in source/backend/cpu/x86_x64/avx512/Gemm9_48.h [247:524]
void _AVX512_MNNPackedMatMulO48Swaped4Kernel(float* C, const float* A, const float* B, const size_t* parameter, const float* postParameters, const float* bias) {
// #ifdef MNN_X86_USE_ASM
// if (InputTile == 8) {
// _AVX512_MNNPackedMatMulO48Swaped4KernelASM(C, A, B, parameter, postParameters, bias);
// return;
// }
// #endif
#define REDUCE_MUL_ADD(ick) \
zmm0 = _mm512_loadu_ps(filterICPtr + (ick * bStride + 0 * AVX512_PACK_C_UNIT)); \
zmm1 = _mm512_loadu_ps(filterICPtr + (ick * bStride + 1 * AVX512_PACK_C_UNIT)); \
zmm2 = _mm512_loadu_ps(filterICPtr + (ick * bStride + 2 * AVX512_PACK_C_UNIT)); \
if (InputTile > 7) { /*select the threashhold*/ \
_mm_prefetch(filterICPtr + ick * bStride + 0 * AVX512_PACK_C_UNIT + AVX512_PACK_C_UNIT * AVX512_PACK_C_UNIT, \
_MM_HINT_T0); \
_mm_prefetch(filterICPtr + ick * bStride + 1 * AVX512_PACK_C_UNIT + AVX512_PACK_C_UNIT * AVX512_PACK_C_UNIT, \
_MM_HINT_T0); \
_mm_prefetch(filterICPtr + ick * bStride + 2 * AVX512_PACK_C_UNIT + AVX512_PACK_C_UNIT * AVX512_PACK_C_UNIT, \
_MM_HINT_T0); \
_mm_prefetch(inputICPtr + ick * AVX512_PACK_C_UNIT, _MM_HINT_T0); \
} \
if (InputTile > 0) { \
zmm4 = _mm512_set1_ps(inputICPtr[(ick) + 0 * AVX512_PACK_C_UNIT]); \
zmm8 = _mm512_fmadd_ps(zmm4, zmm0, zmm8); \
zmm16 = _mm512_fmadd_ps(zmm4, zmm1, zmm16); \
zmm24 = _mm512_fmadd_ps(zmm4, zmm2, zmm24); \
} \
if (InputTile > 1) { \
zmm5 = _mm512_set1_ps(inputICPtr[(ick) + 1 * AVX512_PACK_C_UNIT]); \
zmm9 = _mm512_fmadd_ps(zmm5, zmm0, zmm9); \
zmm17 = _mm512_fmadd_ps(zmm5, zmm1, zmm17); \
zmm25 = _mm512_fmadd_ps(zmm5, zmm2, zmm25); \
} \
if (InputTile > 2) { \
zmm6 = _mm512_set1_ps(inputICPtr[(ick) + 2 * AVX512_PACK_C_UNIT]); \
zmm10 = _mm512_fmadd_ps(zmm6, zmm0, zmm10); \
zmm18 = _mm512_fmadd_ps(zmm6, zmm1, zmm18); \
zmm26 = _mm512_fmadd_ps(zmm6, zmm2, zmm26); \
} \
if (InputTile > 3) { \
zmm7 = _mm512_set1_ps(inputICPtr[(ick) + 3 * AVX512_PACK_C_UNIT]); \
zmm11 = _mm512_fmadd_ps(zmm7, zmm0, zmm11); \
zmm19 = _mm512_fmadd_ps(zmm7, zmm1, zmm19); \
zmm27 = _mm512_fmadd_ps(zmm7, zmm2, zmm27); \
} \
if (InputTile > 4) { \
zmm3 = _mm512_set1_ps(inputICPtr[(ick) + 4 * AVX512_PACK_C_UNIT]); \
zmm12 = _mm512_fmadd_ps(zmm3, zmm0, zmm12); \
zmm20 = _mm512_fmadd_ps(zmm3, zmm1, zmm20); \
zmm28 = _mm512_fmadd_ps(zmm3, zmm2, zmm28); \
} \
if (InputTile > 5) { \
zmm4 = _mm512_set1_ps(inputICPtr[(ick) + 5 * AVX512_PACK_C_UNIT]); \
zmm13 = _mm512_fmadd_ps(zmm4, zmm0, zmm13); \
zmm21 = _mm512_fmadd_ps(zmm4, zmm1, zmm21); \
zmm29 = _mm512_fmadd_ps(zmm4, zmm2, zmm29); \
} \
if (InputTile > 6) { \
zmm5 = _mm512_set1_ps(inputICPtr[(ick) + 6 * AVX512_PACK_C_UNIT]); \
zmm14 = _mm512_fmadd_ps(zmm5, zmm0, zmm14); \
zmm22 = _mm512_fmadd_ps(zmm5, zmm1, zmm22); \
zmm30 = _mm512_fmadd_ps(zmm5, zmm2, zmm30); \
} \
if (InputTile > 7) { \
zmm6 = _mm512_set1_ps(inputICPtr[(ick) + 7 * AVX512_PACK_C_UNIT]); \
zmm15 = _mm512_fmadd_ps(zmm6, zmm0, zmm15); \
zmm23 = _mm512_fmadd_ps(zmm6, zmm1, zmm23); \
zmm31 = _mm512_fmadd_ps(zmm6, zmm2, zmm31); \
} \
if (InputTile > 8) \
printf("InputTile size too large. in function:%s\n", __FUNCTION__);
__m512 zmm0, zmm1, zmm2, zmm3, zmm4, zmm5, zmm6, zmm7, zmm8, zmm9, zmm10, zmm11, zmm12, zmm13, zmm14, zmm15;
__m512 zmm16, zmm17, zmm18, zmm19, zmm20, zmm21, zmm22, zmm23, zmm24, zmm25, zmm26, zmm27, zmm28, zmm29, zmm30, zmm31;
auto aStride = parameter[0] / sizeof(float);
auto l = parameter[1];
auto h = parameter[2];
auto cStride = parameter[3] / sizeof(float);
auto srcUnitStride = parameter[4] / sizeof(float);
auto bStride = parameter[5] / sizeof(float);
int aTotal = parameter[6];
auto icTail = l % AVX512_PACK_C_UNIT;
auto icPack = l - icTail;
auto inputTilePtr = A;
auto destPtr = C;
for (; aTotal > 0; aTotal -= InputTile) {
auto inputPtr = inputTilePtr;
auto filterPtr = B;
auto biasPtr = bias;
if (biasPtr) {
if (InputTile > 0) {
zmm8 = _mm512_loadu_ps(biasPtr);
zmm16 = _mm512_loadu_ps(biasPtr + 1 * AVX512_PACK_C_UNIT);
zmm24 = _mm512_loadu_ps(biasPtr + 2 * AVX512_PACK_C_UNIT);
}
if (InputTile > 1) {
zmm9 = zmm8;
zmm17 = zmm16;
zmm25 = zmm24;
}
if (InputTile > 2) {
zmm10 = zmm8;
zmm18 = zmm16;
zmm26 = zmm24;
}
if (InputTile > 3) {
zmm11 = zmm8;
zmm19 = zmm16;
zmm27 = zmm24;
}
if (InputTile > 4) {
zmm12 = zmm8;
zmm20 = zmm16;
zmm28 = zmm24;
}
if (InputTile > 5) {
zmm13 = zmm8;
zmm21 = zmm16;
zmm29 = zmm24;
}
if (InputTile > 6) {
zmm14 = zmm8;
zmm22 = zmm16;
zmm30 = zmm24;
}
if (InputTile > 7) {
zmm15 = zmm8;
zmm23 = zmm16;
zmm31 = zmm24;
}
} else {
if (InputTile > 0) {
zmm8 = _mm512_setzero_ps();
zmm16 = _mm512_setzero_ps();
zmm24 = _mm512_setzero_ps();
}
if (InputTile > 1) {
zmm9 = _mm512_setzero_ps();
zmm17 = _mm512_setzero_ps();
zmm25 = _mm512_setzero_ps();
}
if (InputTile > 2) {
zmm10 = _mm512_setzero_ps();
zmm18 = _mm512_setzero_ps();
zmm26 = _mm512_setzero_ps();
}
if (InputTile > 3) {
zmm11 = _mm512_setzero_ps();
zmm19 = _mm512_setzero_ps();
zmm27 = _mm512_setzero_ps();
}
if (InputTile > 4) {
zmm12 = _mm512_setzero_ps();
zmm20 = _mm512_setzero_ps();
zmm28 = _mm512_setzero_ps();
}
if (InputTile > 5) {
zmm13 = _mm512_setzero_ps();
zmm21 = _mm512_setzero_ps();
zmm29 = _mm512_setzero_ps();
}
if (InputTile > 6) {
zmm14 = _mm512_setzero_ps();
zmm22 = _mm512_setzero_ps();
zmm30 = _mm512_setzero_ps();
}
if (InputTile > 7) {
zmm15 = _mm512_setzero_ps();
zmm23 = _mm512_setzero_ps();
zmm31 = _mm512_setzero_ps();
}
}
for (int il = 0; il < icPack; il += AVX512_PACK_C_UNIT) {
auto inputICPtr = inputPtr;
auto filterICPtr = filterPtr;
// REDUCE_MUL_ADD(0 );
// REDUCE_MUL_ADD(1 );
// REDUCE_MUL_ADD(2 );
// REDUCE_MUL_ADD(3 );
// REDUCE_MUL_ADD(4 );
// REDUCE_MUL_ADD(5 );
// REDUCE_MUL_ADD(6 );
// REDUCE_MUL_ADD(7 );
// REDUCE_MUL_ADD(8 );
// REDUCE_MUL_ADD(9 );
// REDUCE_MUL_ADD(10);
// REDUCE_MUL_ADD(11);
// REDUCE_MUL_ADD(12);
// REDUCE_MUL_ADD(13);
// REDUCE_MUL_ADD(14);
// REDUCE_MUL_ADD(15);
for (int ick = 0; ick < AVX512_PACK_C_UNIT; ++ick) {
REDUCE_MUL_ADD(ick);
}
inputPtr += InputTile * AVX512_PACK_C_UNIT;
// filterPtr += AVX512_PACK_C_UNIT * AVX512_PACK_C_UNIT;
filterPtr += bStride * AVX512_PACK_C_UNIT;
}
auto inputICPtr = inputPtr;
auto filterICPtr = filterPtr;
for (int ick = 0; ick < icTail; ++ick) {
REDUCE_MUL_ADD(ick);
}
// write
// oc = 16;
if (InputTile > 0)
_mm512_storeu_ps(destPtr + 0 * AVX512_PACK_C_UNIT, zmm8);
if (InputTile > 1)
_mm512_storeu_ps(destPtr + 1 * AVX512_PACK_C_UNIT, zmm9);
if (InputTile > 2)
_mm512_storeu_ps(destPtr + 2 * AVX512_PACK_C_UNIT, zmm10);
if (InputTile > 3)
_mm512_storeu_ps(destPtr + 3 * AVX512_PACK_C_UNIT, zmm11);
if (InputTile > 4)
_mm512_storeu_ps(destPtr + 4 * AVX512_PACK_C_UNIT, zmm12);
if (InputTile > 5)
_mm512_storeu_ps(destPtr + 5 * AVX512_PACK_C_UNIT, zmm13);
if (InputTile > 6)
_mm512_storeu_ps(destPtr + 6 * AVX512_PACK_C_UNIT, zmm14);
if (InputTile > 7)
_mm512_storeu_ps(destPtr + 7 * AVX512_PACK_C_UNIT, zmm15);
// oc = 32
auto destOC32Ptr = destPtr + 1 * cStride;
if (InputTile > 0)
_mm512_storeu_ps(destOC32Ptr + 0 * AVX512_PACK_C_UNIT, zmm16);
if (InputTile > 1)
_mm512_storeu_ps(destOC32Ptr + 1 * AVX512_PACK_C_UNIT, zmm17);
if (InputTile > 2)
_mm512_storeu_ps(destOC32Ptr + 2 * AVX512_PACK_C_UNIT, zmm18);
if (InputTile > 3)
_mm512_storeu_ps(destOC32Ptr + 3 * AVX512_PACK_C_UNIT, zmm19);
if (InputTile > 4)
_mm512_storeu_ps(destOC32Ptr + 4 * AVX512_PACK_C_UNIT, zmm20);
if (InputTile > 5)
_mm512_storeu_ps(destOC32Ptr + 5 * AVX512_PACK_C_UNIT, zmm21);
if (InputTile > 6)
_mm512_storeu_ps(destOC32Ptr + 6 * AVX512_PACK_C_UNIT, zmm22);
if (InputTile > 7)
_mm512_storeu_ps(destOC32Ptr + 7 * AVX512_PACK_C_UNIT, zmm23);
// oc = 48
auto destOC48Ptr = destPtr + 2 * cStride;
if (InputTile > 0)
_mm512_storeu_ps(destOC48Ptr + 0 * AVX512_PACK_C_UNIT, zmm24);
if (InputTile > 1)
_mm512_storeu_ps(destOC48Ptr + 1 * AVX512_PACK_C_UNIT, zmm25);
if (InputTile > 2)
_mm512_storeu_ps(destOC48Ptr + 2 * AVX512_PACK_C_UNIT, zmm26);
if (InputTile > 3)
_mm512_storeu_ps(destOC48Ptr + 3 * AVX512_PACK_C_UNIT, zmm27);
if (InputTile > 4)
_mm512_storeu_ps(destOC48Ptr + 4 * AVX512_PACK_C_UNIT, zmm28);
if (InputTile > 5)
_mm512_storeu_ps(destOC48Ptr + 5 * AVX512_PACK_C_UNIT, zmm29);
if (InputTile > 6)
_mm512_storeu_ps(destOC48Ptr + 6 * AVX512_PACK_C_UNIT, zmm30);
if (InputTile > 7)
_mm512_storeu_ps(destOC48Ptr + 7 * AVX512_PACK_C_UNIT, zmm31);
inputTilePtr += aStride;
destPtr += InputTile * AVX512_PACK_C_UNIT;
}
#undef REDUCE_MUL_ADD
}