1*5f39d1b3SJooyung Han // Copyright 2015 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 // pack_SSE.h: optimized SSE specializations of the templates in pack.h. 16*5f39d1b3SJooyung Han 17*5f39d1b3SJooyung Han #ifndef GEMMLOWP_INTERNAL_PACK_SSE_H_ 18*5f39d1b3SJooyung Han #define GEMMLOWP_INTERNAL_PACK_SSE_H_ 19*5f39d1b3SJooyung Han 20*5f39d1b3SJooyung Han #include <smmintrin.h> 21*5f39d1b3SJooyung Han #include "pack.h" 22*5f39d1b3SJooyung Han 23*5f39d1b3SJooyung Han namespace gemmlowp { 24*5f39d1b3SJooyung Han 25*5f39d1b3SJooyung Han // TODO: Add DepthMajorUint8SideMap 26*5f39d1b3SJooyung Han 27*5f39d1b3SJooyung Han typedef SideMap<const std::uint8_t, SideMapOrder::WidthMajor> 28*5f39d1b3SJooyung Han WidthMajorUint8SideMap; 29*5f39d1b3SJooyung Han 30*5f39d1b3SJooyung Han template <int Cells> 31*5f39d1b3SJooyung Han using WidthMajorSideFormatNCells4x2 = 32*5f39d1b3SJooyung Han KernelSideFormat<CellFormat<4, 2, CellOrder::WidthMajor>, Cells>; 33*5f39d1b3SJooyung Han 34*5f39d1b3SJooyung Han template <int Cells> 35*5f39d1b3SJooyung Han class PackingRegisterBlock< 36*5f39d1b3SJooyung Han WidthMajorUint8SideMap, 37*5f39d1b3SJooyung Han PackedSideBlock<WidthMajorSideFormatNCells4x2<Cells> > > 38*5f39d1b3SJooyung Han : public PackingRegisterBlockBase< 39*5f39d1b3SJooyung Han WidthMajorUint8SideMap, 40*5f39d1b3SJooyung Han PackedSideBlock<WidthMajorSideFormatNCells4x2<Cells> > > { 41*5f39d1b3SJooyung Han public: 42*5f39d1b3SJooyung Han typedef WidthMajorSideFormatNCells4x2<Cells> KernelSideFormat; 43*5f39d1b3SJooyung Han typedef typename KernelSideFormat::Cell CellFormat; 44*5f39d1b3SJooyung Han static constexpr int kCells = KernelSideFormat::kCells; 45*5f39d1b3SJooyung Han static constexpr int kCellWidth = CellFormat::kWidth; 46*5f39d1b3SJooyung Han static constexpr int kKernelWidth = CellFormat::kWidth * kCells; 47*5f39d1b3SJooyung Han static constexpr int kCellDepth = CellFormat::kDepth; 48*5f39d1b3SJooyung Han static constexpr int kCellSize = CellFormat::kSize; 49*5f39d1b3SJooyung Han Pack(PackedSideBlock<KernelSideFormat> * dst,int start_width)50*5f39d1b3SJooyung Han void Pack(PackedSideBlock<KernelSideFormat>* dst, int start_width) { 51*5f39d1b3SJooyung Han std::uint8_t* dst_ptr = dst->current_data(); 52*5f39d1b3SJooyung Han const int width_stride = this->complete_src_.width_stride(); 53*5f39d1b3SJooyung Han int depth_step = 8; 54*5f39d1b3SJooyung Han 55*5f39d1b3SJooyung Han __m128i one = _mm_set1_epi16(1); 56*5f39d1b3SJooyung Han for (int cell_start_depth = 0; cell_start_depth < kRegisterSize; 57*5f39d1b3SJooyung Han cell_start_depth += depth_step) { 58*5f39d1b3SJooyung Han for (int cell_start_width = 0; cell_start_width < kKernelWidth; 59*5f39d1b3SJooyung Han cell_start_width += kCellWidth) { 60*5f39d1b3SJooyung Han std::int32_t* cell_sums_of_each_slice_ptr = 61*5f39d1b3SJooyung Han dst->sums_of_each_slice() + start_width + cell_start_width; 62*5f39d1b3SJooyung Han const std::uint8_t* src_data = 63*5f39d1b3SJooyung Han this->complete_src_.data(cell_start_width, cell_start_depth); 64*5f39d1b3SJooyung Han 65*5f39d1b3SJooyung Han __m128i xmm1 = 66*5f39d1b3SJooyung Han _mm_loadl_epi64(reinterpret_cast<const __m128i*>(&src_data[0])); 67*5f39d1b3SJooyung Han __m128i xmm2 = _mm_loadl_epi64( 68*5f39d1b3SJooyung Han reinterpret_cast<const __m128i*>(&src_data[1 * width_stride])); 69*5f39d1b3SJooyung Han __m128i xmm3 = _mm_loadl_epi64( 70*5f39d1b3SJooyung Han reinterpret_cast<const __m128i*>(&src_data[2 * width_stride])); 71*5f39d1b3SJooyung Han __m128i xmm4 = _mm_loadl_epi64( 72*5f39d1b3SJooyung Han reinterpret_cast<const __m128i*>(&src_data[3 * width_stride])); 73*5f39d1b3SJooyung Han 74*5f39d1b3SJooyung Han __m128i xmm5 = _mm_unpacklo_epi16(xmm1, xmm2); 75*5f39d1b3SJooyung Han __m128i xmm8 = _mm_shuffle_epi32(xmm5, 0x31); 76*5f39d1b3SJooyung Han 77*5f39d1b3SJooyung Han __m128i xmm6 = _mm_unpacklo_epi16(xmm3, xmm4); 78*5f39d1b3SJooyung Han __m128i xmm7 = _mm_shuffle_epi32(xmm6, 0x80); 79*5f39d1b3SJooyung Han 80*5f39d1b3SJooyung Han __m128i xmm9 = _mm_blend_epi16(xmm5, xmm7, 0xcc); 81*5f39d1b3SJooyung Han __m128i xmm10 = _mm_blend_epi16(xmm8, xmm6, 0xcc); 82*5f39d1b3SJooyung Han 83*5f39d1b3SJooyung Han _mm_storel_epi64(reinterpret_cast<__m128i*>(&dst_ptr[0]), xmm9); 84*5f39d1b3SJooyung Han _mm_storel_epi64( 85*5f39d1b3SJooyung Han reinterpret_cast<__m128i*>(&dst_ptr[kCellSize * kCells]), xmm10); 86*5f39d1b3SJooyung Han 87*5f39d1b3SJooyung Han __m128i xmm11 = _mm_shuffle_epi32(xmm9, 0xee); 88*5f39d1b3SJooyung Han __m128i xmm12 = _mm_shuffle_epi32(xmm10, 0xee); 89*5f39d1b3SJooyung Han 90*5f39d1b3SJooyung Han _mm_storel_epi64( 91*5f39d1b3SJooyung Han reinterpret_cast<__m128i*>(&dst_ptr[2 * kCellSize * kCells]), 92*5f39d1b3SJooyung Han xmm11); 93*5f39d1b3SJooyung Han _mm_storel_epi64( 94*5f39d1b3SJooyung Han reinterpret_cast<__m128i*>(&dst_ptr[3 * kCellSize * kCells]), 95*5f39d1b3SJooyung Han xmm12); 96*5f39d1b3SJooyung Han 97*5f39d1b3SJooyung Han xmm1 = _mm_cvtepu8_epi16(xmm9); 98*5f39d1b3SJooyung Han xmm2 = _mm_madd_epi16(xmm1, one); 99*5f39d1b3SJooyung Han __m128i sums_of_each_slice_xmm = _mm_loadu_si128( 100*5f39d1b3SJooyung Han reinterpret_cast<const __m128i*>(&cell_sums_of_each_slice_ptr[0])); 101*5f39d1b3SJooyung Han sums_of_each_slice_xmm = _mm_add_epi32(sums_of_each_slice_xmm, xmm2); 102*5f39d1b3SJooyung Han 103*5f39d1b3SJooyung Han xmm1 = _mm_cvtepu8_epi16(xmm10); 104*5f39d1b3SJooyung Han xmm2 = _mm_madd_epi16(xmm1, one); 105*5f39d1b3SJooyung Han sums_of_each_slice_xmm = _mm_add_epi32(sums_of_each_slice_xmm, xmm2); 106*5f39d1b3SJooyung Han 107*5f39d1b3SJooyung Han xmm1 = _mm_cvtepu8_epi16(xmm11); 108*5f39d1b3SJooyung Han xmm2 = _mm_madd_epi16(xmm1, one); 109*5f39d1b3SJooyung Han sums_of_each_slice_xmm = _mm_add_epi32(sums_of_each_slice_xmm, xmm2); 110*5f39d1b3SJooyung Han 111*5f39d1b3SJooyung Han xmm1 = _mm_cvtepu8_epi16(xmm12); 112*5f39d1b3SJooyung Han xmm2 = _mm_madd_epi16(xmm1, one); 113*5f39d1b3SJooyung Han sums_of_each_slice_xmm = _mm_add_epi32(sums_of_each_slice_xmm, xmm2); 114*5f39d1b3SJooyung Han 115*5f39d1b3SJooyung Han _mm_storeu_si128( 116*5f39d1b3SJooyung Han reinterpret_cast<__m128i*>(&cell_sums_of_each_slice_ptr[0]), 117*5f39d1b3SJooyung Han sums_of_each_slice_xmm); 118*5f39d1b3SJooyung Han dst_ptr += kCellSize; 119*5f39d1b3SJooyung Han } 120*5f39d1b3SJooyung Han dst_ptr += 3 * kCellSize * kCells; 121*5f39d1b3SJooyung Han } 122*5f39d1b3SJooyung Han dst->seek_forward_n_cells(kCells * kRegisterSize / kCellDepth); 123*5f39d1b3SJooyung Han } 124*5f39d1b3SJooyung Han }; 125*5f39d1b3SJooyung Han 126*5f39d1b3SJooyung Han } // namespace gemmlowp 127*5f39d1b3SJooyung Han 128*5f39d1b3SJooyung Han #endif // GEMMLOWP_INTERNAL_PACK_SSE_H_ 129