llamafile : improve sgemm.cpp
- Re-enable by default - Fix issue described in #6716 - Make code more abstract, elegant, and maintainable - Faster handling of weirdly shaped `m` an `n` edge cases
This commit is contained in:
parent
b8109bc013
commit
3e4fc41505
3 changed files with 359 additions and 538 deletions
4
Makefile
4
Makefile
|
@ -384,10 +384,6 @@ ifdef LLAMA_OPENBLAS
|
||||||
MK_LDFLAGS += $(shell pkg-config --libs openblas)
|
MK_LDFLAGS += $(shell pkg-config --libs openblas)
|
||||||
endif # LLAMA_OPENBLAS
|
endif # LLAMA_OPENBLAS
|
||||||
|
|
||||||
# TODO: temporary disable until MoE is fixed
|
|
||||||
# https://github.com/ggerganov/llama.cpp/pull/6716
|
|
||||||
LLAMA_NO_LLAMAFILE := 1
|
|
||||||
|
|
||||||
ifndef LLAMA_NO_LLAMAFILE
|
ifndef LLAMA_NO_LLAMAFILE
|
||||||
MK_CPPFLAGS += -DGGML_USE_LLAMAFILE
|
MK_CPPFLAGS += -DGGML_USE_LLAMAFILE
|
||||||
OBJS += sgemm.o
|
OBJS += sgemm.o
|
||||||
|
|
4
ggml.c
4
ggml.c
|
@ -10825,7 +10825,7 @@ static void ggml_compute_forward_mul_mat(
|
||||||
#endif
|
#endif
|
||||||
|
|
||||||
#if GGML_USE_LLAMAFILE
|
#if GGML_USE_LLAMAFILE
|
||||||
if (nb10 == ggml_type_size(src1->type)) {
|
if (src1_cont) {
|
||||||
for (int64_t i13 = 0; i13 < ne13; i13++)
|
for (int64_t i13 = 0; i13 < ne13; i13++)
|
||||||
for (int64_t i12 = 0; i12 < ne12; i12++)
|
for (int64_t i12 = 0; i12 < ne12; i12++)
|
||||||
if (!llamafile_sgemm(ne01, ne11, ne00/ggml_blck_size(src0->type),
|
if (!llamafile_sgemm(ne01, ne11, ne00/ggml_blck_size(src0->type),
|
||||||
|
@ -10878,7 +10878,7 @@ UseGgmlGemm1:;
|
||||||
const size_t row_size = ggml_row_size(vec_dot_type, ne10);
|
const size_t row_size = ggml_row_size(vec_dot_type, ne10);
|
||||||
|
|
||||||
#if GGML_USE_LLAMAFILE
|
#if GGML_USE_LLAMAFILE
|
||||||
if (nb10 == ggml_type_size(src1->type) || src1->type != vec_dot_type) {
|
if (src1_cont) {
|
||||||
for (int64_t i13 = 0; i13 < ne13; i13++)
|
for (int64_t i13 = 0; i13 < ne13; i13++)
|
||||||
for (int64_t i12 = 0; i12 < ne12; i12++)
|
for (int64_t i12 = 0; i12 < ne12; i12++)
|
||||||
if (!llamafile_sgemm(ne01, ne11, ne00/ggml_blck_size(src0->type),
|
if (!llamafile_sgemm(ne01, ne11, ne00/ggml_blck_size(src0->type),
|
||||||
|
|
889
sgemm.cpp
889
sgemm.cpp
|
@ -50,6 +50,7 @@
|
||||||
#pragma GCC diagnostic ignored "-Wignored-attributes"
|
#pragma GCC diagnostic ignored "-Wignored-attributes"
|
||||||
|
|
||||||
#include "sgemm.h"
|
#include "sgemm.h"
|
||||||
|
#include <algorithm>
|
||||||
#include "ggml-impl.h"
|
#include "ggml-impl.h"
|
||||||
#include "ggml-quants.h"
|
#include "ggml-quants.h"
|
||||||
|
|
||||||
|
@ -65,22 +66,6 @@
|
||||||
#define VECTOR_REGISTERS 16
|
#define VECTOR_REGISTERS 16
|
||||||
#endif
|
#endif
|
||||||
|
|
||||||
// there will be blocks
|
|
||||||
#define BEGIN_KERNEL(RM, RN) \
|
|
||||||
int ytiles = (m - m0) / RM; \
|
|
||||||
int xtiles = (n - n0) / RN; \
|
|
||||||
int tiles = ytiles * xtiles; \
|
|
||||||
int duty = (tiles + nth - 1) / nth; \
|
|
||||||
int start = duty * ith; \
|
|
||||||
int end = start + duty; \
|
|
||||||
if (end > tiles) \
|
|
||||||
end = tiles; \
|
|
||||||
for (int job = start; job < end; ++job) { \
|
|
||||||
int i = m0 + job / xtiles * RM; \
|
|
||||||
int j = n0 + job % xtiles * RN;
|
|
||||||
|
|
||||||
#define END_KERNEL() }
|
|
||||||
|
|
||||||
#define MM256_SET_M128I(a, b) _mm256_insertf128_si256(_mm256_castsi128_si256(b), (a), 1)
|
#define MM256_SET_M128I(a, b) _mm256_insertf128_si256(_mm256_castsi128_si256(b), (a), 1)
|
||||||
|
|
||||||
namespace {
|
namespace {
|
||||||
|
@ -228,21 +213,6 @@ inline U madd(T a, T b, U c) {
|
||||||
return add(mul(a, b), c);
|
return add(mul(a, b), c);
|
||||||
}
|
}
|
||||||
|
|
||||||
/**
|
|
||||||
* Computes a * b + c with error correction.
|
|
||||||
*
|
|
||||||
* @see W. Kahan, "Further remarks on reducing truncation errors,"
|
|
||||||
* Communications of the ACM, vol. 8, no. 1, p. 40, Jan. 1965,
|
|
||||||
* doi: 10.1145/363707.363723.
|
|
||||||
*/
|
|
||||||
template <typename T, typename U>
|
|
||||||
inline U madder(T a, T b, U c, U *e) {
|
|
||||||
U y = sub(mul(a, b), *e);
|
|
||||||
U t = add(c, y);
|
|
||||||
*e = sub(sub(t, c), y);
|
|
||||||
return t;
|
|
||||||
}
|
|
||||||
|
|
||||||
////////////////////////////////////////////////////////////////////////////////////////////////////
|
////////////////////////////////////////////////////////////////////////////////////////////////////
|
||||||
// FLOATING POINT MATRIX MULTIPLICATION
|
// FLOATING POINT MATRIX MULTIPLICATION
|
||||||
|
|
||||||
|
@ -265,226 +235,179 @@ class tinyBLAS {
|
||||||
private:
|
private:
|
||||||
NOINLINE void mnpack(int m0, int m, int n0, int n) {
|
NOINLINE void mnpack(int m0, int m, int n0, int n) {
|
||||||
int mc, nc, mp, np;
|
int mc, nc, mp, np;
|
||||||
if (m - m0 <= 0 || n - n0 <= 0)
|
switch ((std::min(m - m0, 5) << 4) | std::min(n - n0, 5)) {
|
||||||
return;
|
#if VECTOR_REGISTERS == 32
|
||||||
if (VECTOR_REGISTERS >= 32 && n - n0 >= 5 && m - m0 >= 5) {
|
case 0x55:
|
||||||
mc = 5;
|
mc = 5;
|
||||||
nc = 5;
|
nc = 5;
|
||||||
gemm5x5(m0, m, n0, n);
|
gemm<5, 5>(m0, m, n0, n);
|
||||||
} else if (n - n0 >= 4 && m - m0 >= 3) {
|
break;
|
||||||
|
case 0x45:
|
||||||
|
mc = 4;
|
||||||
|
nc = 5;
|
||||||
|
gemm<4, 5>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x54:
|
||||||
|
mc = 5;
|
||||||
|
nc = 4;
|
||||||
|
gemm<5, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x44:
|
||||||
|
mc = 4;
|
||||||
|
nc = 4;
|
||||||
|
gemm<4, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x53:
|
||||||
|
mc = 5;
|
||||||
|
nc = 3;
|
||||||
|
gemm<5, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x35:
|
||||||
|
mc = 3;
|
||||||
|
nc = 5;
|
||||||
|
gemm<3, 5>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x43:
|
||||||
|
mc = 4;
|
||||||
|
nc = 3;
|
||||||
|
gemm<4, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
#else
|
||||||
|
case 0x55:
|
||||||
|
case 0x54:
|
||||||
|
case 0x53:
|
||||||
|
case 0x45:
|
||||||
|
case 0x44:
|
||||||
|
case 0x43:
|
||||||
|
mc = 4;
|
||||||
|
nc = 3;
|
||||||
|
gemm<4, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x35:
|
||||||
|
#endif
|
||||||
|
case 0x34:
|
||||||
mc = 3;
|
mc = 3;
|
||||||
nc = 4;
|
nc = 4;
|
||||||
gemm3x4(m0, m, n0, n);
|
gemm<3, 4>(m0, m, n0, n);
|
||||||
} else if (n - n0 >= 4) {
|
break;
|
||||||
mc = 1;
|
case 0x52:
|
||||||
|
mc = 5;
|
||||||
|
nc = 2;
|
||||||
|
gemm<5, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x33:
|
||||||
|
mc = 3;
|
||||||
|
nc = 3;
|
||||||
|
gemm<3, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x25:
|
||||||
|
mc = 2;
|
||||||
|
nc = 5;
|
||||||
|
gemm<2, 5>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x42:
|
||||||
|
mc = 4;
|
||||||
|
nc = 2;
|
||||||
|
gemm<4, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x24:
|
||||||
|
mc = 2;
|
||||||
nc = 4;
|
nc = 4;
|
||||||
gemm1x4(m0, m, n0, n);
|
gemm<2, 4>(m0, m, n0, n);
|
||||||
} else if (m - m0 >= 4) {
|
break;
|
||||||
|
case 0x32:
|
||||||
|
mc = 3;
|
||||||
|
nc = 2;
|
||||||
|
gemm<3, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x23:
|
||||||
|
mc = 2;
|
||||||
|
nc = 3;
|
||||||
|
gemm<2, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x51:
|
||||||
|
mc = 5;
|
||||||
|
nc = 1;
|
||||||
|
gemm<5, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x41:
|
||||||
mc = 4;
|
mc = 4;
|
||||||
nc = 1;
|
nc = 1;
|
||||||
gemm4x1(m0, m, n0, n);
|
gemm<4, 1>(m0, m, n0, n);
|
||||||
} else {
|
break;
|
||||||
|
case 0x22:
|
||||||
|
mc = 2;
|
||||||
|
nc = 2;
|
||||||
|
gemm<2, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x15:
|
||||||
|
mc = 1;
|
||||||
|
nc = 5;
|
||||||
|
gemm<1, 5>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x14:
|
||||||
|
mc = 1;
|
||||||
|
nc = 4;
|
||||||
|
gemm<1, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x31:
|
||||||
|
mc = 3;
|
||||||
|
nc = 1;
|
||||||
|
gemm<3, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x13:
|
||||||
|
mc = 1;
|
||||||
|
nc = 3;
|
||||||
|
gemm<1, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x21:
|
||||||
|
mc = 2;
|
||||||
|
nc = 1;
|
||||||
|
gemm<2, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x12:
|
||||||
|
mc = 1;
|
||||||
|
nc = 2;
|
||||||
|
gemm<1, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x11:
|
||||||
mc = 1;
|
mc = 1;
|
||||||
nc = 1;
|
nc = 1;
|
||||||
gemm1x1(m0, m, n0, n);
|
gemm<1, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
return;
|
||||||
}
|
}
|
||||||
mp = m0 + (m - m0) / mc * mc;
|
mp = m0 + (m - m0) / mc * mc;
|
||||||
np = n0 + (n - n0) / nc * nc;
|
np = n0 + (n - n0) / nc * nc;
|
||||||
mnpack(mp, m, n0, np);
|
mnpack(mp, m, n0, np);
|
||||||
mnpack(m0, mp, np, n);
|
mnpack(m0, m, np, n);
|
||||||
mnpack(mp, m, np, n);
|
|
||||||
}
|
}
|
||||||
|
|
||||||
NOINLINE void gemm5x5(int m0, int m, int n0, int n) {
|
template <int RM, int RN>
|
||||||
BEGIN_KERNEL(5, 5)
|
NOINLINE void gemm(int m0, int m, int n0, int n) {
|
||||||
D c00 = {0};
|
int ytiles = (m - m0) / RM;
|
||||||
D c01 = {0};
|
int xtiles = (n - n0) / RN;
|
||||||
D c02 = {0};
|
int tiles = xtiles * ytiles;
|
||||||
D c03 = {0};
|
int duty = (tiles + nth - 1) / nth;
|
||||||
D c04 = {0};
|
int start = duty * ith;
|
||||||
D c10 = {0};
|
int end = start + duty;
|
||||||
D c11 = {0};
|
if (end > tiles)
|
||||||
D c12 = {0};
|
end = tiles;
|
||||||
D c13 = {0};
|
for (int job = start; job < end; ++job) {
|
||||||
D c14 = {0};
|
int ii = m0 + job / xtiles * RM;
|
||||||
D c20 = {0};
|
int jj = n0 + job % xtiles * RN;
|
||||||
D c21 = {0};
|
D Cv[RN][RM] = {};
|
||||||
D c22 = {0};
|
for (int l = 0; l < k; l += KN)
|
||||||
D c23 = {0};
|
for (int j = 0; j < RN; ++j)
|
||||||
D c24 = {0};
|
for (int i = 0; i < RM; ++i)
|
||||||
D c30 = {0};
|
Cv[j][i] = madd(load<V>(A + lda * (ii + i) + l),
|
||||||
D c31 = {0};
|
load<V>(B + ldb * (jj + j) + l),
|
||||||
D c32 = {0};
|
Cv[j][i]);
|
||||||
D c33 = {0};
|
for (int j = 0; j < RN; ++j)
|
||||||
D c34 = {0};
|
for (int i = 0; i < RM; ++i)
|
||||||
D c40 = {0};
|
C[ldc * (jj + j) + (ii + i)] = hsum(Cv[j][i]);
|
||||||
D c41 = {0};
|
|
||||||
D c42 = {0};
|
|
||||||
D c43 = {0};
|
|
||||||
D c44 = {0};
|
|
||||||
for (int l = 0; l < k; l += KN) {
|
|
||||||
V k0 = load<V>(B + ldb * (j + 0) + l);
|
|
||||||
V k1 = load<V>(B + ldb * (j + 1) + l);
|
|
||||||
V k2 = load<V>(B + ldb * (j + 2) + l);
|
|
||||||
V k3 = load<V>(B + ldb * (j + 3) + l);
|
|
||||||
V k4 = load<V>(B + ldb * (j + 4) + l);
|
|
||||||
V a0 = load<V>(A + lda * (i + 0) + l);
|
|
||||||
c00 = madd(a0, k0, c00);
|
|
||||||
c01 = madd(a0, k1, c01);
|
|
||||||
c02 = madd(a0, k2, c02);
|
|
||||||
c03 = madd(a0, k3, c03);
|
|
||||||
c04 = madd(a0, k4, c04);
|
|
||||||
V a1 = load<V>(A + lda * (i + 1) + l);
|
|
||||||
c10 = madd(a1, k0, c10);
|
|
||||||
c11 = madd(a1, k1, c11);
|
|
||||||
c12 = madd(a1, k2, c12);
|
|
||||||
c13 = madd(a1, k3, c13);
|
|
||||||
c14 = madd(a1, k4, c14);
|
|
||||||
V a2 = load<V>(A + lda * (i + 2) + l);
|
|
||||||
c20 = madd(a2, k0, c20);
|
|
||||||
c21 = madd(a2, k1, c21);
|
|
||||||
c22 = madd(a2, k2, c22);
|
|
||||||
c23 = madd(a2, k3, c23);
|
|
||||||
c24 = madd(a2, k4, c24);
|
|
||||||
V a3 = load<V>(A + lda * (i + 3) + l);
|
|
||||||
c30 = madd(a3, k0, c30);
|
|
||||||
c31 = madd(a3, k1, c31);
|
|
||||||
c32 = madd(a3, k2, c32);
|
|
||||||
c33 = madd(a3, k3, c33);
|
|
||||||
c34 = madd(a3, k4, c34);
|
|
||||||
V a4 = load<V>(A + lda * (i + 4) + l);
|
|
||||||
c40 = madd(a4, k0, c40);
|
|
||||||
c41 = madd(a4, k1, c41);
|
|
||||||
c42 = madd(a4, k2, c42);
|
|
||||||
c43 = madd(a4, k3, c43);
|
|
||||||
c44 = madd(a4, k4, c44);
|
|
||||||
}
|
}
|
||||||
C[ldc * (j + 0) + (i + 0)] = hsum(c00);
|
|
||||||
C[ldc * (j + 0) + (i + 1)] = hsum(c10);
|
|
||||||
C[ldc * (j + 0) + (i + 2)] = hsum(c20);
|
|
||||||
C[ldc * (j + 0) + (i + 3)] = hsum(c30);
|
|
||||||
C[ldc * (j + 0) + (i + 4)] = hsum(c40);
|
|
||||||
C[ldc * (j + 1) + (i + 0)] = hsum(c01);
|
|
||||||
C[ldc * (j + 1) + (i + 1)] = hsum(c11);
|
|
||||||
C[ldc * (j + 1) + (i + 2)] = hsum(c21);
|
|
||||||
C[ldc * (j + 1) + (i + 3)] = hsum(c31);
|
|
||||||
C[ldc * (j + 1) + (i + 4)] = hsum(c41);
|
|
||||||
C[ldc * (j + 2) + (i + 0)] = hsum(c02);
|
|
||||||
C[ldc * (j + 2) + (i + 1)] = hsum(c12);
|
|
||||||
C[ldc * (j + 2) + (i + 2)] = hsum(c22);
|
|
||||||
C[ldc * (j + 2) + (i + 3)] = hsum(c32);
|
|
||||||
C[ldc * (j + 2) + (i + 4)] = hsum(c42);
|
|
||||||
C[ldc * (j + 3) + (i + 0)] = hsum(c03);
|
|
||||||
C[ldc * (j + 3) + (i + 1)] = hsum(c13);
|
|
||||||
C[ldc * (j + 3) + (i + 2)] = hsum(c23);
|
|
||||||
C[ldc * (j + 3) + (i + 3)] = hsum(c33);
|
|
||||||
C[ldc * (j + 3) + (i + 4)] = hsum(c43);
|
|
||||||
C[ldc * (j + 4) + (i + 0)] = hsum(c04);
|
|
||||||
C[ldc * (j + 4) + (i + 1)] = hsum(c14);
|
|
||||||
C[ldc * (j + 4) + (i + 2)] = hsum(c24);
|
|
||||||
C[ldc * (j + 4) + (i + 3)] = hsum(c34);
|
|
||||||
C[ldc * (j + 4) + (i + 4)] = hsum(c44);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm3x4(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(3, 4)
|
|
||||||
D c00 = {0};
|
|
||||||
D c01 = {0};
|
|
||||||
D c02 = {0};
|
|
||||||
D c03 = {0};
|
|
||||||
D c10 = {0};
|
|
||||||
D c11 = {0};
|
|
||||||
D c12 = {0};
|
|
||||||
D c13 = {0};
|
|
||||||
D c20 = {0};
|
|
||||||
D c21 = {0};
|
|
||||||
D c22 = {0};
|
|
||||||
D c23 = {0};
|
|
||||||
for (int l = 0; l < k; l += KN) {
|
|
||||||
V k0 = load<V>(B + ldb * (j + 0) + l);
|
|
||||||
V k1 = load<V>(B + ldb * (j + 1) + l);
|
|
||||||
V k2 = load<V>(B + ldb * (j + 2) + l);
|
|
||||||
V k3 = load<V>(B + ldb * (j + 3) + l);
|
|
||||||
V a0 = load<V>(A + lda * (i + 0) + l);
|
|
||||||
c00 = madd(a0, k0, c00);
|
|
||||||
c01 = madd(a0, k1, c01);
|
|
||||||
c02 = madd(a0, k2, c02);
|
|
||||||
c03 = madd(a0, k3, c03);
|
|
||||||
V a1 = load<V>(A + lda * (i + 1) + l);
|
|
||||||
c10 = madd(a1, k0, c10);
|
|
||||||
c11 = madd(a1, k1, c11);
|
|
||||||
c12 = madd(a1, k2, c12);
|
|
||||||
c13 = madd(a1, k3, c13);
|
|
||||||
V a2 = load<V>(A + lda * (i + 2) + l);
|
|
||||||
c20 = madd(a2, k0, c20);
|
|
||||||
c21 = madd(a2, k1, c21);
|
|
||||||
c22 = madd(a2, k2, c22);
|
|
||||||
c23 = madd(a2, k3, c23);
|
|
||||||
}
|
|
||||||
C[ldc * (j + 0) + (i + 0)] = hsum(c00);
|
|
||||||
C[ldc * (j + 0) + (i + 1)] = hsum(c10);
|
|
||||||
C[ldc * (j + 0) + (i + 2)] = hsum(c20);
|
|
||||||
C[ldc * (j + 1) + (i + 0)] = hsum(c01);
|
|
||||||
C[ldc * (j + 1) + (i + 1)] = hsum(c11);
|
|
||||||
C[ldc * (j + 1) + (i + 2)] = hsum(c21);
|
|
||||||
C[ldc * (j + 2) + (i + 0)] = hsum(c02);
|
|
||||||
C[ldc * (j + 2) + (i + 1)] = hsum(c12);
|
|
||||||
C[ldc * (j + 2) + (i + 2)] = hsum(c22);
|
|
||||||
C[ldc * (j + 3) + (i + 0)] = hsum(c03);
|
|
||||||
C[ldc * (j + 3) + (i + 1)] = hsum(c13);
|
|
||||||
C[ldc * (j + 3) + (i + 2)] = hsum(c23);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm1x4(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(1, 4)
|
|
||||||
D c00 = {0}, e00 = {0};
|
|
||||||
D c01 = {0}, e01 = {0};
|
|
||||||
D c02 = {0}, e02 = {0};
|
|
||||||
D c03 = {0}, e03 = {0};
|
|
||||||
for (int l = 0; l < k; l += KN) {
|
|
||||||
V a = load<V>(A + lda * (i + 0) + l);
|
|
||||||
c00 = madder(a, load<V>(B + ldb * (j + 0) + l), c00, &e00);
|
|
||||||
c01 = madder(a, load<V>(B + ldb * (j + 1) + l), c01, &e01);
|
|
||||||
c02 = madder(a, load<V>(B + ldb * (j + 2) + l), c02, &e02);
|
|
||||||
c03 = madder(a, load<V>(B + ldb * (j + 3) + l), c03, &e03);
|
|
||||||
}
|
|
||||||
C[ldc * (j + 0) + (i + 0)] = hsum(c00);
|
|
||||||
C[ldc * (j + 1) + (i + 0)] = hsum(c01);
|
|
||||||
C[ldc * (j + 2) + (i + 0)] = hsum(c02);
|
|
||||||
C[ldc * (j + 3) + (i + 0)] = hsum(c03);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm4x1(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(4, 1)
|
|
||||||
D c00 = {0}, e00 = {0};
|
|
||||||
D c10 = {0}, e10 = {0};
|
|
||||||
D c20 = {0}, e20 = {0};
|
|
||||||
D c30 = {0}, e30 = {0};
|
|
||||||
for (int l = 0; l < k; l += KN) {
|
|
||||||
V b = load<V>(B + ldb * (j + 0) + l);
|
|
||||||
c00 = madder(load<V>(A + lda * (i + 0) + l), b, c00, &e00);
|
|
||||||
c10 = madder(load<V>(A + lda * (i + 1) + l), b, c10, &e10);
|
|
||||||
c20 = madder(load<V>(A + lda * (i + 2) + l), b, c20, &e20);
|
|
||||||
c30 = madder(load<V>(A + lda * (i + 3) + l), b, c30, &e30);
|
|
||||||
}
|
|
||||||
C[ldc * (j + 0) + (i + 0)] = hsum(c00);
|
|
||||||
C[ldc * (j + 0) + (i + 1)] = hsum(c10);
|
|
||||||
C[ldc * (j + 0) + (i + 2)] = hsum(c20);
|
|
||||||
C[ldc * (j + 0) + (i + 3)] = hsum(c30);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm1x1(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(1, 1)
|
|
||||||
D c = {0}, e = {0};
|
|
||||||
for (int l = 0; l < k; l += KN)
|
|
||||||
c = madder(load<V>(A + lda * i + l),
|
|
||||||
load<V>(B + ldb * j + l), c, &e);
|
|
||||||
C[ldc * j + i] = hsum(c);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
}
|
||||||
|
|
||||||
const TA *const A;
|
const TA *const A;
|
||||||
|
@ -521,115 +444,91 @@ class tinyBLAS_Q0_ARM {
|
||||||
private:
|
private:
|
||||||
NOINLINE void mnpack(int m0, int m, int n0, int n) {
|
NOINLINE void mnpack(int m0, int m, int n0, int n) {
|
||||||
int mc, nc, mp, np;
|
int mc, nc, mp, np;
|
||||||
if (m - m0 <= 0 || n - n0 <= 0)
|
switch ((std::min(m - m0, 3) << 4) | std::min(n - n0, 3)) {
|
||||||
return;
|
case 0x33:
|
||||||
if (m - m0 >= 3 && n - n0 >= 3) {
|
|
||||||
mc = 3;
|
mc = 3;
|
||||||
nc = 3;
|
nc = 3;
|
||||||
gemm3x3(m0, m, n0, n);
|
gemm<3, 3>(m0, m, n0, n);
|
||||||
} else {
|
break;
|
||||||
|
case 0x32:
|
||||||
|
mc = 3;
|
||||||
|
nc = 2;
|
||||||
|
gemm<3, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x23:
|
||||||
|
mc = 2;
|
||||||
|
nc = 3;
|
||||||
|
gemm<2, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x22:
|
||||||
|
mc = 2;
|
||||||
|
nc = 2;
|
||||||
|
gemm<2, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x31:
|
||||||
|
mc = 3;
|
||||||
|
nc = 1;
|
||||||
|
gemm<3, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x13:
|
||||||
|
mc = 1;
|
||||||
|
nc = 3;
|
||||||
|
gemm<1, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x21:
|
||||||
|
mc = 2;
|
||||||
|
nc = 1;
|
||||||
|
gemm<2, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x12:
|
||||||
|
mc = 1;
|
||||||
|
nc = 2;
|
||||||
|
gemm<1, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x11:
|
||||||
mc = 1;
|
mc = 1;
|
||||||
nc = 1;
|
nc = 1;
|
||||||
gemm1x1(m0, m, n0, n);
|
gemm<1, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
return;
|
||||||
}
|
}
|
||||||
mp = m0 + (m - m0) / mc * mc;
|
mp = m0 + (m - m0) / mc * mc;
|
||||||
np = n0 + (n - n0) / nc * nc;
|
np = n0 + (n - n0) / nc * nc;
|
||||||
mnpack(mp, m, n0, np);
|
mnpack(mp, m, n0, np);
|
||||||
mnpack(m0, mp, np, n);
|
mnpack(m0, m, np, n);
|
||||||
mnpack(mp, m, np, n);
|
|
||||||
}
|
}
|
||||||
|
|
||||||
NOINLINE void gemm3x3(int m0, int m, int n0, int n) {
|
template <int RM, int RN>
|
||||||
BEGIN_KERNEL(3, 3)
|
NOINLINE void gemm(int m0, int m, int n0, int n) {
|
||||||
int32x4_t zero = vdupq_n_s32(0);
|
int ytiles = (m - m0) / RM;
|
||||||
float32x4_t c00 = vdupq_n_f32(0.f);
|
int xtiles = (n - n0) / RN;
|
||||||
float32x4_t c01 = vdupq_n_f32(0.f);
|
int tiles = xtiles * ytiles;
|
||||||
float32x4_t c02 = vdupq_n_f32(0.f);
|
int duty = (tiles + nth - 1) / nth;
|
||||||
float32x4_t c10 = vdupq_n_f32(0.f);
|
int start = duty * ith;
|
||||||
float32x4_t c11 = vdupq_n_f32(0.f);
|
int end = start + duty;
|
||||||
float32x4_t c12 = vdupq_n_f32(0.f);
|
if (end > tiles)
|
||||||
float32x4_t c20 = vdupq_n_f32(0.f);
|
end = tiles;
|
||||||
float32x4_t c21 = vdupq_n_f32(0.f);
|
for (int job = start; job < end; ++job) {
|
||||||
float32x4_t c22 = vdupq_n_f32(0.f);
|
int ii = m0 + job / xtiles * RM;
|
||||||
const TA *Ap0 = A + lda * (i + 0);
|
int jj = n0 + job % xtiles * RN;
|
||||||
const TA *Ap1 = A + lda * (i + 1);
|
D Cv[RN][RM] = {};
|
||||||
const TA *Ap2 = A + lda * (i + 2);
|
for (int l = 0; l < k; l += KN)
|
||||||
const block_q8_0 *Bp0 = B + ldb * (j + 0);
|
for (int j = 0; j < RN; ++j)
|
||||||
const block_q8_0 *Bp1 = B + ldb * (j + 1);
|
for (int i = 0; i < RM; ++i)
|
||||||
const block_q8_0 *Bp2 = B + ldb * (j + 2);
|
Cv[j][i] = vmlaq_n_f32(Cv[j][i],
|
||||||
for (int l = 0; l < k; ++l) {
|
vcvtq_f32_s32(vdotq_s32(
|
||||||
c00 = vmlaq_n_f32(
|
vdotq_s32(vdupq_n_s32(0),
|
||||||
c00,
|
load_lo(A + lda * (ii + i) + l),
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap0 + l), load_lo(Bp0 + l)),
|
load_lo(B + ldb * (jj + j) + l)),
|
||||||
load_hi(Ap0 + l), load_hi(Bp0 + l))),
|
load_hi(A + lda * (ii + i) + l),
|
||||||
unhalf(Ap0[l].d) * unhalf(Bp0[l].d));
|
load_hi(B + ldb * (jj + j) + l))),
|
||||||
c01 = vmlaq_n_f32(
|
unhalf(A[lda * (ii + i) + l].d) *
|
||||||
c01,
|
unhalf(B[ldb * (jj + j) + l].d));
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap0 + l), load_lo(Bp1 + l)),
|
for (int j = 0; j < RN; ++j)
|
||||||
load_hi(Ap0 + l), load_hi(Bp1 + l))),
|
for (int i = 0; i < RM; ++i)
|
||||||
unhalf(Ap0[l].d) * unhalf(Bp1[l].d));
|
C[ldc * (jj + j) + (ii + i)] = hsum(Cv[j][i]);
|
||||||
c02 = vmlaq_n_f32(
|
|
||||||
c02,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap0 + l), load_lo(Bp2 + l)),
|
|
||||||
load_hi(Ap0 + l), load_hi(Bp2 + l))),
|
|
||||||
unhalf(Ap0[l].d) * unhalf(Bp2[l].d));
|
|
||||||
c10 = vmlaq_n_f32(
|
|
||||||
c10,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap1 + l), load_lo(Bp0 + l)),
|
|
||||||
load_hi(Ap1 + l), load_hi(Bp0 + l))),
|
|
||||||
unhalf(Ap1[l].d) * unhalf(Bp0[l].d));
|
|
||||||
c11 = vmlaq_n_f32(
|
|
||||||
c11,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap1 + l), load_lo(Bp1 + l)),
|
|
||||||
load_hi(Ap1 + l), load_hi(Bp1 + l))),
|
|
||||||
unhalf(Ap1[l].d) * unhalf(Bp1[l].d));
|
|
||||||
c12 = vmlaq_n_f32(
|
|
||||||
c12,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap1 + l), load_lo(Bp2 + l)),
|
|
||||||
load_hi(Ap1 + l), load_hi(Bp2 + l))),
|
|
||||||
unhalf(Ap1[l].d) * unhalf(Bp2[l].d));
|
|
||||||
c20 = vmlaq_n_f32(
|
|
||||||
c20,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap2 + l), load_lo(Bp0 + l)),
|
|
||||||
load_hi(Ap2 + l), load_hi(Bp0 + l))),
|
|
||||||
unhalf(Ap2[l].d) * unhalf(Bp0[l].d));
|
|
||||||
c21 = vmlaq_n_f32(
|
|
||||||
c21,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap2 + l), load_lo(Bp1 + l)),
|
|
||||||
load_hi(Ap2 + l), load_hi(Bp1 + l))),
|
|
||||||
unhalf(Ap2[l].d) * unhalf(Bp1[l].d));
|
|
||||||
c22 = vmlaq_n_f32(
|
|
||||||
c22,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(vdotq_s32(zero, load_lo(Ap2 + l), load_lo(Bp2 + l)),
|
|
||||||
load_hi(Ap2 + l), load_hi(Bp2 + l))),
|
|
||||||
unhalf(Ap2[l].d) * unhalf(Bp2[l].d));
|
|
||||||
}
|
}
|
||||||
C[ldc * (j + 0) + (i + 0)] = hsum(c00);
|
|
||||||
C[ldc * (j + 0) + (i + 1)] = hsum(c10);
|
|
||||||
C[ldc * (j + 0) + (i + 2)] = hsum(c20);
|
|
||||||
C[ldc * (j + 1) + (i + 0)] = hsum(c01);
|
|
||||||
C[ldc * (j + 1) + (i + 1)] = hsum(c11);
|
|
||||||
C[ldc * (j + 1) + (i + 2)] = hsum(c21);
|
|
||||||
C[ldc * (j + 2) + (i + 0)] = hsum(c02);
|
|
||||||
C[ldc * (j + 2) + (i + 1)] = hsum(c12);
|
|
||||||
C[ldc * (j + 2) + (i + 2)] = hsum(c22);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm1x1(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(1, 1)
|
|
||||||
float32x4_t acc = vdupq_n_f32(0.f);
|
|
||||||
const TA *Ap = A + lda * i;
|
|
||||||
const block_q8_0 *Bp = B + ldb * j;
|
|
||||||
for (int l = 0; l < k; ++l) {
|
|
||||||
acc = vmlaq_n_f32(acc,
|
|
||||||
vcvtq_f32_s32(vdotq_s32(
|
|
||||||
vdotq_s32(vdupq_n_s32(0), load_lo(Ap + l), load_lo(Bp + l)),
|
|
||||||
load_hi(Ap + l), load_hi(Bp + l))),
|
|
||||||
unhalf(Ap[l].d) * unhalf(Bp[l].d));
|
|
||||||
}
|
|
||||||
C[ldc * j + i] = hsum(acc);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
}
|
||||||
|
|
||||||
inline int8x16_t load_lo(const block_q8_0 *b) {
|
inline int8x16_t load_lo(const block_q8_0 *b) {
|
||||||
|
@ -679,217 +578,143 @@ class tinyBLAS_Q0_AVX2 {
|
||||||
}
|
}
|
||||||
|
|
||||||
private:
|
private:
|
||||||
NOINLINE void mnpack(int m0, int m, int n0, int n) {
|
void mnpack(int m0, int m, int n0, int n) {
|
||||||
int mc, nc, mp, np;
|
int mc, nc, mp, np;
|
||||||
if (m - m0 <= 0 || n - n0 <= 0)
|
switch ((std::min(m - m0, 4) << 4) | std::min(n - n0, 4)) {
|
||||||
return;
|
#if VECTOR_REGISTERS == 32
|
||||||
if (m - m0 >= 4 && n - n0 >= 3) {
|
case 0x44:
|
||||||
|
mc = 4;
|
||||||
|
nc = 4;
|
||||||
|
gemm<4, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x43:
|
||||||
mc = 4;
|
mc = 4;
|
||||||
nc = 3;
|
nc = 3;
|
||||||
gemm4x3(m0, m, n0, n);
|
gemm<4, 3>(m0, m, n0, n);
|
||||||
} else if (m - m0 >= 4 && n - n0 >= 1) {
|
break;
|
||||||
|
case 0x34:
|
||||||
|
mc = 3;
|
||||||
|
nc = 4;
|
||||||
|
gemm<3, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x33:
|
||||||
|
mc = 3;
|
||||||
|
nc = 3;
|
||||||
|
gemm<3, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x42:
|
||||||
|
mc = 4;
|
||||||
|
nc = 2;
|
||||||
|
gemm<4, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x24:
|
||||||
|
mc = 2;
|
||||||
|
nc = 4;
|
||||||
|
gemm<2, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
#else
|
||||||
|
case 0x44:
|
||||||
|
case 0x43:
|
||||||
|
case 0x42:
|
||||||
|
mc = 4;
|
||||||
|
nc = 2;
|
||||||
|
gemm<4, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x34:
|
||||||
|
case 0x24:
|
||||||
|
mc = 2;
|
||||||
|
nc = 4;
|
||||||
|
gemm<2, 4>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x33:
|
||||||
|
#endif
|
||||||
|
case 0x32:
|
||||||
|
mc = 3;
|
||||||
|
nc = 2;
|
||||||
|
gemm<3, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x23:
|
||||||
|
mc = 2;
|
||||||
|
nc = 3;
|
||||||
|
gemm<2, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x41:
|
||||||
mc = 4;
|
mc = 4;
|
||||||
nc = 1;
|
nc = 1;
|
||||||
gemm4x1(m0, m, n0, n);
|
gemm<4, 1>(m0, m, n0, n);
|
||||||
} else if (m - m0 >= 1 && n - n0 >= 4) {
|
break;
|
||||||
|
case 0x22:
|
||||||
|
mc = 2;
|
||||||
|
nc = 2;
|
||||||
|
gemm<2, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x14:
|
||||||
mc = 1;
|
mc = 1;
|
||||||
nc = 4;
|
nc = 4;
|
||||||
gemm1x4(m0, m, n0, n);
|
gemm<1, 4>(m0, m, n0, n);
|
||||||
} else {
|
break;
|
||||||
|
case 0x31:
|
||||||
|
mc = 3;
|
||||||
|
nc = 1;
|
||||||
|
gemm<3, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x13:
|
||||||
|
mc = 1;
|
||||||
|
nc = 3;
|
||||||
|
gemm<1, 3>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x21:
|
||||||
|
mc = 2;
|
||||||
|
nc = 1;
|
||||||
|
gemm<2, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x12:
|
||||||
|
mc = 1;
|
||||||
|
nc = 2;
|
||||||
|
gemm<1, 2>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
case 0x11:
|
||||||
mc = 1;
|
mc = 1;
|
||||||
nc = 1;
|
nc = 1;
|
||||||
gemm1x1(m0, m, n0, n);
|
gemm<1, 1>(m0, m, n0, n);
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
return;
|
||||||
}
|
}
|
||||||
mp = m0 + (m - m0) / mc * mc;
|
mp = m0 + (m - m0) / mc * mc;
|
||||||
np = n0 + (n - n0) / nc * nc;
|
np = n0 + (n - n0) / nc * nc;
|
||||||
mnpack(mp, m, n0, np);
|
mnpack(mp, m, n0, np);
|
||||||
mnpack(m0, mp, np, n);
|
mnpack(m0, m, np, n);
|
||||||
mnpack(mp, m, np, n);
|
|
||||||
}
|
}
|
||||||
|
|
||||||
NOINLINE void gemm4x3(int m0, int m, int n0, int n) {
|
template <int RM, int RN>
|
||||||
BEGIN_KERNEL(4, 3)
|
NOINLINE void gemm(int m0, int m, int n0, int n) {
|
||||||
__m256 c00 = _mm256_setzero_ps();
|
int ytiles = (m - m0) / RM;
|
||||||
__m256 c10 = _mm256_setzero_ps();
|
int xtiles = (n - n0) / RN;
|
||||||
__m256 c20 = _mm256_setzero_ps();
|
int tiles = xtiles * ytiles;
|
||||||
__m256 c30 = _mm256_setzero_ps();
|
int duty = (tiles + nth - 1) / nth;
|
||||||
__m256 c01 = _mm256_setzero_ps();
|
int start = duty * ith;
|
||||||
__m256 c11 = _mm256_setzero_ps();
|
int end = start + duty;
|
||||||
__m256 c21 = _mm256_setzero_ps();
|
if (end > tiles)
|
||||||
__m256 c31 = _mm256_setzero_ps();
|
end = tiles;
|
||||||
__m256 c02 = _mm256_setzero_ps();
|
for (int job = start; job < end; ++job) {
|
||||||
__m256 c12 = _mm256_setzero_ps();
|
int ii = m0 + job / xtiles * RM;
|
||||||
__m256 c22 = _mm256_setzero_ps();
|
int jj = n0 + job % xtiles * RN;
|
||||||
__m256 c32 = _mm256_setzero_ps();
|
__m256 Cv[RN][RM] = {};
|
||||||
const TA *Ap0 = A + lda * (i + 0);
|
for (int l = 0; l < k; ++l)
|
||||||
const TA *Ap1 = A + lda * (i + 1);
|
for (int j = 0; j < RN; ++j)
|
||||||
const TA *Ap2 = A + lda * (i + 2);
|
for (int i = 0; i < RM; ++i)
|
||||||
const TA *Ap3 = A + lda * (i + 3);
|
Cv[j][i] = madd(_mm256_set1_ps(unhalf(A[lda * (ii + i) + l].d) *
|
||||||
const TB *Bp0 = B + ldb * (j + 0);
|
unhalf(B[ldb * (jj + j) + l].d)),
|
||||||
const TB *Bp1 = B + ldb * (j + 1);
|
updot(_mm256_sign_epi8(load(A + lda * (ii + i) + l),
|
||||||
const TB *Bp2 = B + ldb * (j + 2);
|
load(A + lda * (ii + i) + l)),
|
||||||
for (int l = 0; l < k; ++l) {
|
_mm256_sign_epi8(load(B + ldb * (jj + j) + l),
|
||||||
float da0 = unhalf(Ap0[l].d);
|
load(A + lda * (ii + i) + l))),
|
||||||
float da1 = unhalf(Ap1[l].d);
|
Cv[j][i]);
|
||||||
float da2 = unhalf(Ap2[l].d);
|
for (int j = 0; j < RN; ++j)
|
||||||
float da3 = unhalf(Ap3[l].d);
|
for (int i = 0; i < RM; ++i)
|
||||||
__m256i e0 = load(Ap0 + l);
|
C[ldc * (jj + j) + (ii + i)] = hsum(Cv[j][i]);
|
||||||
__m256i e1 = load(Ap1 + l);
|
|
||||||
__m256i e2 = load(Ap2 + l);
|
|
||||||
__m256i e3 = load(Ap3 + l);
|
|
||||||
float db0 = unhalf(Bp0[l].d);
|
|
||||||
__m256 d00 = _mm256_set1_ps(da0 * db0);
|
|
||||||
__m256 d10 = _mm256_set1_ps(da1 * db0);
|
|
||||||
__m256 d20 = _mm256_set1_ps(da2 * db0);
|
|
||||||
__m256 d30 = _mm256_set1_ps(da3 * db0);
|
|
||||||
__m256i f0 = load(Bp0 + l);
|
|
||||||
__m256i u0 = _mm256_sign_epi8(f0, f0);
|
|
||||||
__m256i s00 = _mm256_sign_epi8(e0, f0);
|
|
||||||
__m256i s10 = _mm256_sign_epi8(e1, f0);
|
|
||||||
__m256i s20 = _mm256_sign_epi8(e2, f0);
|
|
||||||
__m256i s30 = _mm256_sign_epi8(e3, f0);
|
|
||||||
c00 = madd(d00, updot(u0, s00), c00);
|
|
||||||
c10 = madd(d10, updot(u0, s10), c10);
|
|
||||||
c20 = madd(d20, updot(u0, s20), c20);
|
|
||||||
c30 = madd(d30, updot(u0, s30), c30);
|
|
||||||
float db1 = unhalf(Bp1[l].d);
|
|
||||||
__m256 d01 = _mm256_set1_ps(da0 * db1);
|
|
||||||
__m256 d11 = _mm256_set1_ps(da1 * db1);
|
|
||||||
__m256 d21 = _mm256_set1_ps(da2 * db1);
|
|
||||||
__m256 d31 = _mm256_set1_ps(da3 * db1);
|
|
||||||
__m256i f1 = load(Bp1 + l);
|
|
||||||
__m256i u1 = _mm256_sign_epi8(f1, f1);
|
|
||||||
__m256i s01 = _mm256_sign_epi8(e0, f1);
|
|
||||||
__m256i s11 = _mm256_sign_epi8(e1, f1);
|
|
||||||
__m256i s21 = _mm256_sign_epi8(e2, f1);
|
|
||||||
__m256i s31 = _mm256_sign_epi8(e3, f1);
|
|
||||||
c01 = madd(d01, updot(u1, s01), c01);
|
|
||||||
c11 = madd(d11, updot(u1, s11), c11);
|
|
||||||
c21 = madd(d21, updot(u1, s21), c21);
|
|
||||||
c31 = madd(d31, updot(u1, s31), c31);
|
|
||||||
float db2 = unhalf(Bp2[l].d);
|
|
||||||
__m256 d02 = _mm256_set1_ps(da0 * db2);
|
|
||||||
__m256 d12 = _mm256_set1_ps(da1 * db2);
|
|
||||||
__m256 d22 = _mm256_set1_ps(da2 * db2);
|
|
||||||
__m256 d32 = _mm256_set1_ps(da3 * db2);
|
|
||||||
__m256i f2 = load(Bp2 + l);
|
|
||||||
__m256i u2 = _mm256_sign_epi8(f2, f2);
|
|
||||||
__m256i s02 = _mm256_sign_epi8(e0, f2);
|
|
||||||
__m256i s12 = _mm256_sign_epi8(e1, f2);
|
|
||||||
__m256i s22 = _mm256_sign_epi8(e2, f2);
|
|
||||||
__m256i s32 = _mm256_sign_epi8(e3, f2);
|
|
||||||
c02 = madd(d02, updot(u2, s02), c02);
|
|
||||||
c12 = madd(d12, updot(u2, s12), c12);
|
|
||||||
c22 = madd(d22, updot(u2, s22), c22);
|
|
||||||
c32 = madd(d32, updot(u2, s32), c32);
|
|
||||||
}
|
}
|
||||||
C[ldc * (j + 0) + (i + 0)] = hsum(c00);
|
|
||||||
C[ldc * (j + 0) + (i + 1)] = hsum(c10);
|
|
||||||
C[ldc * (j + 0) + (i + 2)] = hsum(c20);
|
|
||||||
C[ldc * (j + 0) + (i + 3)] = hsum(c30);
|
|
||||||
C[ldc * (j + 1) + (i + 0)] = hsum(c01);
|
|
||||||
C[ldc * (j + 1) + (i + 1)] = hsum(c11);
|
|
||||||
C[ldc * (j + 1) + (i + 2)] = hsum(c21);
|
|
||||||
C[ldc * (j + 1) + (i + 3)] = hsum(c31);
|
|
||||||
C[ldc * (j + 2) + (i + 0)] = hsum(c02);
|
|
||||||
C[ldc * (j + 2) + (i + 1)] = hsum(c12);
|
|
||||||
C[ldc * (j + 2) + (i + 2)] = hsum(c22);
|
|
||||||
C[ldc * (j + 2) + (i + 3)] = hsum(c32);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm4x1(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(4, 1)
|
|
||||||
__m256 c0 = _mm256_setzero_ps();
|
|
||||||
__m256 c1 = _mm256_setzero_ps();
|
|
||||||
__m256 c2 = _mm256_setzero_ps();
|
|
||||||
__m256 c3 = _mm256_setzero_ps();
|
|
||||||
const TA *Ap0 = A + lda * (i + 0);
|
|
||||||
const TA *Ap1 = A + lda * (i + 1);
|
|
||||||
const TA *Ap2 = A + lda * (i + 2);
|
|
||||||
const TA *Ap3 = A + lda * (i + 3);
|
|
||||||
const TB *Bp = B + ldb * j;
|
|
||||||
for (int l = 0; l < k; ++l) {
|
|
||||||
float db0 = unhalf(Bp[l].d);
|
|
||||||
__m256i f = load(Bp + l);
|
|
||||||
__m256i u = _mm256_sign_epi8(f, f);
|
|
||||||
__m256 d0 = _mm256_set1_ps(unhalf(Ap0[l].d) * db0);
|
|
||||||
__m256 d1 = _mm256_set1_ps(unhalf(Ap1[l].d) * db0);
|
|
||||||
__m256 d2 = _mm256_set1_ps(unhalf(Ap2[l].d) * db0);
|
|
||||||
__m256 d3 = _mm256_set1_ps(unhalf(Ap3[l].d) * db0);
|
|
||||||
__m256i e0 = load(Ap0 + l);
|
|
||||||
__m256i e1 = load(Ap1 + l);
|
|
||||||
__m256i e2 = load(Ap2 + l);
|
|
||||||
__m256i e3 = load(Ap3 + l);
|
|
||||||
__m256i s0 = _mm256_sign_epi8(e0, f);
|
|
||||||
__m256i s1 = _mm256_sign_epi8(e1, f);
|
|
||||||
__m256i s2 = _mm256_sign_epi8(e2, f);
|
|
||||||
__m256i s3 = _mm256_sign_epi8(e3, f);
|
|
||||||
__m256 g0 = updot(u, s0);
|
|
||||||
__m256 g1 = updot(u, s1);
|
|
||||||
__m256 g2 = updot(u, s2);
|
|
||||||
__m256 g3 = updot(u, s3);
|
|
||||||
c0 = madd(d0, g0, c0);
|
|
||||||
c1 = madd(d1, g1, c1);
|
|
||||||
c2 = madd(d2, g2, c2);
|
|
||||||
c3 = madd(d3, g3, c3);
|
|
||||||
}
|
|
||||||
C[ldc * j + (i + 0)] = hsum(c0);
|
|
||||||
C[ldc * j + (i + 1)] = hsum(c1);
|
|
||||||
C[ldc * j + (i + 2)] = hsum(c2);
|
|
||||||
C[ldc * j + (i + 3)] = hsum(c3);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm1x4(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(1, 4)
|
|
||||||
__m256 c0 = _mm256_setzero_ps();
|
|
||||||
__m256 c1 = _mm256_setzero_ps();
|
|
||||||
__m256 c2 = _mm256_setzero_ps();
|
|
||||||
__m256 c3 = _mm256_setzero_ps();
|
|
||||||
const TB *Bp0 = B + ldb * (j + 0);
|
|
||||||
const TB *Bp1 = B + ldb * (j + 1);
|
|
||||||
const TB *Bp2 = B + ldb * (j + 2);
|
|
||||||
const TB *Bp3 = B + ldb * (j + 3);
|
|
||||||
const TA *Ap = A + lda * i;
|
|
||||||
for (int l = 0; l < k; ++l) {
|
|
||||||
float da0 = unhalf(Ap[l].d);
|
|
||||||
__m256i f = load(Ap + l);
|
|
||||||
__m256i u = _mm256_sign_epi8(f, f);
|
|
||||||
__m256 d0 = _mm256_set1_ps(unhalf(Bp0[l].d) * da0);
|
|
||||||
__m256 d1 = _mm256_set1_ps(unhalf(Bp1[l].d) * da0);
|
|
||||||
__m256 d2 = _mm256_set1_ps(unhalf(Bp2[l].d) * da0);
|
|
||||||
__m256 d3 = _mm256_set1_ps(unhalf(Bp3[l].d) * da0);
|
|
||||||
__m256 g0 = updot(u, _mm256_sign_epi8(load(Bp0 + l), f));
|
|
||||||
__m256 g1 = updot(u, _mm256_sign_epi8(load(Bp1 + l), f));
|
|
||||||
__m256 g2 = updot(u, _mm256_sign_epi8(load(Bp2 + l), f));
|
|
||||||
__m256 g3 = updot(u, _mm256_sign_epi8(load(Bp3 + l), f));
|
|
||||||
c0 = madd(d0, g0, c0);
|
|
||||||
c1 = madd(d1, g1, c1);
|
|
||||||
c2 = madd(d2, g2, c2);
|
|
||||||
c3 = madd(d3, g3, c3);
|
|
||||||
}
|
|
||||||
C[ldc * (j + 0) + i] = hsum(c0);
|
|
||||||
C[ldc * (j + 1) + i] = hsum(c1);
|
|
||||||
C[ldc * (j + 2) + i] = hsum(c2);
|
|
||||||
C[ldc * (j + 3) + i] = hsum(c3);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
|
||||||
|
|
||||||
NOINLINE void gemm1x1(int m0, int m, int n0, int n) {
|
|
||||||
BEGIN_KERNEL(1, 1)
|
|
||||||
__m256 c = _mm256_setzero_ps();
|
|
||||||
const TA *Ap = A + lda * i;
|
|
||||||
const TB *Bp = B + ldb * j;
|
|
||||||
for (int l = 0; l < k; ++l) {
|
|
||||||
__m256 d = _mm256_set1_ps(unhalf(Ap[l].d) * unhalf(Bp[l].d));
|
|
||||||
__m256i e = load(Ap + l);
|
|
||||||
__m256i f = load(Bp + l);
|
|
||||||
__m256 g = updot(_mm256_sign_epi8(e, e), _mm256_sign_epi8(f, e));
|
|
||||||
c = madd(d, g, c);
|
|
||||||
}
|
|
||||||
C[ldc * j + i] = hsum(c);
|
|
||||||
END_KERNEL()
|
|
||||||
}
|
}
|
||||||
|
|
||||||
inline __m256i load(const block_q8_0 *b) {
|
inline __m256i load(const block_q8_0 *b) {
|
||||||
|
@ -911,10 +736,10 @@ class tinyBLAS_Q0_AVX2 {
|
||||||
}
|
}
|
||||||
|
|
||||||
static inline __m256i denibble(const uint8_t *p) {
|
static inline __m256i denibble(const uint8_t *p) {
|
||||||
const __m128i tmp = _mm_loadu_si128((const __m128i *)p);
|
__m128i x = _mm_loadu_si128((const __m128i *)p);
|
||||||
const __m256i bytes = MM256_SET_M128I(_mm_srli_epi16(tmp, 4), tmp);
|
return _mm256_and_si256(_mm256_set1_epi8(15),
|
||||||
const __m256i lowMask = _mm256_set1_epi8(15);
|
_mm256_insertf128_si256(_mm256_castsi128_si256(x),
|
||||||
return _mm256_and_si256(lowMask, bytes);
|
_mm_srli_epi16(x, 4), 1));
|
||||||
}
|
}
|
||||||
|
|
||||||
const TA *const A;
|
const TA *const A;
|
||||||
|
|
Loading…
Add table
Add a link
Reference in a new issue