decd x22, ALL, MUL #8\n"
242       "zip1 z17.h, z21.h, z20.h\n"
243       "ld1h { z26.h }, p0/Z, [x25, #1, MUL VL]\n"
244       "addvl x25, x25, #2\n"
245       "zip1 z16.h, z2.h, z19.h\n"
246       "ld1h { z25.h }, p1/Z, [x24]\n"
247       "cmp x22, #0x0\n"
248       "zip1 z18.h, z17.h, z16.h\n"
249       "ld1h { z24.h }, p0/Z, [x24, #1, MUL VL]\n"
250       "addvl x24, x24, #2\n"
251       "zip2 z23.h, z17.h, z16.h\n"
252       "ld1h { z22.h }, p1/Z, [x23]\n"
253       "zip2 z17.h, z21.h, z20.h\n"
254       "ld1h { z21.h }, p0/Z, [x23, #1, MUL VL]\n"
255       "addvl x23, x23, #2\n"
256       "zip2 z16.h, z2.h, z19.h\n"
257       "st1h { z1.h }, p2, [x19]\n"
258       "zip1 z20.h, z31.h, z25.h\n"
259       "st1h { z0.h }, p2, [x19, #1, MUL VL]\n"
260       "zip1 z19.h, z17.h, z16.h\n"
261       "st1h { z30.h }, p2, [x19, #2, MUL VL]\n"
262       "zip2 z17.h, z17.h, z16.h\n"
263       "st1h { z28.h }, p2, [x19, #3, MUL VL]\n"
264       "zip1 z16.h, z27.h, z22.h\n"
265       "st1h { z18.h }, p2, [x19, #4, MUL VL]\n"
266       "zip1 z18.h, z20.h, z16.h\n"
267       "st1h { z23.h }, p2, [x19, #5, MUL VL]\n"
268       "zip2 z16.h, z20.h, z16.h\n"
269       "st1h { z19.h }, p2, [x19, #6, MUL VL]\n"
270       "zip2 z19.h, z31.h, z25.h\n"
271       "st1h { z17.h }, p2, [x19, #7, MUL VL]\n"
272       "addvl x19, x19, #16\n"
273       "zip2 z17.h, z27.h, z22.h\n"
274       "st1h { z18.h }, p2, [x19, #-8, MUL VL]\n"
275       "zip1 z18.h, z29.h, z24.h\n"
276       "st1h { z16.h }, p2, [x19, #-7, MUL VL]\n"
277       "zip1 z16.h, z19.h, z17.h\n"
278       "st1h { z16.h }, p2, [x19, #-6, MUL VL]\n"
279       "zip2 z16.h, z19.h, z17.h\n"
280       "st1h { z16.h }, p2, [x19, #-5, MUL VL]\n"
281       "zip1 z17.h, z26.h, z21.h\n"
282       "zip1 z16.h, z18.h, z17.h\n"
283       "st1h { z16.h }, p2, [x19, #-4, MUL VL]\n"
284       "zip2 z16.h, z18.h, z17.h\n"
285       "st1h { z16.h }, p2, [x19, #-3, MUL VL]\n"
286       "zip2 z18.h, z29.h, z24.h\n"
287       "zip2 z17.h, z26.h, z21.h\n"
288       "zip1 z16.h, z18.h, z17.h\n"
289       "st1h { z16.h }, p2, [x19, #-2, MUL VL]\n"
290       "zip2 z16.h, z18.h, z17.h\n"
291       "st1h { z16.h }, p2, [x19, #-1, MUL VL]\n"
292       "bgt 4b\n"
293       "5:"  // Main row loop: Column loop skip
294       "addvl %x[out], %x[out], #16\n"
295       "cmp %x[height], #0x8\n"
296       "bge 1b\n"
297       "cbz %x[height], 12f\n"
298       "6:"  // Main loop skip
299 
300       "7:"  // Tail row loop: Head
301       "mov x11, %x[in]\n"
302       "mov x10, %x[out]\n"
303       "add x9, x11, %x[in_stride]\n"
304       "add x28, x9, %x[in_stride]\n"
305       "add x27, x28, %x[in_stride]\n"
306       "add %x[in], x27, %x[in_stride]\n"
307       "cmp %x[height], #0x3\n"
308       "csel x27, x27, %x[pad_row], GT\n"
309       "csel x28, x28, %x[pad_row], GE\n"
310       "cmp %x[height], #0x1\n"
311       "csel x9, x9, %x[pad_row], GT\n"
312       "sub %x[height], %x[height], #0x4\n"
313       "mov x20, %x[width]\n"
314       "cnth x19, ALL, MUL #4\n"
315       "cmp x20, x19\n"
316       "blt 9f\n"
317       "8:"  // Tail row loop: Unroll column loop
318       "ld1h { z17.h }, p2/Z, [x11]\n"
319       "sub x20, x20, x19\n"
320       "ld1h { z20.h }, p2/Z, [x11, #1, MUL VL]\n"
321       "cmp x20, x19\n"
322       "ld1h { z19.h }, p2/Z, [x11, #2, MUL VL]\n"
323       "ld1h { z1.h }, p2/Z, [x11, #3, MUL VL]\n"
324       "addvl x11, x11, #4\n"
325       "ld1h { z0.h }, p2/Z, [x9]\n"
326       "ld1h { z31.h }, p2/Z, [x9, #1, MUL VL]\n"
327       "ld1h { z30.h }, p2/Z, [x9, #2, MUL VL]\n"
328       "ld1h { z29.h }, p2/Z, [x9, #3, MUL VL]\n"
329       "addvl x9, x9, #4\n"
330       "ld1h { z16.h }, p2/Z, [x28]\n"
331       "zip1 z28.h, z17.h, z16.h\n"
332       "ld1h { z18.h }, p2/Z, [x28, #1, MUL VL]\n"
333       "zip2 z27.h, z17.h, z16.h\n"
334       "ld1h { z17.h }, p2/Z, [x28, #2, MUL VL]\n"
335       "ld1h { z26.h }, p2/Z, [x28, #3, MUL VL]\n"
336       "zip1 z25.h, z20.h, z18.h\n"
337       "ld1h { z16.h }, p2/Z, [x27]\n"
338       "addvl x28, x28, #4\n"
339       "zip2 z24.h, z20.h, z18.h\n"
340       "ld1h { z23.h }, p2/Z, [x27, #1, MUL VL]\n"
341       "zip1 z22.h, z19.h, z17.h\n"
342       "ld1h { z21.h }, p2/Z, [x27, #2, MUL VL]\n"
343       "zip2 z20.h, z19.h, z17.h\n"
344       "ld1h { z19.h }, p2/Z, [x27, #3, MUL VL]\n"
345       "addvl x27, x27, #4\n"
346       "zip1 z18.h, z0.h, z16.h\n"
347       "zip2 z17.h, z0.h, z16.h\n"
348       "zip1 z16.h, z28.h, z18.h\n"
349       "st1h { z16.h }, p2, [x10]\n"
350       "zip2 z16.h, z28.h, z18.h\n"
351       "st1h { z16.h }, p2, [x10, #1, MUL VL]\n"
352       "zip1 z16.h, z27.h, z17.h\n"
353       "st1h { z16.h }, p2, [x10, #2, MUL VL]\n"
354       "zip2 z16.h, z27.h, z17.h\n"
355       "st1h { z16.h }, p2, [x10, #3, MUL VL]\n"
356       "zip1 z17.h, z31.h, z23.h\n"
357       "zip1 z16.h, z25.h, z17.h\n"
358       "st1h { z16.h }, p2, [x10, #4, MUL VL]\n"
359       "zip2 z16.h, z25.h, z17.h\n"
360       "st1h { z16.h }, p2, [x10, #5, MUL VL]\n"
361       "zip2 z17.h, z31.h, z23.h\n"
362       "zip1 z16.h, z24.h, z17.h\n"
363       "st1h { z16.h }, p2, [x10, #6, MUL VL]\n"
364       "zip2 z16.h, z24.h, z17.h\n"
365       "st1h { z16.h }, p2, [x10, #7, MUL VL]\n"
366       "add x10, x10, %x[out_stride]\n"
367       "zip1 z18.h, z30.h, z21.h\n"
368       "zip2 z17.h, z30.h, z21.h\n"
369       "zip1 z16.h, z22.h, z18.h\n"
370       "st1h { z16.h }, p2, [x10]\n"
371       "zip2 z16.h, z22.h, z18.h\n"
372       "st1h { z16.h }, p2, [x10, #1, MUL VL]\n"
373       "zip1 z16.h, z20.h, z17.h\n"
374       "st1h { z16.h }, p2, [x10, #2, MUL VL]\n"
375       "zip2 z16.h, z20.h, z17.h\n"
376       "st1h { z16.h }, p2, [x10, #3, MUL VL]\n"
377       "zip1 z18.h, z1.h, z26.h\n"
378       "zip1 z17.h, z29.h, z19.h\n"
379       "zip1 z16.h, z18.h, z17.h\n"
380       "st1h { z16.h }, p2, [x10, #4, MUL VL]\n"
381       "zip2 z16.h, z18.h, z17.h\n"
382       "st1h { z16.h }, p2, [x10, #5, MUL VL]\n"
383       "zip2 z18.h, z1.h, z26.h\n"
384       "zip2 z17.h, z29.h, z19.h\n"
385       "zip1 z16.h, z18.h, z17.h\n"
386       "st1h { z16.h }, p2, [x10, #6, MUL VL]\n"
387       "zip2 z16.h, z18.h, z17.h\n"
388       "st1h { z16.h }, p2, [x10, #7, MUL VL]\n"
389       "add x10, x10, %x[out_stride]\n"
390       "bge 8b\n"
391       "9:"  // Tail row loop: Unroll column loop skip
392       "cbz x20, 11f\n"
393       "10:"  // Tail row loop: Column loop
394       "mov x19, x20\n"
395       "decd x20, ALL, MUL #8\n"
396       "whilelt p0.h, XZR, x19\n"
397       "ld1h { z17.h }, p0/Z, [x11]\n"
398       "ld1h { z25.h }, p0/Z, [x9]\n"
399       "dech x19\n"
400       "ld1h { z16.h }, p0/Z, [x28]\n"
401       "zip1 z18.h, z17.h, z16.h\n"
402       "ld1h { z24.h }, p0/Z, [x27]\n"
403       "whilelt p0.h, XZR, x19\n"
404       "zip2 z23.h, z17.h, z16.h\n"
405       "ld1h { z22.h }, p0/Z, [x11, #1, MUL VL]\n"
406       "addvl x11, x11, #2\n"
407       "zip1 z16.h, z25.h, z24.h\n"
408       "ld1h { z21.h }, p0/Z, [x9, #1, MUL VL]\n"
409       "addvl x9, x9, #2\n"
410       "zip1 z17.h, z18.h, z16.h\n"
411       "ld1h { z20.h }, p0/Z, [x28, #1, MUL VL]\n"
412       "addvl x28, x28, #2\n"
413       "zip2 z18.h, z18.h, z16.h\n"
414       "ld1h { z19.h }, p0/Z, [x27, #1, MUL VL]\n"
415       "addvl x27, x27, #2\n"
416       "zip2 z16.h, z25.h, z24.h\n"
417       "st1h { z17.h }, p2, [x10]\n"
418       "cmp x20, #0x0\n"
419       "zip1 z17.h, z23.h, z16.h\n"
420       "st1h { z18.h }, p2, [x10, #1, MUL VL]\n"
421       "zip2 z16.h, z23.h, z16.h\n"
422       "st1h { z17.h }, p2, [x10, #2, MUL VL]\n"
423       "zip1 z18.h, z22.h, z20.h\n"
424       "st1h { z16.h }, p2, [x10, #3, MUL VL]\n"
425       "zip1 z17.h, z21.h, z19.h\n"
426       "zip1 z16.h, z18.h, z17.h\n"
427       "st1h { z16.h }, p2, [x10, #4, MUL VL]\n"
428       "zip2 z16.h, z18.h, z17.h\n"
429       "st1h { z16.h }, p2, [x10, #5, MUL VL]\n"
430       "zip2 z18.h, z22.h, z20.h\n"
431       "zip2 z17.h, z21.h, z19.h\n"
432       "zip1 z16.h, z18.h, z17.h\n"
433       "st1h { z16.h }, p2, [x10, #6, MUL VL]\n"
434       "zip2 z16.h, z18.h, z17.h\n"
435       "st1h { z16.h }, p2, [x10, #7, MUL VL]\n"
436       "add x10, x10, %x[out_stride]\n"
437       "bgt 10b\n"
438       "11:"  // Tail row loop: Column loop skip
439       "addvl %x[out], %x[out], #8\n"
440       "cmp %x[height], #0x1\n"
441       "bge 7b\n"
442       "12:"  // Done
443 
444       : [height] "+&r" (height), [in] "+&r" (in), [out] "+&r" (out)
445       : [in_stride] "r" (in_stride), [out_stride] "r" (out_stride), [pad_row] "r" (pad_row), [width] "r" (width)
446       : "cc", "memory", "p0", "p1", "p2", "x9", "x10", "x11", "x19", "x20", "x21", "x22", "x23", "x24", "x25", "x26", "x27", "x28", "z0", "z1", "z2", "z3", "z4", "z5", "z6", "z7", "z8", "z9", "z10", "z11", "z12", "z13", "z14", "z15", "z16", "z17", "z18", "z19", "z20", "z21", "z22", "z23", "z24", "z25", "z26", "z27", "z28", "z29", "z30", "z31"
447     );
448 }
449 
450 } // anonymous namespace
451 
452 template<>
Transform(bfloat16 * out,const bfloat16 * in,int stride,int x0,int xmax,int k0,int kmax)453 void Transform<8, 4, true, VLType::SVE>(
454     bfloat16 *out, const bfloat16 *in, int stride, int x0, int xmax, int k0, int kmax)
455 {
456     sve_transpose_interleave_8VL_2x4(
457         reinterpret_cast<uint16_t *>(out),
458         reinterpret_cast<const uint16_t *>(in + k0 * stride + x0),
459         (xmax-x0) * sizeof(bfloat16) / 2,
460         stride * sizeof(bfloat16),
461         (kmax-k0)
462     );
463 }
464 
465 #endif
466