xref: /aosp_15_r20/external/gemmlowp/internal/simd_wrappers_neon.h (revision 5f39d1b313f0528e11bae88b3029b54b9e1033e7)
1*5f39d1b3SJooyung Han // Copyright 2017 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_neon.h: NEON specialization of simd_wrappers.h
16*5f39d1b3SJooyung Han 
17*5f39d1b3SJooyung Han #ifndef GEMMLOWP_INTERNAL_SIMD_WRAPPERS_NEON_H_
18*5f39d1b3SJooyung Han #define GEMMLOWP_INTERNAL_SIMD_WRAPPERS_NEON_H_
19*5f39d1b3SJooyung Han 
20*5f39d1b3SJooyung Han #include <arm_neon.h>
21*5f39d1b3SJooyung Han 
22*5f39d1b3SJooyung Han namespace gemmlowp {
23*5f39d1b3SJooyung Han 
24*5f39d1b3SJooyung Han using Int32x4 = int32x4_t;
25*5f39d1b3SJooyung Han using Int16x4 = int16x4_t;
26*5f39d1b3SJooyung Han using Int16x8 = int16x8_t;
27*5f39d1b3SJooyung Han using Uint8x8 = uint8x8_t;
28*5f39d1b3SJooyung Han using Int8x8 = int8x8_t;
29*5f39d1b3SJooyung Han 
30*5f39d1b3SJooyung Han template <int ScalarCount>
31*5f39d1b3SJooyung Han struct RegisterType<std::int32_t, ScalarCount> {
32*5f39d1b3SJooyung Han   using Type =
33*5f39d1b3SJooyung Han       typename std::conditional<ScalarCount >= 4, Int32x4, std::int32_t>::type;
34*5f39d1b3SJooyung Han };
35*5f39d1b3SJooyung Han 
36*5f39d1b3SJooyung Han template <int ScalarCount>
37*5f39d1b3SJooyung Han struct RegisterType<std::int16_t, ScalarCount> {
38*5f39d1b3SJooyung Han   using Type = typename std::conditional<
39*5f39d1b3SJooyung Han       ScalarCount >= 8, Int16x8,
40*5f39d1b3SJooyung Han       typename std::conditional<ScalarCount >= 4, Int16x4,
41*5f39d1b3SJooyung Han                                 std::int16_t>::type>::type;
42*5f39d1b3SJooyung Han };
43*5f39d1b3SJooyung Han 
44*5f39d1b3SJooyung Han template <int ScalarCount>
45*5f39d1b3SJooyung Han struct RegisterType<std::uint8_t, ScalarCount> {
46*5f39d1b3SJooyung Han   using Type = typename std::conditional<
47*5f39d1b3SJooyung Han       ScalarCount >= 8, Uint8x8,
48*5f39d1b3SJooyung Han       typename std::conditional<ScalarCount >= 4, std::uint32_t,
49*5f39d1b3SJooyung Han                                 std::uint8_t>::type>::type;
50*5f39d1b3SJooyung Han };
51*5f39d1b3SJooyung Han 
52*5f39d1b3SJooyung Han template <int ScalarCount>
53*5f39d1b3SJooyung Han struct RegisterType<std::int8_t, ScalarCount> {
54*5f39d1b3SJooyung Han   using Type = typename std::conditional<
55*5f39d1b3SJooyung Han       ScalarCount >= 8, Int8x8,
56*5f39d1b3SJooyung Han       typename std::conditional<ScalarCount >= 4, std::int32_t,
57*5f39d1b3SJooyung Han                                 std::int8_t>::type>::type;
58*5f39d1b3SJooyung Han };
59*5f39d1b3SJooyung Han 
60*5f39d1b3SJooyung Han inline Int32x4 LoadInt32x4(const std::int32_t* src) { return vld1q_s32(src); }
61*5f39d1b3SJooyung Han inline Int16x4 LoadInt16x4(const std::int16_t* src) { return vld1_s16(src); }
62*5f39d1b3SJooyung Han inline Int16x8 LoadInt16x8(const std::int16_t* src) { return vld1q_s16(src); }
63*5f39d1b3SJooyung Han 
64*5f39d1b3SJooyung Han inline void StoreInt32x4(std::int32_t* dst, Int32x4 value) {
65*5f39d1b3SJooyung Han   vst1q_s32(dst, value);
66*5f39d1b3SJooyung Han }
67*5f39d1b3SJooyung Han 
68*5f39d1b3SJooyung Han inline void StoreInt16x4(std::int16_t* dst, Int16x4 value) {
69*5f39d1b3SJooyung Han   vst1_s16(dst, value);
70*5f39d1b3SJooyung Han }
71*5f39d1b3SJooyung Han 
72*5f39d1b3SJooyung Han inline void StoreInt16x8(std::int16_t* dst, Int16x8 value) {
73*5f39d1b3SJooyung Han   vst1q_s16(dst, value);
74*5f39d1b3SJooyung Han }
75*5f39d1b3SJooyung Han 
76*5f39d1b3SJooyung Han template <int Lane>
77*5f39d1b3SJooyung Han std::int32_t GetLane(Int32x4 value) {
78*5f39d1b3SJooyung Han   return vgetq_lane_s32(value, Lane);
79*5f39d1b3SJooyung Han }
80*5f39d1b3SJooyung Han 
81*5f39d1b3SJooyung Han template <int Lane>
82*5f39d1b3SJooyung Han Int32x4 DupLane(Int32x4 value) {
83*5f39d1b3SJooyung Han   switch (Lane) {
84*5f39d1b3SJooyung Han     case 0:
85*5f39d1b3SJooyung Han       return vdupq_lane_s32(vget_low_s32(value), 0);
86*5f39d1b3SJooyung Han     case 1:
87*5f39d1b3SJooyung Han       return vdupq_lane_s32(vget_low_s32(value), 1);
88*5f39d1b3SJooyung Han     case 2:
89*5f39d1b3SJooyung Han       return vdupq_lane_s32(vget_high_s32(value), 0);
90*5f39d1b3SJooyung Han     case 3:
91*5f39d1b3SJooyung Han       return vdupq_lane_s32(vget_high_s32(value), 1);
92*5f39d1b3SJooyung Han     default:
93*5f39d1b3SJooyung Han       static_assert(Lane >= 0 && Lane <= 3, "");
94*5f39d1b3SJooyung Han       return vdupq_n_s32(0);
95*5f39d1b3SJooyung Han   }
96*5f39d1b3SJooyung Han }
97*5f39d1b3SJooyung Han 
98*5f39d1b3SJooyung Han inline Int32x4 Mul(Int32x4 a, std::int32_t b) { return vmulq_n_s32(a, b); }
99*5f39d1b3SJooyung Han 
100*5f39d1b3SJooyung Han inline Int32x4 Min(Int32x4 a, Int32x4 b) { return vminq_s32(a, b); }
101*5f39d1b3SJooyung Han 
102*5f39d1b3SJooyung Han inline Int32x4 Max(Int32x4 a, Int32x4 b) { return vmaxq_s32(a, b); }
103*5f39d1b3SJooyung Han 
104*5f39d1b3SJooyung Han inline Int32x4 Max(Int32x4 a, std::int32_t b) {
105*5f39d1b3SJooyung Han   return vmaxq_s32(a, vdupq_n_s32(b));
106*5f39d1b3SJooyung Han }
107*5f39d1b3SJooyung Han 
108*5f39d1b3SJooyung Han inline Int32x4 SaturatingRoundingDoublingHighMul(Int32x4 a, std::int32_t b) {
109*5f39d1b3SJooyung Han   return vqrdmulhq_n_s32(a, b);
110*5f39d1b3SJooyung Han }
111*5f39d1b3SJooyung Han 
112*5f39d1b3SJooyung Han template <int Lane>
113*5f39d1b3SJooyung Han Int32x4 MulByRhsLane(Int32x4 a, Int32x4 b) {
114*5f39d1b3SJooyung Han   switch (Lane) {
115*5f39d1b3SJooyung Han     case 0:
116*5f39d1b3SJooyung Han       return vmulq_lane_s32(a, vget_low_s32(b), 0);
117*5f39d1b3SJooyung Han     case 1:
118*5f39d1b3SJooyung Han       return vmulq_lane_s32(a, vget_low_s32(b), 1);
119*5f39d1b3SJooyung Han     case 2:
120*5f39d1b3SJooyung Han       return vmulq_lane_s32(a, vget_high_s32(b), 0);
121*5f39d1b3SJooyung Han     case 3:
122*5f39d1b3SJooyung Han       return vmulq_lane_s32(a, vget_high_s32(b), 1);
123*5f39d1b3SJooyung Han     default:
124*5f39d1b3SJooyung Han       static_assert(Lane >= 0 && Lane <= 3, "");
125*5f39d1b3SJooyung Han       return vdupq_n_s32(0);
126*5f39d1b3SJooyung Han   }
127*5f39d1b3SJooyung Han }
128*5f39d1b3SJooyung Han 
129*5f39d1b3SJooyung Han inline void MulAdd(Int32x4 lhs, Int32x4 rhs, Int32x4* acc) {
130*5f39d1b3SJooyung Han   *acc = vmlaq_s32(*acc, lhs, rhs);
131*5f39d1b3SJooyung Han }
132*5f39d1b3SJooyung Han 
133*5f39d1b3SJooyung Han inline void MulAdd(Int32x4 lhs, std::int32_t rhs, Int32x4* acc) {
134*5f39d1b3SJooyung Han   *acc = vmlaq_n_s32(*acc, lhs, rhs);
135*5f39d1b3SJooyung Han }
136*5f39d1b3SJooyung Han 
137*5f39d1b3SJooyung Han template <int Lane>
138*5f39d1b3SJooyung Han inline void MulAddByRhsLane(Int32x4 lhs, Int32x4 rhs, Int32x4* acc) {
139*5f39d1b3SJooyung Han   switch (Lane) {
140*5f39d1b3SJooyung Han     case 0:
141*5f39d1b3SJooyung Han       *acc = vmlaq_lane_s32(*acc, lhs, vget_low_s32(rhs), 0);
142*5f39d1b3SJooyung Han       break;
143*5f39d1b3SJooyung Han     case 1:
144*5f39d1b3SJooyung Han       *acc = vmlaq_lane_s32(*acc, lhs, vget_low_s32(rhs), 1);
145*5f39d1b3SJooyung Han       break;
146*5f39d1b3SJooyung Han     case 2:
147*5f39d1b3SJooyung Han       *acc = vmlaq_lane_s32(*acc, lhs, vget_high_s32(rhs), 0);
148*5f39d1b3SJooyung Han       break;
149*5f39d1b3SJooyung Han     case 3:
150*5f39d1b3SJooyung Han       *acc = vmlaq_lane_s32(*acc, lhs, vget_high_s32(rhs), 1);
151*5f39d1b3SJooyung Han       break;
152*5f39d1b3SJooyung Han     default:
153*5f39d1b3SJooyung Han       static_assert(Lane >= 0 && Lane <= 3, "");
154*5f39d1b3SJooyung Han   }
155*5f39d1b3SJooyung Han }
156*5f39d1b3SJooyung Han 
157*5f39d1b3SJooyung Han template <>
158*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockInt16<8, 8>> {
159*5f39d1b3SJooyung Han   static RegBlockInt16<8, 8> Run(const std::int16_t* src) {
160*5f39d1b3SJooyung Han     RegBlockInt16<8, 8> result;
161*5f39d1b3SJooyung Han     for (int i = 0; i < 8; i++) {
162*5f39d1b3SJooyung Han       result.buf.reg[i] = vld1q_s16(src + 8 * i);
163*5f39d1b3SJooyung Han     }
164*5f39d1b3SJooyung Han     return result;
165*5f39d1b3SJooyung Han   }
166*5f39d1b3SJooyung Han };
167*5f39d1b3SJooyung Han 
168*5f39d1b3SJooyung Han template <>
169*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockUint8<8, 8>> {
170*5f39d1b3SJooyung Han   static RegBlockUint8<8, 8> Run(const std::uint8_t* src) {
171*5f39d1b3SJooyung Han     RegBlockUint8<8, 8> result;
172*5f39d1b3SJooyung Han     for (int i = 0; i < 8; i++) {
173*5f39d1b3SJooyung Han       result.buf.reg[i] = vld1_u8(src + 8 * i);
174*5f39d1b3SJooyung Han     }
175*5f39d1b3SJooyung Han     return result;
176*5f39d1b3SJooyung Han   }
177*5f39d1b3SJooyung Han };
178*5f39d1b3SJooyung Han 
179*5f39d1b3SJooyung Han template <>
180*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockInt8<8, 8>> {
181*5f39d1b3SJooyung Han   static RegBlockInt8<8, 8> Run(const std::int8_t* src) {
182*5f39d1b3SJooyung Han     RegBlockInt8<8, 8> result;
183*5f39d1b3SJooyung Han     for (int i = 0; i < 8; i++) {
184*5f39d1b3SJooyung Han       result.buf.reg[i] = vld1_s8(src + 8 * i);
185*5f39d1b3SJooyung Han     }
186*5f39d1b3SJooyung Han     return result;
187*5f39d1b3SJooyung Han   }
188*5f39d1b3SJooyung Han };
189*5f39d1b3SJooyung Han 
190*5f39d1b3SJooyung Han template <>
191*5f39d1b3SJooyung Han struct LoadContiguousImpl<RegBlockInt32<8, 8>> {
192*5f39d1b3SJooyung Han   static RegBlockInt32<8, 8> Run(const std::int32_t* src) {
193*5f39d1b3SJooyung Han     RegBlockInt32<8, 8> result;
194*5f39d1b3SJooyung Han     for (int i = 0; i < 16; i++) {
195*5f39d1b3SJooyung Han       result.buf.reg[i] = vld1q_s32(src + 4 * i);
196*5f39d1b3SJooyung Han     }
197*5f39d1b3SJooyung Han     return result;
198*5f39d1b3SJooyung Han   }
199*5f39d1b3SJooyung Han };
200*5f39d1b3SJooyung Han 
201*5f39d1b3SJooyung Han // 4x1 := 4x1 + 1x1
202*5f39d1b3SJooyung Han template <>
203*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<4, 1>, RegBlockInt32<1, 1>> {
204*5f39d1b3SJooyung Han   static RegBlockInt32<4, 1> Run(const RegBlockInt32<4, 1>& lhs,
205*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
206*5f39d1b3SJooyung Han     RegBlockInt32<4, 1> result;
207*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], Dup<Int32x4>(rhs.buf.reg[0]));
208*5f39d1b3SJooyung Han     return result;
209*5f39d1b3SJooyung Han   }
210*5f39d1b3SJooyung Han };
211*5f39d1b3SJooyung Han 
212*5f39d1b3SJooyung Han // 1x4 := 1x4 + 1x1
213*5f39d1b3SJooyung Han template <>
214*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<1, 4>, RegBlockInt32<1, 1>> {
215*5f39d1b3SJooyung Han   static RegBlockInt32<1, 4> Run(const RegBlockInt32<1, 4>& lhs,
216*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
217*5f39d1b3SJooyung Han     RegBlockInt32<1, 4> result;
218*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], Dup<Int32x4>(rhs.buf.reg[0]));
219*5f39d1b3SJooyung Han     return result;
220*5f39d1b3SJooyung Han   }
221*5f39d1b3SJooyung Han };
222*5f39d1b3SJooyung Han 
223*5f39d1b3SJooyung Han // 4x1 := 4x1 + 4x1
224*5f39d1b3SJooyung Han template <>
225*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<4, 1>, RegBlockInt32<4, 1>> {
226*5f39d1b3SJooyung Han   static RegBlockInt32<4, 1> Run(const RegBlockInt32<4, 1>& lhs,
227*5f39d1b3SJooyung Han                                  const RegBlockInt32<4, 1>& rhs) {
228*5f39d1b3SJooyung Han     RegBlockInt32<4, 1> result;
229*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], rhs.buf.reg[0]);
230*5f39d1b3SJooyung Han     return result;
231*5f39d1b3SJooyung Han   }
232*5f39d1b3SJooyung Han };
233*5f39d1b3SJooyung Han 
234*5f39d1b3SJooyung Han // 1x4 := 1x4 + 1x4
235*5f39d1b3SJooyung Han template <>
236*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<1, 4>, RegBlockInt32<1, 4>> {
237*5f39d1b3SJooyung Han   static RegBlockInt32<1, 4> Run(const RegBlockInt32<1, 4>& lhs,
238*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 4>& rhs) {
239*5f39d1b3SJooyung Han     RegBlockInt32<1, 4> result;
240*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], rhs.buf.reg[0]);
241*5f39d1b3SJooyung Han     return result;
242*5f39d1b3SJooyung Han   }
243*5f39d1b3SJooyung Han };
244*5f39d1b3SJooyung Han 
245*5f39d1b3SJooyung Han // 4x4 := 4x4 + 1x4
246*5f39d1b3SJooyung Han template <>
247*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<4, 4>, RegBlockInt32<1, 4>> {
248*5f39d1b3SJooyung Han   static RegBlockInt32<4, 4> Run(const RegBlockInt32<4, 4>& lhs,
249*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 4>& rhs) {
250*5f39d1b3SJooyung Han     RegBlockInt32<4, 4> result;
251*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], DupLane<0>(rhs.buf.reg[0]));
252*5f39d1b3SJooyung Han     result.buf.reg[1] = ShiftLeft(lhs.buf.reg[1], DupLane<1>(rhs.buf.reg[0]));
253*5f39d1b3SJooyung Han     result.buf.reg[2] = ShiftLeft(lhs.buf.reg[2], DupLane<2>(rhs.buf.reg[0]));
254*5f39d1b3SJooyung Han     result.buf.reg[3] = ShiftLeft(lhs.buf.reg[3], DupLane<3>(rhs.buf.reg[0]));
255*5f39d1b3SJooyung Han     return result;
256*5f39d1b3SJooyung Han   }
257*5f39d1b3SJooyung Han };
258*5f39d1b3SJooyung Han 
259*5f39d1b3SJooyung Han // 4x4 := 4x4 + 4x1
260*5f39d1b3SJooyung Han template <>
261*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<4, 4>, RegBlockInt32<4, 1>> {
262*5f39d1b3SJooyung Han   static RegBlockInt32<4, 4> Run(const RegBlockInt32<4, 4>& lhs,
263*5f39d1b3SJooyung Han                                  const RegBlockInt32<4, 1>& rhs) {
264*5f39d1b3SJooyung Han     RegBlockInt32<4, 4> result;
265*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], rhs.buf.reg[0]);
266*5f39d1b3SJooyung Han     result.buf.reg[1] = ShiftLeft(lhs.buf.reg[1], rhs.buf.reg[0]);
267*5f39d1b3SJooyung Han     result.buf.reg[2] = ShiftLeft(lhs.buf.reg[2], rhs.buf.reg[0]);
268*5f39d1b3SJooyung Han     result.buf.reg[3] = ShiftLeft(lhs.buf.reg[3], rhs.buf.reg[0]);
269*5f39d1b3SJooyung Han     return result;
270*5f39d1b3SJooyung Han   }
271*5f39d1b3SJooyung Han };
272*5f39d1b3SJooyung Han 
273*5f39d1b3SJooyung Han // 8x1 := 8x1 + 1x1
274*5f39d1b3SJooyung Han template <>
275*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<8, 1>, RegBlockInt32<1, 1>> {
276*5f39d1b3SJooyung Han   static RegBlockInt32<8, 1> Run(const RegBlockInt32<8, 1>& lhs,
277*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
278*5f39d1b3SJooyung Han     RegBlockInt32<8, 1> result;
279*5f39d1b3SJooyung Han     const Int32x4 p = Dup<Int32x4>(rhs.buf.reg[0]);
280*5f39d1b3SJooyung Han     for (int i = 0; i < 2; i++) {
281*5f39d1b3SJooyung Han       result.buf.reg[i] = ShiftLeft(lhs.buf.reg[i], p);
282*5f39d1b3SJooyung Han     }
283*5f39d1b3SJooyung Han     return result;
284*5f39d1b3SJooyung Han   }
285*5f39d1b3SJooyung Han };
286*5f39d1b3SJooyung Han 
287*5f39d1b3SJooyung Han // 8x1 := 8x1 + 8x1
288*5f39d1b3SJooyung Han template <>
289*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<8, 1>, RegBlockInt32<8, 1>> {
290*5f39d1b3SJooyung Han   static RegBlockInt32<8, 1> Run(const RegBlockInt32<8, 1>& lhs,
291*5f39d1b3SJooyung Han                                  const RegBlockInt32<8, 1>& rhs) {
292*5f39d1b3SJooyung Han     RegBlockInt32<8, 1> result;
293*5f39d1b3SJooyung Han     for (int i = 0; i < 2; i++) {
294*5f39d1b3SJooyung Han       result.buf.reg[i] = ShiftLeft(lhs.buf.reg[i], rhs.buf.reg[i]);
295*5f39d1b3SJooyung Han     }
296*5f39d1b3SJooyung Han     return result;
297*5f39d1b3SJooyung Han   }
298*5f39d1b3SJooyung Han };
299*5f39d1b3SJooyung Han 
300*5f39d1b3SJooyung Han // 8x4 := 8x4 + 1x4
301*5f39d1b3SJooyung Han template <>
302*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<8, 4>, RegBlockInt32<1, 4>> {
303*5f39d1b3SJooyung Han   static RegBlockInt32<8, 4> Run(const RegBlockInt32<8, 4>& lhs,
304*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 4>& rhs) {
305*5f39d1b3SJooyung Han     RegBlockInt32<8, 4> result;
306*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], DupLane<0>(rhs.buf.reg[0]));
307*5f39d1b3SJooyung Han     result.buf.reg[1] = ShiftLeft(lhs.buf.reg[1], DupLane<0>(rhs.buf.reg[0]));
308*5f39d1b3SJooyung Han     result.buf.reg[2] = ShiftLeft(lhs.buf.reg[2], DupLane<1>(rhs.buf.reg[0]));
309*5f39d1b3SJooyung Han     result.buf.reg[3] = ShiftLeft(lhs.buf.reg[3], DupLane<1>(rhs.buf.reg[0]));
310*5f39d1b3SJooyung Han     result.buf.reg[4] = ShiftLeft(lhs.buf.reg[4], DupLane<2>(rhs.buf.reg[0]));
311*5f39d1b3SJooyung Han     result.buf.reg[5] = ShiftLeft(lhs.buf.reg[5], DupLane<2>(rhs.buf.reg[0]));
312*5f39d1b3SJooyung Han     result.buf.reg[6] = ShiftLeft(lhs.buf.reg[6], DupLane<3>(rhs.buf.reg[0]));
313*5f39d1b3SJooyung Han     result.buf.reg[7] = ShiftLeft(lhs.buf.reg[7], DupLane<3>(rhs.buf.reg[0]));
314*5f39d1b3SJooyung Han     return result;
315*5f39d1b3SJooyung Han   }
316*5f39d1b3SJooyung Han };
317*5f39d1b3SJooyung Han 
318*5f39d1b3SJooyung Han // 8x4 := 8x4 + 8x1
319*5f39d1b3SJooyung Han template <>
320*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<8, 4>, RegBlockInt32<8, 1>> {
321*5f39d1b3SJooyung Han   static RegBlockInt32<8, 4> Run(const RegBlockInt32<8, 4>& lhs,
322*5f39d1b3SJooyung Han                                  const RegBlockInt32<8, 1>& rhs) {
323*5f39d1b3SJooyung Han     RegBlockInt32<8, 4> result;
324*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], rhs.buf.reg[0]);
325*5f39d1b3SJooyung Han     result.buf.reg[1] = ShiftLeft(lhs.buf.reg[1], rhs.buf.reg[1]);
326*5f39d1b3SJooyung Han     result.buf.reg[2] = ShiftLeft(lhs.buf.reg[2], rhs.buf.reg[0]);
327*5f39d1b3SJooyung Han     result.buf.reg[3] = ShiftLeft(lhs.buf.reg[3], rhs.buf.reg[1]);
328*5f39d1b3SJooyung Han     result.buf.reg[4] = ShiftLeft(lhs.buf.reg[4], rhs.buf.reg[0]);
329*5f39d1b3SJooyung Han     result.buf.reg[5] = ShiftLeft(lhs.buf.reg[5], rhs.buf.reg[1]);
330*5f39d1b3SJooyung Han     result.buf.reg[6] = ShiftLeft(lhs.buf.reg[6], rhs.buf.reg[0]);
331*5f39d1b3SJooyung Han     result.buf.reg[7] = ShiftLeft(lhs.buf.reg[7], rhs.buf.reg[1]);
332*5f39d1b3SJooyung Han     return result;
333*5f39d1b3SJooyung Han   }
334*5f39d1b3SJooyung Han };
335*5f39d1b3SJooyung Han 
336*5f39d1b3SJooyung Han // 1x8 := 1x8 + 1x8
337*5f39d1b3SJooyung Han template <>
338*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<1, 8>, RegBlockInt32<1, 8>> {
339*5f39d1b3SJooyung Han   static RegBlockInt32<1, 8> Run(const RegBlockInt32<1, 8>& lhs,
340*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 8>& rhs) {
341*5f39d1b3SJooyung Han     RegBlockInt32<1, 8> result;
342*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], rhs.buf.reg[0]);
343*5f39d1b3SJooyung Han     result.buf.reg[1] = ShiftLeft(lhs.buf.reg[1], rhs.buf.reg[1]);
344*5f39d1b3SJooyung Han     return result;
345*5f39d1b3SJooyung Han   }
346*5f39d1b3SJooyung Han };
347*5f39d1b3SJooyung Han 
348*5f39d1b3SJooyung Han // 1x8 := 1x8 + 1x1
349*5f39d1b3SJooyung Han template <>
350*5f39d1b3SJooyung Han struct BroadcastShiftLeftImpl<RegBlockInt32<1, 8>, RegBlockInt32<1, 1>> {
351*5f39d1b3SJooyung Han   static RegBlockInt32<1, 8> Run(const RegBlockInt32<1, 8>& lhs,
352*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
353*5f39d1b3SJooyung Han     RegBlockInt32<1, 8> result;
354*5f39d1b3SJooyung Han     result.buf.reg[0] = ShiftLeft(lhs.buf.reg[0], Dup<Int32x4>(rhs.buf.reg[0]));
355*5f39d1b3SJooyung Han     result.buf.reg[1] = ShiftLeft(lhs.buf.reg[1], Dup<Int32x4>(rhs.buf.reg[0]));
356*5f39d1b3SJooyung Han     return result;
357*5f39d1b3SJooyung Han   }
358*5f39d1b3SJooyung Han };
359*5f39d1b3SJooyung Han 
360*5f39d1b3SJooyung Han // 4x1 := 4x1 + 1x1
361*5f39d1b3SJooyung Han template <>
362*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<4, 1>,
363*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 1>> {
364*5f39d1b3SJooyung Han   static RegBlockInt32<4, 1> Run(const RegBlockInt32<4, 1>& lhs,
365*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
366*5f39d1b3SJooyung Han     RegBlockInt32<4, 1> result;
367*5f39d1b3SJooyung Han     result.buf.reg[0] =
368*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[0], Dup<Int32x4>(rhs.buf.reg[0]));
369*5f39d1b3SJooyung Han     return result;
370*5f39d1b3SJooyung Han   }
371*5f39d1b3SJooyung Han };
372*5f39d1b3SJooyung Han 
373*5f39d1b3SJooyung Han // 1x4 := 1x4 + 1x1
374*5f39d1b3SJooyung Han template <>
375*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<1, 4>,
376*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 1>> {
377*5f39d1b3SJooyung Han   static RegBlockInt32<1, 4> Run(const RegBlockInt32<1, 4>& lhs,
378*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
379*5f39d1b3SJooyung Han     RegBlockInt32<1, 4> result;
380*5f39d1b3SJooyung Han     result.buf.reg[0] =
381*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[0], Dup<Int32x4>(rhs.buf.reg[0]));
382*5f39d1b3SJooyung Han     return result;
383*5f39d1b3SJooyung Han   }
384*5f39d1b3SJooyung Han };
385*5f39d1b3SJooyung Han 
386*5f39d1b3SJooyung Han // 4x1 := 4x1 + 4x1
387*5f39d1b3SJooyung Han template <>
388*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<4, 1>,
389*5f39d1b3SJooyung Han                                         RegBlockInt32<4, 1>> {
390*5f39d1b3SJooyung Han   static RegBlockInt32<4, 1> Run(const RegBlockInt32<4, 1>& lhs,
391*5f39d1b3SJooyung Han                                  const RegBlockInt32<4, 1>& rhs) {
392*5f39d1b3SJooyung Han     RegBlockInt32<4, 1> result;
393*5f39d1b3SJooyung Han     result.buf.reg[0] = RoundingDivideByPOT(lhs.buf.reg[0], rhs.buf.reg[0]);
394*5f39d1b3SJooyung Han     return result;
395*5f39d1b3SJooyung Han   }
396*5f39d1b3SJooyung Han };
397*5f39d1b3SJooyung Han 
398*5f39d1b3SJooyung Han // 1x4 := 1x4 + 1x4
399*5f39d1b3SJooyung Han template <>
400*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<1, 4>,
401*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 4>> {
402*5f39d1b3SJooyung Han   static RegBlockInt32<1, 4> Run(const RegBlockInt32<1, 4>& lhs,
403*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 4>& rhs) {
404*5f39d1b3SJooyung Han     RegBlockInt32<1, 4> result;
405*5f39d1b3SJooyung Han     result.buf.reg[0] = RoundingDivideByPOT(lhs.buf.reg[0], rhs.buf.reg[0]);
406*5f39d1b3SJooyung Han     return result;
407*5f39d1b3SJooyung Han   }
408*5f39d1b3SJooyung Han };
409*5f39d1b3SJooyung Han 
410*5f39d1b3SJooyung Han // 4x4 := 4x4 + 1x4
411*5f39d1b3SJooyung Han template <>
412*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<4, 4>,
413*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 4>> {
414*5f39d1b3SJooyung Han   static RegBlockInt32<4, 4> Run(const RegBlockInt32<4, 4>& lhs,
415*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 4>& rhs) {
416*5f39d1b3SJooyung Han     RegBlockInt32<4, 4> result;
417*5f39d1b3SJooyung Han     result.buf.reg[0] =
418*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[0], DupLane<0>(rhs.buf.reg[0]));
419*5f39d1b3SJooyung Han     result.buf.reg[1] =
420*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[1], DupLane<1>(rhs.buf.reg[0]));
421*5f39d1b3SJooyung Han     result.buf.reg[2] =
422*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[2], DupLane<2>(rhs.buf.reg[0]));
423*5f39d1b3SJooyung Han     result.buf.reg[3] =
424*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[3], DupLane<3>(rhs.buf.reg[0]));
425*5f39d1b3SJooyung Han     return result;
426*5f39d1b3SJooyung Han   }
427*5f39d1b3SJooyung Han };
428*5f39d1b3SJooyung Han 
429*5f39d1b3SJooyung Han // 4x4 := 4x4 + 4x1
430*5f39d1b3SJooyung Han template <>
431*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<4, 4>,
432*5f39d1b3SJooyung Han                                         RegBlockInt32<4, 1>> {
433*5f39d1b3SJooyung Han   static RegBlockInt32<4, 4> Run(const RegBlockInt32<4, 4>& lhs,
434*5f39d1b3SJooyung Han                                  const RegBlockInt32<4, 1>& rhs) {
435*5f39d1b3SJooyung Han     RegBlockInt32<4, 4> result;
436*5f39d1b3SJooyung Han     result.buf.reg[0] = RoundingDivideByPOT(lhs.buf.reg[0], rhs.buf.reg[0]);
437*5f39d1b3SJooyung Han     result.buf.reg[1] = RoundingDivideByPOT(lhs.buf.reg[1], rhs.buf.reg[0]);
438*5f39d1b3SJooyung Han     result.buf.reg[2] = RoundingDivideByPOT(lhs.buf.reg[2], rhs.buf.reg[0]);
439*5f39d1b3SJooyung Han     result.buf.reg[3] = RoundingDivideByPOT(lhs.buf.reg[3], rhs.buf.reg[0]);
440*5f39d1b3SJooyung Han     return result;
441*5f39d1b3SJooyung Han   }
442*5f39d1b3SJooyung Han };
443*5f39d1b3SJooyung Han 
444*5f39d1b3SJooyung Han // 8x1 := 8x1 + 1x1
445*5f39d1b3SJooyung Han template <>
446*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<8, 1>,
447*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 1>> {
448*5f39d1b3SJooyung Han   static RegBlockInt32<8, 1> Run(const RegBlockInt32<8, 1>& lhs,
449*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
450*5f39d1b3SJooyung Han     RegBlockInt32<8, 1> result;
451*5f39d1b3SJooyung Han     const Int32x4 p = Dup<Int32x4>(rhs.buf.reg[0]);
452*5f39d1b3SJooyung Han     for (int i = 0; i < 2; i++) {
453*5f39d1b3SJooyung Han       result.buf.reg[i] = RoundingDivideByPOT(lhs.buf.reg[i], p);
454*5f39d1b3SJooyung Han     }
455*5f39d1b3SJooyung Han     return result;
456*5f39d1b3SJooyung Han   }
457*5f39d1b3SJooyung Han };
458*5f39d1b3SJooyung Han 
459*5f39d1b3SJooyung Han // 8x1 := 8x1 + 8x1
460*5f39d1b3SJooyung Han template <>
461*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<8, 1>,
462*5f39d1b3SJooyung Han                                         RegBlockInt32<8, 1>> {
463*5f39d1b3SJooyung Han   static RegBlockInt32<8, 1> Run(const RegBlockInt32<8, 1>& lhs,
464*5f39d1b3SJooyung Han                                  const RegBlockInt32<8, 1>& rhs) {
465*5f39d1b3SJooyung Han     RegBlockInt32<8, 1> result;
466*5f39d1b3SJooyung Han     for (int i = 0; i < 2; i++) {
467*5f39d1b3SJooyung Han       result.buf.reg[i] = RoundingDivideByPOT(lhs.buf.reg[i], rhs.buf.reg[i]);
468*5f39d1b3SJooyung Han     }
469*5f39d1b3SJooyung Han     return result;
470*5f39d1b3SJooyung Han   }
471*5f39d1b3SJooyung Han };
472*5f39d1b3SJooyung Han 
473*5f39d1b3SJooyung Han // 8x4 := 8x4 + 1x4
474*5f39d1b3SJooyung Han template <>
475*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<8, 4>,
476*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 4>> {
477*5f39d1b3SJooyung Han   static RegBlockInt32<8, 4> Run(const RegBlockInt32<8, 4>& lhs,
478*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 4>& rhs) {
479*5f39d1b3SJooyung Han     RegBlockInt32<8, 4> result;
480*5f39d1b3SJooyung Han     result.buf.reg[0] =
481*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[0], DupLane<0>(rhs.buf.reg[0]));
482*5f39d1b3SJooyung Han     result.buf.reg[1] =
483*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[1], DupLane<0>(rhs.buf.reg[0]));
484*5f39d1b3SJooyung Han     result.buf.reg[2] =
485*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[2], DupLane<1>(rhs.buf.reg[0]));
486*5f39d1b3SJooyung Han     result.buf.reg[3] =
487*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[3], DupLane<1>(rhs.buf.reg[0]));
488*5f39d1b3SJooyung Han     result.buf.reg[4] =
489*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[4], DupLane<2>(rhs.buf.reg[0]));
490*5f39d1b3SJooyung Han     result.buf.reg[5] =
491*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[5], DupLane<2>(rhs.buf.reg[0]));
492*5f39d1b3SJooyung Han     result.buf.reg[6] =
493*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[6], DupLane<3>(rhs.buf.reg[0]));
494*5f39d1b3SJooyung Han     result.buf.reg[7] =
495*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[7], DupLane<3>(rhs.buf.reg[0]));
496*5f39d1b3SJooyung Han     return result;
497*5f39d1b3SJooyung Han   }
498*5f39d1b3SJooyung Han };
499*5f39d1b3SJooyung Han 
500*5f39d1b3SJooyung Han // 8x4 := 8x4 + 8x1
501*5f39d1b3SJooyung Han template <>
502*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<8, 4>,
503*5f39d1b3SJooyung Han                                         RegBlockInt32<8, 1>> {
504*5f39d1b3SJooyung Han   static RegBlockInt32<8, 4> Run(const RegBlockInt32<8, 4>& lhs,
505*5f39d1b3SJooyung Han                                  const RegBlockInt32<8, 1>& rhs) {
506*5f39d1b3SJooyung Han     RegBlockInt32<8, 4> result;
507*5f39d1b3SJooyung Han     result.buf.reg[0] = RoundingDivideByPOT(lhs.buf.reg[0], rhs.buf.reg[0]);
508*5f39d1b3SJooyung Han     result.buf.reg[1] = RoundingDivideByPOT(lhs.buf.reg[1], rhs.buf.reg[1]);
509*5f39d1b3SJooyung Han     result.buf.reg[2] = RoundingDivideByPOT(lhs.buf.reg[2], rhs.buf.reg[0]);
510*5f39d1b3SJooyung Han     result.buf.reg[3] = RoundingDivideByPOT(lhs.buf.reg[3], rhs.buf.reg[1]);
511*5f39d1b3SJooyung Han     result.buf.reg[4] = RoundingDivideByPOT(lhs.buf.reg[4], rhs.buf.reg[0]);
512*5f39d1b3SJooyung Han     result.buf.reg[5] = RoundingDivideByPOT(lhs.buf.reg[5], rhs.buf.reg[1]);
513*5f39d1b3SJooyung Han     result.buf.reg[6] = RoundingDivideByPOT(lhs.buf.reg[6], rhs.buf.reg[0]);
514*5f39d1b3SJooyung Han     result.buf.reg[7] = RoundingDivideByPOT(lhs.buf.reg[7], rhs.buf.reg[1]);
515*5f39d1b3SJooyung Han     return result;
516*5f39d1b3SJooyung Han   }
517*5f39d1b3SJooyung Han };
518*5f39d1b3SJooyung Han 
519*5f39d1b3SJooyung Han // 1x8 := 1x8 + 1x8
520*5f39d1b3SJooyung Han template <>
521*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<1, 8>,
522*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 8>> {
523*5f39d1b3SJooyung Han   static RegBlockInt32<1, 8> Run(const RegBlockInt32<1, 8>& lhs,
524*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 8>& rhs) {
525*5f39d1b3SJooyung Han     RegBlockInt32<1, 8> result;
526*5f39d1b3SJooyung Han     result.buf.reg[0] = RoundingDivideByPOT(lhs.buf.reg[0], rhs.buf.reg[0]);
527*5f39d1b3SJooyung Han     result.buf.reg[1] = RoundingDivideByPOT(lhs.buf.reg[1], rhs.buf.reg[1]);
528*5f39d1b3SJooyung Han     return result;
529*5f39d1b3SJooyung Han   }
530*5f39d1b3SJooyung Han };
531*5f39d1b3SJooyung Han 
532*5f39d1b3SJooyung Han // 1x8 := 1x8 + 1x1
533*5f39d1b3SJooyung Han template <>
534*5f39d1b3SJooyung Han struct BroadcastRoundingDivideByPOTImpl<RegBlockInt32<1, 8>,
535*5f39d1b3SJooyung Han                                         RegBlockInt32<1, 1>> {
536*5f39d1b3SJooyung Han   static RegBlockInt32<1, 8> Run(const RegBlockInt32<1, 8>& lhs,
537*5f39d1b3SJooyung Han                                  const RegBlockInt32<1, 1>& rhs) {
538*5f39d1b3SJooyung Han     RegBlockInt32<1, 8> result;
539*5f39d1b3SJooyung Han     result.buf.reg[0] =
540*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[0], Dup<Int32x4>(rhs.buf.reg[0]));
541*5f39d1b3SJooyung Han     result.buf.reg[1] =
542*5f39d1b3SJooyung Han         RoundingDivideByPOT(lhs.buf.reg[1], Dup<Int32x4>(rhs.buf.reg[0]));
543*5f39d1b3SJooyung Han     return result;
544*5f39d1b3SJooyung Han   }
545*5f39d1b3SJooyung Han };
546*5f39d1b3SJooyung Han 
547*5f39d1b3SJooyung Han }  // end namespace gemmlowp
548*5f39d1b3SJooyung Han 
549*5f39d1b3SJooyung Han #include "simd_wrappers_common_neon_sse.h"
550*5f39d1b3SJooyung Han 
551*5f39d1b3SJooyung Han #endif  // GEMMLOWP_INTERNAL_SIMD_WRAPPERS_NEON_H_
552