| @@ -26,8 +26,116 @@ USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE. | |||
| *****************************************************************************/ | |||
| #include <stdio.h> | |||
| #include <immintrin.h> | |||
| #include "common.h" | |||
| int CNAME(BLASLONG m, BLASLONG n, IFLOAT *a, BLASLONG lda, IFLOAT *b){ | |||
| BLASLONG i, j; | |||
| IFLOAT *boffset; | |||
| boffset = b; | |||
| BLASLONG n32 = n & ~31; | |||
| BLASLONG m4 = m & ~3; | |||
| BLASLONG m2 = m & ~1; | |||
| uint32_t permute_table = { | |||
| 0, 0x10|0, 1, 0x10|1, 2, 0x10|2, 3, 0x10|3, 4, 0x10|4, 5, 0x10|5, 6, 0x10|6, 7, 0x10, 7, | |||
| 8, 0x10|8, 9, 0x10|9, 10, 0x10|10, 11, 0x10|11, 12, 0x10|12, 13, 0x10|13, 14, 0x10|14, 15, 0x10|15, | |||
| }; | |||
| __m512i idx_lo = _mm512_loadu_si512(permute_table); | |||
| __m512i idx_hi = _mm512_loadu_si512(permute_table + 16); | |||
| for (j = 0; j < n32; j += 32) { | |||
| for (i = 0; i < m4; i += 4) { | |||
| /* bf16 fma need special memory layout: | |||
| * for memory layout like below: | |||
| * a00, a01, a02, a03, a04, a05 .... | |||
| * a10, a11, a12, a13, a14, a15 .... | |||
| * need to copy as: | |||
| * a00, a10, a01, a11, a02, a12, a03, a13, ... | |||
| */ | |||
| __m512i a0 = _mm512_loadu_si512(&a[(i + 0)*lda + j]); | |||
| __m512i a1 = _mm512_loadu_si512(&a[(i + 1)*lda + j]); | |||
| __m512i a2 = _mm512_loadu_si512(&a[(i + 2)*lda + j]); | |||
| __m512i a3 = _mm512_loadu_si512(&a[(i + 3)*lda + j]); | |||
| __m512i a00 = _mm512_unpacklo_epi16(a0, a1); | |||
| __m512i a01 = _mm512_unpackhi_epi16(a0, a1); | |||
| __m512i a10 = _mm512_unpacklo_epi16(a2, a3); | |||
| __m512i a11 = _mm512_unpackhi_epi16(a2, a3); | |||
| a0 = _mm512_permutex2var_epi32(a00, idx_lo, a01); | |||
| a1 = _mm512_permutex2var_epi32(a00, idx_hi, a01); | |||
| a2 = _mm512_permutex2var_epi32(a10, idx_lo, a11); | |||
| a3 = _mm512_permutex2var_epi32(a10, idx_hi, a11); | |||
| _mm512_storeu_si512(boffset, a0); | |||
| _mm512_storeu_si512(boffset + 32, a1); | |||
| _mm512_storeu_si512(boffset + 64, a2); | |||
| _mm512_storeu_si512(boffset + 96, a3); | |||
| boffset += 128; | |||
| } | |||
| for (; i < m2; i += 2) { | |||
| __m512i a0 = _mm512_loadu_si512(&a[(i + 0)*lda + j]); | |||
| __m512i a1 = _mm512_loadu_si512(&a[(i + 1)*lda + j]); | |||
| __m512i a00 = _mm512_unpacklo_epi16(a0, a1); | |||
| __m512i a01 = _mm512_unpackhi_epi16(a0, a1); | |||
| a0 = _mm512_permutex2var_epi32(a00, idx_lo, a01); | |||
| a1 = _mm512_permutex2var_epi32(a00, idx_hi, a01); | |||
| _mm512_storeu_si512(boffset, a0); | |||
| _mm512_storeu_si512(boffset + 32, a1); | |||
| boffset += 64; | |||
| } | |||
| for (; i < m; i++) { | |||
| /* just copy the only remains row */ | |||
| __m512i a0 = _mm512_loadu_si512(&a[(i + 0)*lda + j]); | |||
| _mm512_storeu_si512(boffset, a0); | |||
| boffset += 32; | |||
| } | |||
| } | |||
| if (j < n) { | |||
| uint32_t remains = n - j; | |||
| __mmask32 r_mask = (1UL << remains) - 1; | |||
| if (remains > 16) { | |||
| __mmask16 w_mask = (1UL << (remains - 16)) - 1; | |||
| for (i = 0; i < m2; i += 2) { | |||
| __m512i a0 = _mm512_maskz_loadu_epi16(r_mask, &a[(i + 0)*lda + j]); | |||
| __m512i a1 = _mm512_maskz_loadu_epi16(r_mask, &a[(i + 1)*lda + j]); | |||
| __m512i a00 = _mm512_unpacklo_epi16(a0, a1); | |||
| __m512i a01 = _mm512_unpackhi_epi16(a0, a1); | |||
| a0 = _mm512_permutex2var_epi32(a00, idx_lo, a01); | |||
| a1 = _mm512_permutex2var_epi32(a00, idx_hi, a01); | |||
| _mm512_storeu_si512(boffset, a0); | |||
| _mm512_mask_storeu_epi32(boffset + 32, w_mask, a1); | |||
| boffset += 2 * remains; | |||
| } | |||
| } else { | |||
| __mmask16 w_mask = (1UL << remains ) - 1; | |||
| for (i = 0; i < m2; i += 2) { | |||
| __m512i a0 = _mm512_maskz_loadu_epi16(r_mask, &a[(i + 0)*lda + j]); | |||
| __m512i a1 = _mm512_maskz_loadu_epi16(r_mask, &a[(i + 1)*lda + j]); | |||
| __m512i a00 = _mm512_unpacklo_epi16(a0, a1); | |||
| __m512i a01 = _mm512_unpackhi_epi16(a0, a1); | |||
| a0 = _mm512_permutex2var_epi32(a00, idx_lo, a01); | |||
| _mm512_mask_storeu_epi32(boffset, w_mask, a0); | |||
| boffset += 2 * remains; | |||
| } | |||
| } | |||
| for (; i < m; i++) { | |||
| __m512i a0 = _mm512_maskz_loadu_epi16(r_mask, &a[(i + 0)*lda + j]); | |||
| _mm512_mask_storeu_epi16(boffset, r_mask, a0); | |||
| boffset += remains; | |||
| } | |||
| } | |||
| } | |||