1*5f39d1b3SJooyung Han // Copyright 2018 The Gemmlowp Authors. All Rights Reserved. 2*5f39d1b3SJooyung Han // 3*5f39d1b3SJooyung Han // Licensed under the Apache License, Version 2.0 (the "License"); 4*5f39d1b3SJooyung Han // you may not use this file except in compliance with the License. 5*5f39d1b3SJooyung Han // You may obtain a copy of the License at 6*5f39d1b3SJooyung Han // 7*5f39d1b3SJooyung Han // http://www.apache.org/licenses/LICENSE-2.0 8*5f39d1b3SJooyung Han // 9*5f39d1b3SJooyung Han // Unless required by applicable law or agreed to in writing, software 10*5f39d1b3SJooyung Han // distributed under the License is distributed on an "AS IS" BASIS, 11*5f39d1b3SJooyung Han // WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. 12*5f39d1b3SJooyung Han // See the License for the specific language governing permissions and 13*5f39d1b3SJooyung Han // limitations under the License. 14*5f39d1b3SJooyung Han 15*5f39d1b3SJooyung Han // simd_wrappers_msa.h: MSA specialization of simd_wrappers.h 16*5f39d1b3SJooyung Han 17*5f39d1b3SJooyung Han #ifndef GEMMLOWP_INTERNAL_SIMD_WRAPPERS_MSA_H_ 18*5f39d1b3SJooyung Han #define GEMMLOWP_INTERNAL_SIMD_WRAPPERS_MSA_H_ 19*5f39d1b3SJooyung Han 20*5f39d1b3SJooyung Han #include <msa.h> 21*5f39d1b3SJooyung Han 22*5f39d1b3SJooyung Han namespace gemmlowp { 23*5f39d1b3SJooyung Han 24*5f39d1b3SJooyung Han using Int32x4 = v4i32; 25*5f39d1b3SJooyung Han using Int16x8 = v8i16; 26*5f39d1b3SJooyung Han using Uint8x16 = v16i8; 27*5f39d1b3SJooyung Han 28*5f39d1b3SJooyung Han template <int ScalarCount> 29*5f39d1b3SJooyung Han struct RegisterType<std::int32_t, ScalarCount> { 30*5f39d1b3SJooyung Han using Type = 31*5f39d1b3SJooyung Han typename std::conditional<ScalarCount >= 4, Int32x4, std::int32_t>::type; 32*5f39d1b3SJooyung Han }; 33*5f39d1b3SJooyung Han 34*5f39d1b3SJooyung Han template <int ScalarCount> 35*5f39d1b3SJooyung Han struct RegisterType<std::int16_t, ScalarCount> { 36*5f39d1b3SJooyung Han using Type = typename std::conditional<ScalarCount >= 8, Int16x8, std::int16_t>::type; 37*5f39d1b3SJooyung Han }; 38*5f39d1b3SJooyung Han 39*5f39d1b3SJooyung Han template <int ScalarCount> 40*5f39d1b3SJooyung Han struct RegisterType<std::uint8_t, ScalarCount> { 41*5f39d1b3SJooyung Han using Type = typename std::conditional< 42*5f39d1b3SJooyung Han ScalarCount >= 16, Uint8x16, 43*5f39d1b3SJooyung Han typename std::conditional<ScalarCount >= 4, std::uint32_t, 44*5f39d1b3SJooyung Han std::uint8_t>::type>::type; 45*5f39d1b3SJooyung Han }; 46*5f39d1b3SJooyung Han 47*5f39d1b3SJooyung Han inline Int32x4 LoadInt32x4(const std::int32_t* src) { 48*5f39d1b3SJooyung Han return __builtin_msa_ld_w(const_cast<std::int32_t*>(src), 0); 49*5f39d1b3SJooyung Han } 50*5f39d1b3SJooyung Han 51*5f39d1b3SJooyung Han inline Int32x4 LoadInt32x4(const Int32x4* src) { 52*5f39d1b3SJooyung Han return __builtin_msa_ld_w(const_cast<Int32x4*>(src), 0); 53*5f39d1b3SJooyung Han } 54*5f39d1b3SJooyung Han 55*5f39d1b3SJooyung Han inline void StoreInt32x4(std::int32_t* dst, Int32x4 value) { 56*5f39d1b3SJooyung Han __builtin_msa_st_w(value, dst, 0); 57*5f39d1b3SJooyung Han } 58*5f39d1b3SJooyung Han 59*5f39d1b3SJooyung Han inline void StoreInt32x4(Int32x4* dst, Int32x4 value) { 60*5f39d1b3SJooyung Han __builtin_msa_st_w(value, dst, 0); 61*5f39d1b3SJooyung Han } 62*5f39d1b3SJooyung Han 63*5f39d1b3SJooyung Han inline Int16x8 LoadInt16x8(const std::int16_t* src) { 64*5f39d1b3SJooyung Han return __builtin_msa_ld_h(const_cast<std::int16_t*>(src), 0); 65*5f39d1b3SJooyung Han } 66*5f39d1b3SJooyung Han 67*5f39d1b3SJooyung Han inline Int16x8 LoadInt16x8(const Int16x8* src) { 68*5f39d1b3SJooyung Han return __builtin_msa_ld_h(const_cast<Int16x8*>(src), 0); 69*5f39d1b3SJooyung Han } 70*5f39d1b3SJooyung Han 71*5f39d1b3SJooyung Han inline void StoreInt16x8(std::int16_t* dst, Int16x8 value) { __builtin_msa_st_h(value, dst, 0); } 72*5f39d1b3SJooyung Han 73*5f39d1b3SJooyung Han inline void StoreInt16x8(Int16x8* dst, Int16x8 value) { __builtin_msa_st_h(value, dst, 0); } 74*5f39d1b3SJooyung Han 75*5f39d1b3SJooyung Han inline Uint8x16 LoadUint8x16(const std::uint8_t* src) { 76*5f39d1b3SJooyung Han return __builtin_msa_ld_b(const_cast<std::uint8_t*>(src), 0); 77*5f39d1b3SJooyung Han } 78*5f39d1b3SJooyung Han 79*5f39d1b3SJooyung Han inline Uint8x16 LoadUint8x16(const Uint8x16* src) { 80*5f39d1b3SJooyung Han return __builtin_msa_ld_b(const_cast<Uint8x16*>(src), 0); 81*5f39d1b3SJooyung Han } 82*5f39d1b3SJooyung Han 83*5f39d1b3SJooyung Han inline void StoreUint8x16(std::uint8_t* dst, Uint8x16 value) { 84*5f39d1b3SJooyung Han __builtin_msa_st_b(value, dst, 0); 85*5f39d1b3SJooyung Han } 86*5f39d1b3SJooyung Han 87*5f39d1b3SJooyung Han inline void StoreUint8x16(Uint8x16* dst, Uint8x16 value) { 88*5f39d1b3SJooyung Han __builtin_msa_st_b(value, dst, 0); 89*5f39d1b3SJooyung Han } 90*5f39d1b3SJooyung Han 91*5f39d1b3SJooyung Han template <int Lane> 92*5f39d1b3SJooyung Han std::int32_t GetLane(Int32x4 value) { 93*5f39d1b3SJooyung Han return __builtin_msa_copy_s_w(value, Lane); 94*5f39d1b3SJooyung Han } 95*5f39d1b3SJooyung Han 96*5f39d1b3SJooyung Han template <int Lane> 97*5f39d1b3SJooyung Han Int32x4 DupLane(Int32x4 value) { 98*5f39d1b3SJooyung Han static_assert(Lane >= 0 && Lane <= 3, ""); 99*5f39d1b3SJooyung Han return __builtin_msa_splati_w(value, Lane); 100*5f39d1b3SJooyung Han } 101*5f39d1b3SJooyung Han 102*5f39d1b3SJooyung Han inline Int32x4 Mul(Int32x4 a, std::int32_t b) { 103*5f39d1b3SJooyung Han return __builtin_msa_mulv_w(a, __builtin_msa_fill_w(b)); 104*5f39d1b3SJooyung Han } 105*5f39d1b3SJooyung Han 106*5f39d1b3SJooyung Han inline Int32x4 Min(Int32x4 a, Int32x4 b) { return __builtin_msa_min_s_w(a, b); } 107*5f39d1b3SJooyung Han 108*5f39d1b3SJooyung Han inline Int32x4 Max(Int32x4 a, Int32x4 b) { return __builtin_msa_max_s_w(a, b); } 109*5f39d1b3SJooyung Han 110*5f39d1b3SJooyung Han inline Int32x4 SaturatingRoundingDoublingHighMul(Int32x4 a, std::int32_t b) { 111*5f39d1b3SJooyung Han return __builtin_msa_mulr_q_w(a, __builtin_msa_fill_w(b)); 112*5f39d1b3SJooyung Han } 113*5f39d1b3SJooyung Han 114*5f39d1b3SJooyung Han template <int Lane> 115*5f39d1b3SJooyung Han Int32x4 MulByRhsLane(Int32x4 a, Int32x4 b) { 116*5f39d1b3SJooyung Han static_assert(Lane >= 0 && Lane <= 3, ""); 117*5f39d1b3SJooyung Han return __builtin_msa_mulv_w(a, __builtin_msa_splati_w(b, Lane)); 118*5f39d1b3SJooyung Han } 119*5f39d1b3SJooyung Han 120*5f39d1b3SJooyung Han static inline v4i32 workaround_msa_maddv_w(v4i32 a, v4i32 b, v4i32 c) { 121*5f39d1b3SJooyung Han // Workaround for incorrect encoding of maddv.df in gcc (a exchanged with c). 122*5f39d1b3SJooyung Han #if 0 123*5f39d1b3SJooyung Han return __builtin_msa_maddv_w(a, b, c); 124*5f39d1b3SJooyung Han #else 125*5f39d1b3SJooyung Han asm volatile("maddv.w %w[a], %w[b], %w[c]\n" 126*5f39d1b3SJooyung Han // Outputs 127*5f39d1b3SJooyung Han : [a] "+f"(a) 128*5f39d1b3SJooyung Han // Inputs 129*5f39d1b3SJooyung Han : [b] "f"(b), [c] "f"(c)); 130*5f39d1b3SJooyung Han return a; 131*5f39d1b3SJooyung Han #endif 132*5f39d1b3SJooyung Han } 133*5f39d1b3SJooyung Han 134*5f39d1b3SJooyung Han inline void MulAdd(Int32x4 lhs, Int32x4 rhs, Int32x4* acc) { 135*5f39d1b3SJooyung Han Int32x4 tmp = LoadInt32x4(acc); 136*5f39d1b3SJooyung Han tmp = workaround_msa_maddv_w(tmp, lhs, rhs); 137*5f39d1b3SJooyung Han StoreInt32x4(acc, tmp); 138*5f39d1b3SJooyung Han } 139*5f39d1b3SJooyung Han 140*5f39d1b3SJooyung Han inline void MulAdd(Int32x4 lhs, std::int32_t rhs, Int32x4* acc) { 141*5f39d1b3SJooyung Han Int32x4 tmp = LoadInt32x4(acc); 142*5f39d1b3SJooyung Han tmp = workaround_msa_maddv_w(tmp, lhs, __builtin_msa_fill_w(rhs)); 143*5f39d1b3SJooyung Han StoreInt32x4(acc, tmp); 144*5f39d1b3SJooyung Han } 145*5f39d1b3SJooyung Han 146*5f39d1b3SJooyung Han template <int Lane> 147*5f39d1b3SJooyung Han inline void MulAddByRhsLane(Int32x4 lhs, Int32x4 rhs, Int32x4* acc) { 148*5f39d1b3SJooyung Han static_assert(Lane >= 0 && Lane <= 3, ""); 149*5f39d1b3SJooyung Han Int32x4 tmp = LoadInt32x4(acc); 150*5f39d1b3SJooyung Han tmp = workaround_msa_maddv_w(tmp, lhs, __builtin_msa_splati_w(rhs, Lane)); 151*5f39d1b3SJooyung Han StoreInt32x4(acc, tmp); 152*5f39d1b3SJooyung Han } 153*5f39d1b3SJooyung Han 154*5f39d1b3SJooyung Han template <> 155*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockUint8<8, 8>> { 156*5f39d1b3SJooyung Han static RegBlockUint8<8, 8> Run(const std::uint8_t* src) { 157*5f39d1b3SJooyung Han RegBlockUint8<8, 8> result; 158*5f39d1b3SJooyung Han for (int i = 0; i < 4; i++) { 159*5f39d1b3SJooyung Han result.buf.reg[i] = LoadUint8x16(src + 16 * i); 160*5f39d1b3SJooyung Han } 161*5f39d1b3SJooyung Han return result; 162*5f39d1b3SJooyung Han } 163*5f39d1b3SJooyung Han }; 164*5f39d1b3SJooyung Han 165*5f39d1b3SJooyung Han template <> 166*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockInt32<8, 8>> { 167*5f39d1b3SJooyung Han static RegBlockInt32<8, 8> Run(const std::int32_t* src) { 168*5f39d1b3SJooyung Han RegBlockInt32<8, 8> result; 169*5f39d1b3SJooyung Han for (int i = 0; i < 16; i++) { 170*5f39d1b3SJooyung Han result.buf.reg[i] = LoadInt32x4(src + 4 * i); 171*5f39d1b3SJooyung Han } 172*5f39d1b3SJooyung Han return result; 173*5f39d1b3SJooyung Han } 174*5f39d1b3SJooyung Han }; 175*5f39d1b3SJooyung Han 176*5f39d1b3SJooyung Han template <> 177*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockInt16<8, 8>> { 178*5f39d1b3SJooyung Han static RegBlockInt16<8, 8> Run(const std::int16_t* src) { 179*5f39d1b3SJooyung Han RegBlockInt16<8, 8> result; 180*5f39d1b3SJooyung Han for (int i = 0; i < 8; i++) { 181*5f39d1b3SJooyung Han result.buf.reg[i] = LoadInt16x8(src + 8 * i); 182*5f39d1b3SJooyung Han } 183*5f39d1b3SJooyung Han return result; 184*5f39d1b3SJooyung Han } 185*5f39d1b3SJooyung Han }; 186*5f39d1b3SJooyung Han 187*5f39d1b3SJooyung Han } // end namespace gemmlowp 188*5f39d1b3SJooyung Han 189*5f39d1b3SJooyung Han #include "simd_wrappers_common_neon_sse.h" 190*5f39d1b3SJooyung Han 191*5f39d1b3SJooyung Han #endif // GEMMLOWP_INTERNAL_SIMD_WRAPPERS_MSA_H_ 192