1 // Copyright 2022 Google LLC
2 //
3 // This source code is licensed under the BSD-style license found in the
4 // LICENSE file in the root directory of this source tree.
5
6
7 #include <cassert>
8
9 #include <xnnpack.h>
10 #include <xnnpack/aarch32-assembler.h>
11 #include <xnnpack/allocator.h>
12 #include <xnnpack/igemm.h>
13
14 namespace xnnpack {
15 namespace aarch32 {
16 namespace {
17 class Generator : public Assembler {
18 using Assembler::Assembler;
19 public:
20 void generate(size_t max_mr, size_t nc_mod_nr, size_t kc, size_t ks, const void* params);
21 };
22
23
24 // void xnn_qc8_igemm_minmax_fp32_ukernel_4x8c4__aarch32_neondot_ld64(
25 // size_t mr, r0
26 // size_t nc, r1
27 // size_t kc, r2 -> r5 -> sp + 52
28 // size_t ks, r3 -> sp + 56 -> r14
29 // const int8_t**restrict a, sp + 96 -> r2
30 // const void*restrict w, sp + 100 -> r9
31 // int8_t*restrict c, sp + 104 -> r11
32 // size_t cm_stride, sp + 108 -> (r6)
33 // size_t cn_stride, sp + 112 -> (r7)
34 // size_t a_offset, sp + 116 -> (r5)
35 // const int8_t* zero, sp + 120 -> (r7)
36 // xnn_qs8_minmax_params*params); sp + 124 -> (r5)
37
38 // d8-d15, r4-r11,r14(lr) need to be preserved if used. r13(sp),r15(pc) are reserved.
39
40 // Register usage
41
42 // A0 r3 d0
43 // A1 r12 d1
44 // A2 r10 d2
45 // A3 r0 d3
46
47 // B r9 q2 q3 q4 q5
48
49 // C0 r11 d16-d17 q8 d18-d19 q9
50 // C1 r4 d20-d21 q10 d22-d23 q11
51 // C2 r8 d24-d25 q12 d26-d27 q13
52 // C3 r6 d28-d29 q14 d30-d31 q15
53
54 // unused q7
55
56 // params structure is 4 bytes
57 // struct {
58 // int16_t output_zero_point; d13[2]
59 // int8_t output_min; d13[6]
60 // int8_t output_max; d13[7]
61 // } xnn_qs8_minmax_params.neonv8;
62
generate(size_t max_mr,size_t nc_mod_nr,size_t kc,size_t ks,const void * params)63 void Generator::generate(size_t max_mr, size_t nc_mod_nr, size_t kc, size_t ks, const void* params)
64 {
65 assert(nc_mod_nr < 8);
66 assert(kc != 0);
67 assert(ks != 0);
68
69 Label l0, l1, l2, l3, l4, l5, l6, l7, l8;
70
71 // Auto-generated file. Do not edit!
72 add(r2, r2, 3); // kc = (kc + 3) & ~3
73 bic(r2, r2, 3);
74
75 // Push 96 bytes
76 // r2 will be reloaded in outer loop. r3 is ks
77 push({r2, r3, r4, r5, r6, r7, r8, r9, r10, r11, lr}); // +44
78 sub(sp, sp, 4); // 4
79 vpush({d8-d13}); // +48 = 96
80
81 ldr(r11, mem[sp, 104]); // c
82 ldr(r6, mem[sp, 108]); // cm_stride
83 ldr(r2, mem[sp, 96]); // a
84 ldr(r9, mem[sp, 100]); // w
85 ldr(r5, mem[sp, 124]); // params
86 mov(r14, r3); // p = ks
87
88 // Clamp C pointers
89 cmp(r0, 2); // if mr >= 2
90 add(r4, r11, r6); // c1 = c0 + cm_stride
91 movlo(r4, r11); // c1
92 // if mr > 2
93 add(r8, r4, r6); // c2 = c1 + cm_stride
94 movls(r8, r4); // c2
95 cmp(r0, 4); // if mr >=4
96 add(r6, r8, r6); // c3 = c2 + cm_stride
97 movlo(r6, r8); // c3
98
99 // Load params values
100 vld1r_32({d13}, mem[r5]); // QC8 params
101
102 bind(l0);
103 // Load initial bias from w into accumulators
104 vldm(mem[r9]++, {d16-d19}); // Bias
105 vmov(q10, q8);
106 vmov(q11, q9);
107 vmov(q12, q8);
108 vmov(q13, q9);
109 vmov(q14, q8);
110 vmov(q15, q9);
111
112 bind(l1);
113 // Load next 4 A pointers
114 ldr(r3, mem[r2, 0]);
115 ldr(r12, mem[r2, 4]);
116 ldr(r10, mem[r2, 8]);
117 ldr(r0, mem[r2, 12]);
118 add(r2, r2, 16);
119
120 // Add a_offset
121 ldr(r5, mem[sp, 116]); // a_offset
122 ldr(r7, mem[sp, 120]); // zero
123 cmp(r3, r7); // if a0 == zero
124 add(r3, r3, r5); // a0 += a_offset
125 moveq(r3, r7); // a0 = zero, else += a0 + a_offset
126 cmp(r12, r7); // if a1 == zero
127 add(r12, r12, r5); // a1 += a_offset
128 moveq(r12, r7); // a1 = zero, else += a1 + a_offset
129 cmp(r10, r7); // if a2 == zero
130 add(r10, r10, r5); // a2 += a_offset
131 moveq(r10, r7); // a2 = zero, else += a2 + a_offset
132 cmp(r0, r7); // if a3 == zero
133 add(r0, r0, r5); // a3 += a_offset
134 ldr(r5, mem[sp, 52]); // kc
135 moveq(r0, r7); // a3 = zero, else += a3 + a_offset
136
137 subs(r5, r5, 8); // kc - 8
138 blo(l4); // less than 8 channels?
139
140 // Main loop - 8 bytes of A.
141 // 16 SDOT, 4 LD64 A, 4 LD128 B
142 align(8);
143 bind(l2);
144 vld1_8({d0}, mem[r3]++); // A0
145 vld1_8({q2}, mem[r9]++); // B0
146 vld1_8({d1}, mem[r12]++); // A1
147 vld1_8({q3}, mem[r9]++); // B1
148 vld1_8({d2}, mem[r10]++); // A2
149 vld1_8({q4}, mem[r9]++); // B2
150 vld1_8({d3}, mem[r0]++); // A3
151 vld1_8({q5}, mem[r9]++); // B3
152 subs(r5, r5, 8);
153
154 vsdot_s8(q8, q2, d0[0]);
155 vsdot_s8(q9, q3, d0[0]);
156 vsdot_s8(q10, q2, d1[0]);
157 vsdot_s8(q11, q3, d1[0]);
158 vsdot_s8(q12, q2, d2[0]);
159 vsdot_s8(q13, q3, d2[0]);
160 vsdot_s8(q14, q2, d3[0]);
161 vsdot_s8(q15, q3, d3[0]);
162
163 vsdot_s8(q8, q4, d0[1]);
164 vsdot_s8(q9, q5, d0[1]);
165 vsdot_s8(q10, q4, d1[1]);
166 vsdot_s8(q11, q5, d1[1]);
167 vsdot_s8(q12, q4, d2[1]);
168 vsdot_s8(q13, q5, d2[1]);
169 vsdot_s8(q14, q4, d3[1]);
170 vsdot_s8(q15, q5, d3[1]);
171 bhs(l2);
172
173 // Is there a remainder?- 4 bytes of A
174 tst(r5, 4);
175 bne(l4);
176
177 bind(l3);
178 // ks loop
179 subs(r14, r14, 16); // ks -= MR * sizeof(void*)
180 bhi(l1);
181
182 ldr(r7, mem[sp, 112]); // cn_stride
183 ldr(r14, mem[sp, 56]); // p = ks
184
185 // QC8 FP32 quantization
186 vld1_8({q0-q1}, mem[r9]++);
187
188 vcvt_f32_s32(q8, q8);
189 vcvt_f32_s32(q9, q9);
190 vcvt_f32_s32(q10, q10);
191 vcvt_f32_s32(q11, q11);
192 vcvt_f32_s32(q12, q12);
193 vcvt_f32_s32(q13, q13);
194 vcvt_f32_s32(q14, q14);
195 vcvt_f32_s32(q15, q15);
196
197 vmul_f32(q8, q8, q0); // multiplier
198 vmul_f32(q9, q9, q1);
199 vmul_f32(q10, q10, q0);
200 vmul_f32(q11, q11, q1);
201 vmul_f32(q12, q12, q0);
202 vmul_f32(q13, q13, q1);
203 vmul_f32(q14, q14, q0);
204 vmul_f32(q15, q15, q1);
205
206 vcvtn_s32_f32(q8, q8);
207 vcvtn_s32_f32(q9, q9);
208 vcvtn_s32_f32(q10, q10);
209 vcvtn_s32_f32(q11, q11);
210 vcvtn_s32_f32(q12, q12);
211 vcvtn_s32_f32(q13, q13);
212 vcvtn_s32_f32(q14, q14);
213 vcvtn_s32_f32(q15, q15);
214 vdup_16(q0, d13[2]); // output_zero_point
215
216 vqmovn_s32(d16, q8);
217 vqmovn_s32(d17, q9);
218 vqmovn_s32(d18, q10);
219 vqmovn_s32(d19, q11);
220 vqmovn_s32(d20, q12);
221 vqmovn_s32(d21, q13);
222 vqmovn_s32(d22, q14);
223 vqmovn_s32(d23, q15);
224
225 vqadd_s16(q8, q8, q0);
226 vqadd_s16(q9, q9, q0);
227 vqadd_s16(q10, q10, q0);
228 vqadd_s16(q11, q11, q0);
229
230 vdup_8(q12, d13[6]); // output_min
231
232 vqmovn_s16(d0, q8);
233 vqmovn_s16(d1, q9);
234 vqmovn_s16(d2, q10);
235 vqmovn_s16(d3, q11);
236
237 vdup_8(q13, d13[7]); // output_max
238
239 vmax_s8(q0, q0, q12);
240 vmax_s8(q1, q1, q12);
241
242 subs(r1, r1, 8); // nc -= 8
243
244 vmin_s8(q0, q0, q13);
245 vmin_s8(q1, q1, q13);
246
247 // Store full 4 x 8
248 blo(l5);
249 vst1_8({d3}, mem[r6], r7);
250 vst1_8({d2}, mem[r8], r7);
251 vst1_8({d1}, mem[r4], r7);
252 vst1_8({d0}, mem[r11], r7);
253 sub(r2, r2, r14); // a -= ks
254 bhi(l0);
255
256 vpop({d8-d13});
257 add(sp, sp, 12); // skip pad, r2, r3
258 pop({r4, r5, r6, r7, r8, r9, r10, r11, pc});
259
260 bind(l4);
261 // Remainder- 4 bytes of A
262 vld1_32({d0[0]}, mem[r3]++); // A0
263 vld1_32({q2}, mem[r9]++); // B0
264 vld1_32({d1[0]}, mem[r12]++); // A1
265 vld1_32({q3}, mem[r9]++); // B1
266 vld1_32({d2[0]}, mem[r10]++); // A2
267 vld1_32({d3[0]}, mem[r0]++); // A3
268
269 vsdot_s8(q8, q2, d0[0]);
270 vsdot_s8(q9, q3, d0[0]);
271 vsdot_s8(q10, q2, d1[0]);
272 vsdot_s8(q11, q3, d1[0]);
273 vsdot_s8(q12, q2, d2[0]);
274 vsdot_s8(q13, q3, d2[0]);
275 vsdot_s8(q14, q2, d3[0]);
276 vsdot_s8(q15, q3, d3[0]);
277 b(l3);
278
279 // Store odd width
280 align(8);
281 bind(l5);
282 tst(r1, 4);
283 beq(l6);
284 vst1_32({d3[0]}, mem[r6]++);
285 vst1_32({d2[0]}, mem[r8]++);
286 vst1_32({d1[0]}, mem[r4]++);
287 vst1_32({d0[0]}, mem[r11]++);
288 vext_8(q1, q1, q1, 4);
289 vext_8(q0, q0, q0, 4);
290 bind(l6);
291 tst(r1, 2);
292 beq(l7);
293 vst1_16({d3[0]}, mem[r6]++);
294 vst1_16({d2[0]}, mem[r8]++);
295 vst1_16({d1[0]}, mem[r4]++);
296 vst1_16({d0[0]}, mem[r11]++);
297 vext_8(q1, q1, q1, 2);
298 vext_8(q0, q0, q0, 2);
299
300 bind(l7);
301 tst(r1, 1);
302 beq(l8);
303 vst1_8({d3[0]}, mem[r6]);
304 vst1_8({d2[0]}, mem[r8]);
305 vst1_8({d1[0]}, mem[r4]);
306 vst1_8({d0[0]}, mem[r11]);
307
308 bind(l8);
309 vpop({d8-d13});
310 add(sp, sp, 12); // skip pad, r2, r3
311 pop({r4, r5, r6, r7, r8, r9, r10, r11, pc});
312 }
313 } // namespace
314 } // aarch32
315 } // xnnpack
316
xnn_generate_qc8_igemm_fp32_ukernel_4x8c4__aarch32_neondot_ld64(xnn_code_buffer * code,size_t max_mr,size_t nc_mod_nr,size_t kc,size_t ks,const void * params)317 xnn_status_t xnn_generate_qc8_igemm_fp32_ukernel_4x8c4__aarch32_neondot_ld64(xnn_code_buffer* code, size_t max_mr, size_t nc_mod_nr, size_t kc, size_t ks, const void* params) {
318 using namespace xnnpack::aarch32;
319 Generator g(code);
320 g.generate(max_mr, nc_mod_nr, kc, ks, nullptr);
321 g.finalize();
322 if (g.error() != xnnpack::Error::kNoError) {
323 return xnn_status_invalid_state;
324 }
325 return xnn_status_success;
326 }
327