| @@ -124,6 +124,9 @@ if (NOT DYNAMIC_ARCH) | |||
| if (HAVE_AVX) | |||
| set (CCOMMON_OPT "${CCOMMON_OPT} -mavx") | |||
| endif () | |||
| if (HAVE_FMA3) | |||
| set (CCOMMON_OPT "${CCOMMON_OPT} -mfma") | |||
| endif () | |||
| if (HAVE_SSE) | |||
| set (CCOMMON_OPT "${CCOMMON_OPT} -msse") | |||
| endif () | |||
| @@ -76,10 +76,28 @@ static atomic_bool blas_buffer_inuse[MAX_PARALLEL_NUMBER]; | |||
| static _Bool blas_buffer_inuse[MAX_PARALLEL_NUMBER]; | |||
| #endif | |||
| void goto_set_num_threads(int num_threads) { | |||
| static void adjust_thread_buffers() { | |||
| int i=0, j=0; | |||
| //adjust buffer for each thread | |||
| for(i=0; i < MAX_PARALLEL_NUMBER; i++) { | |||
| for(j=0; j < blas_cpu_number; j++){ | |||
| if(blas_thread_buffer[i][j] == NULL){ | |||
| blas_thread_buffer[i][j] = blas_memory_alloc(2); | |||
| } | |||
| } | |||
| for(; j < MAX_CPU_NUMBER; j++){ | |||
| if(blas_thread_buffer[i][j] != NULL){ | |||
| blas_memory_free(blas_thread_buffer[i][j]); | |||
| blas_thread_buffer[i][j] = NULL; | |||
| } | |||
| } | |||
| } | |||
| } | |||
| void goto_set_num_threads(int num_threads) { | |||
| if (num_threads < 1) num_threads = blas_num_threads; | |||
| if (num_threads > MAX_CPU_NUMBER) num_threads = MAX_CPU_NUMBER; | |||
| @@ -92,20 +110,7 @@ void goto_set_num_threads(int num_threads) { | |||
| omp_set_num_threads(blas_cpu_number); | |||
| //adjust buffer for each thread | |||
| for(i=0; i<MAX_PARALLEL_NUMBER; i++) { | |||
| for(j=0; j<blas_cpu_number; j++){ | |||
| if(blas_thread_buffer[i][j]==NULL){ | |||
| blas_thread_buffer[i][j]=blas_memory_alloc(2); | |||
| } | |||
| } | |||
| for(; j<MAX_CPU_NUMBER; j++){ | |||
| if(blas_thread_buffer[i][j]!=NULL){ | |||
| blas_memory_free(blas_thread_buffer[i][j]); | |||
| blas_thread_buffer[i][j]=NULL; | |||
| } | |||
| } | |||
| } | |||
| adjust_thread_buffers(); | |||
| #if defined(ARCH_MIPS64) | |||
| //set parameters for different number of threads. | |||
| blas_set_parameter(); | |||
| @@ -119,20 +124,11 @@ void openblas_set_num_threads(int num_threads) { | |||
| int blas_thread_init(void){ | |||
| int i=0, j=0; | |||
| blas_get_cpu_number(); | |||
| blas_server_avail = 1; | |||
| adjust_thread_buffers(); | |||
| for(i=0; i<MAX_PARALLEL_NUMBER; i++) { | |||
| for(j=0; j<blas_num_threads; j++){ | |||
| blas_thread_buffer[i][j]=blas_memory_alloc(2); | |||
| } | |||
| for(; j<MAX_CPU_NUMBER; j++){ | |||
| blas_thread_buffer[i][j]=NULL; | |||
| } | |||
| } | |||
| blas_server_avail = 1; | |||
| return 0; | |||
| } | |||
| @@ -42,24 +42,27 @@ FLOAT CNAME(BLASLONG n, FLOAT *x, BLASLONG inc_x) | |||
| n *= inc_x; | |||
| if (inc_x == 1) | |||
| { | |||
| #if V_SIMD | |||
| #if V_SIMD && (!defined(DOUBLE) || (defined(DOUBLE) && V_SIMD_F64 && V_SIMD > 128)) | |||
| #ifdef DOUBLE | |||
| const int vstep = v_nlanes_f64; | |||
| const int unrollx2 = n & (-vstep * 2); | |||
| const int unrollx4 = n & (-vstep * 4); | |||
| const int unrollx = n & -vstep; | |||
| v_f64 vsum0 = v_zero_f64(); | |||
| v_f64 vsum1 = v_zero_f64(); | |||
| while (i < unrollx2) | |||
| v_f64 vsum2 = v_zero_f64(); | |||
| v_f64 vsum3 = v_zero_f64(); | |||
| for (; i < unrollx4; i += vstep * 4) | |||
| { | |||
| vsum0 = v_add_f64(vsum0, v_loadu_f64(x)); | |||
| vsum1 = v_add_f64(vsum1, v_loadu_f64(x + vstep)); | |||
| i += vstep * 2; | |||
| vsum0 = v_add_f64(vsum0, v_loadu_f64(x + i)); | |||
| vsum1 = v_add_f64(vsum1, v_loadu_f64(x + i + vstep)); | |||
| vsum2 = v_add_f64(vsum2, v_loadu_f64(x + i + vstep * 2)); | |||
| vsum3 = v_add_f64(vsum3, v_loadu_f64(x + i + vstep * 3)); | |||
| } | |||
| vsum0 = v_add_f64(vsum0, vsum1); | |||
| while (i < unrollx) | |||
| vsum0 = v_add_f64( | |||
| v_add_f64(vsum0, vsum1), v_add_f64(vsum2, vsum3)); | |||
| for (; i < unrollx; i += vstep) | |||
| { | |||
| vsum0 = v_add_f64(vsum0, v_loadu_f64(x + i)); | |||
| i += vstep; | |||
| } | |||
| sumf = v_sum_f64(vsum0); | |||
| #else | |||
| @@ -70,20 +73,18 @@ FLOAT CNAME(BLASLONG n, FLOAT *x, BLASLONG inc_x) | |||
| v_f32 vsum1 = v_zero_f32(); | |||
| v_f32 vsum2 = v_zero_f32(); | |||
| v_f32 vsum3 = v_zero_f32(); | |||
| while (i < unrollx4) | |||
| for (; i < unrollx4; i += vstep * 4) | |||
| { | |||
| vsum0 = v_add_f32(vsum0, v_loadu_f32(x)); | |||
| vsum1 = v_add_f32(vsum1, v_loadu_f32(x + vstep)); | |||
| vsum2 = v_add_f32(vsum2, v_loadu_f32(x + vstep * 2)); | |||
| vsum3 = v_add_f32(vsum3, v_loadu_f32(x + vstep * 3)); | |||
| i += vstep * 4; | |||
| vsum0 = v_add_f32(vsum0, v_loadu_f32(x + i)); | |||
| vsum1 = v_add_f32(vsum1, v_loadu_f32(x + i + vstep)); | |||
| vsum2 = v_add_f32(vsum2, v_loadu_f32(x + i + vstep * 2)); | |||
| vsum3 = v_add_f32(vsum3, v_loadu_f32(x + i + vstep * 3)); | |||
| } | |||
| vsum0 = v_add_f32( | |||
| v_add_f32(vsum0, vsum1), v_add_f32(vsum2, vsum3)); | |||
| while (i < unrollx) | |||
| for (; i < unrollx; i += vstep) | |||
| { | |||
| vsum0 = v_add_f32(vsum0, v_loadu_f32(x + i)); | |||
| i += vstep; | |||
| } | |||
| sumf = v_sum_f32(vsum0); | |||
| #endif | |||
| @@ -47,7 +47,7 @@ extern "C" { | |||
| #endif | |||
| /** AVX **/ | |||
| #ifdef HAVE_AVX | |||
| #if defined(HAVE_AVX) || defined(HAVE_FMA3) | |||
| #include <immintrin.h> | |||
| #endif | |||
| @@ -12,6 +12,8 @@ typedef __m256d v_f64; | |||
| ***************************/ | |||
| #define v_add_f32 _mm256_add_ps | |||
| #define v_add_f64 _mm256_add_pd | |||
| #define v_sub_f32 _mm256_sub_ps | |||
| #define v_sub_f64 _mm256_sub_pd | |||
| #define v_mul_f32 _mm256_mul_ps | |||
| #define v_mul_f64 _mm256_mul_pd | |||
| @@ -19,12 +21,20 @@ typedef __m256d v_f64; | |||
| // multiply and add, a*b + c | |||
| #define v_muladd_f32 _mm256_fmadd_ps | |||
| #define v_muladd_f64 _mm256_fmadd_pd | |||
| // multiply and subtract, a*b - c | |||
| #define v_mulsub_f32 _mm256_fmsub_ps | |||
| #define v_mulsub_f64 _mm256_fmsub_pd | |||
| #else | |||
| // multiply and add, a*b + c | |||
| BLAS_FINLINE v_f32 v_muladd_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return v_add_f32(v_mul_f32(a, b), c); } | |||
| BLAS_FINLINE v_f64 v_muladd_f64(v_f64 a, v_f64 b, v_f64 c) | |||
| { return v_add_f64(v_mul_f64(a, b), c); } | |||
| // multiply and subtract, a*b - c | |||
| BLAS_FINLINE v_f32 v_mulsub_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return v_sub_f32(v_mul_f32(a, b), c); } | |||
| BLAS_FINLINE v_f64 v_mulsub_f64(v_f64 a, v_f64 b, v_f64 c) | |||
| { return v_sub_f64(v_mul_f64(a, b), c); } | |||
| #endif // !HAVE_FMA3 | |||
| // Horizontal add: Calculates the sum of all vector elements. | |||
| @@ -12,11 +12,16 @@ typedef __m512d v_f64; | |||
| ***************************/ | |||
| #define v_add_f32 _mm512_add_ps | |||
| #define v_add_f64 _mm512_add_pd | |||
| #define v_sub_f32 _mm512_sub_ps | |||
| #define v_sub_f64 _mm512_sub_pd | |||
| #define v_mul_f32 _mm512_mul_ps | |||
| #define v_mul_f64 _mm512_mul_pd | |||
| // multiply and add, a*b + c | |||
| #define v_muladd_f32 _mm512_fmadd_ps | |||
| #define v_muladd_f64 _mm512_fmadd_pd | |||
| // multiply and subtract, a*b - c | |||
| #define v_mulsub_f32 _mm512_fmsub_ps | |||
| #define v_mulsub_f64 _mm512_fmsub_pd | |||
| BLAS_FINLINE float v_sum_f32(v_f32 a) | |||
| { | |||
| __m512 h64 = _mm512_shuffle_f32x4(a, a, _MM_SHUFFLE(3, 2, 3, 2)); | |||
| @@ -18,6 +18,8 @@ typedef float32x4_t v_f32; | |||
| ***************************/ | |||
| #define v_add_f32 vaddq_f32 | |||
| #define v_add_f64 vaddq_f64 | |||
| #define v_sub_f32 vsubq_f32 | |||
| #define v_sub_f64 vsubq_f64 | |||
| #define v_mul_f32 vmulq_f32 | |||
| #define v_mul_f64 vmulq_f64 | |||
| @@ -26,16 +28,24 @@ typedef float32x4_t v_f32; | |||
| // multiply and add, a*b + c | |||
| BLAS_FINLINE v_f32 v_muladd_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return vfmaq_f32(c, a, b); } | |||
| // multiply and subtract, a*b - c | |||
| BLAS_FINLINE v_f32 v_mulsub_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return vfmaq_f32(vnegq_f32(c), a, b); } | |||
| #else | |||
| // multiply and add, a*b + c | |||
| BLAS_FINLINE v_f32 v_muladd_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return vmlaq_f32(c, a, b); } | |||
| // multiply and subtract, a*b - c | |||
| BLAS_FINLINE v_f32 v_mulsub_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return vmlaq_f32(vnegq_f32(c), a, b); } | |||
| #endif | |||
| // FUSED F64 | |||
| #if V_SIMD_F64 | |||
| BLAS_FINLINE v_f64 v_muladd_f64(v_f64 a, v_f64 b, v_f64 c) | |||
| { return vfmaq_f64(c, a, b); } | |||
| BLAS_FINLINE v_f64 v_mulsub_f64(v_f64 a, v_f64 b, v_f64 c) | |||
| { return vfmaq_f64(vnegq_f64(c), a, b); } | |||
| #endif | |||
| // Horizontal add: Calculates the sum of all vector elements. | |||
| @@ -12,22 +12,35 @@ typedef __m128d v_f64; | |||
| ***************************/ | |||
| #define v_add_f32 _mm_add_ps | |||
| #define v_add_f64 _mm_add_pd | |||
| #define v_sub_f32 _mm_sub_ps | |||
| #define v_sub_f64 _mm_sub_pd | |||
| #define v_mul_f32 _mm_mul_ps | |||
| #define v_mul_f64 _mm_mul_pd | |||
| #ifdef HAVE_FMA3 | |||
| // multiply and add, a*b + c | |||
| #define v_muladd_f32 _mm_fmadd_ps | |||
| #define v_muladd_f64 _mm_fmadd_pd | |||
| // multiply and subtract, a*b - c | |||
| #define v_mulsub_f32 _mm_fmsub_ps | |||
| #define v_mulsub_f64 _mm_fmsub_pd | |||
| #elif defined(HAVE_FMA4) | |||
| // multiply and add, a*b + c | |||
| #define v_muladd_f32 _mm_macc_ps | |||
| #define v_muladd_f64 _mm_macc_pd | |||
| // multiply and subtract, a*b - c | |||
| #define v_mulsub_f32 _mm_msub_ps | |||
| #define v_mulsub_f64 _mm_msub_pd | |||
| #else | |||
| // multiply and add, a*b + c | |||
| BLAS_FINLINE v_f32 v_muladd_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return v_add_f32(v_mul_f32(a, b), c); } | |||
| BLAS_FINLINE v_f64 v_muladd_f64(v_f64 a, v_f64 b, v_f64 c) | |||
| { return v_add_f64(v_mul_f64(a, b), c); } | |||
| // multiply and subtract, a*b - c | |||
| BLAS_FINLINE v_f32 v_mulsub_f32(v_f32 a, v_f32 b, v_f32 c) | |||
| { return v_sub_f32(v_mul_f32(a, b), c); } | |||
| BLAS_FINLINE v_f64 v_mulsub_f64(v_f64 a, v_f64 b, v_f64 c) | |||
| { return v_sub_f64(v_mul_f64(a, b), c); } | |||
| #endif // HAVE_FMA3 | |||
| // Horizontal add: Calculates the sum of all vector elements. | |||
| @@ -7,10 +7,76 @@ | |||
| #endif | |||
| #ifndef HAVE_DROT_KERNEL | |||
| #include "../simd/intrin.h" | |||
| static void drot_kernel(BLASLONG n, FLOAT *x, FLOAT *y, FLOAT c, FLOAT s) | |||
| { | |||
| BLASLONG i = 0; | |||
| #if V_SIMD_F64 && V_SIMD > 256 | |||
| const int vstep = v_nlanes_f64; | |||
| const int unrollx4 = n & (-vstep * 4); | |||
| const int unrollx = n & -vstep; | |||
| v_f64 __c = v_setall_f64(c); | |||
| v_f64 __s = v_setall_f64(s); | |||
| v_f64 vx0, vx1, vx2, vx3; | |||
| v_f64 vy0, vy1, vy2, vy3; | |||
| v_f64 vt0, vt1, vt2, vt3; | |||
| for (; i < unrollx4; i += vstep * 4) { | |||
| vx0 = v_loadu_f64(x + i); | |||
| vx1 = v_loadu_f64(x + i + vstep); | |||
| vx2 = v_loadu_f64(x + i + vstep * 2); | |||
| vx3 = v_loadu_f64(x + i + vstep * 3); | |||
| vy0 = v_loadu_f64(y + i); | |||
| vy1 = v_loadu_f64(y + i + vstep); | |||
| vy2 = v_loadu_f64(y + i + vstep * 2); | |||
| vy3 = v_loadu_f64(y + i + vstep * 3); | |||
| vt0 = v_mul_f64(__s, vy0); | |||
| vt1 = v_mul_f64(__s, vy1); | |||
| vt2 = v_mul_f64(__s, vy2); | |||
| vt3 = v_mul_f64(__s, vy3); | |||
| vt0 = v_muladd_f64(__c, vx0, vt0); | |||
| vt1 = v_muladd_f64(__c, vx1, vt1); | |||
| vt2 = v_muladd_f64(__c, vx2, vt2); | |||
| vt3 = v_muladd_f64(__c, vx3, vt3); | |||
| v_storeu_f64(x + i, vt0); | |||
| v_storeu_f64(x + i + vstep, vt1); | |||
| v_storeu_f64(x + i + vstep * 2, vt2); | |||
| v_storeu_f64(x + i + vstep * 3, vt3); | |||
| vt0 = v_mul_f64(__s, vx0); | |||
| vt1 = v_mul_f64(__s, vx1); | |||
| vt2 = v_mul_f64(__s, vx2); | |||
| vt3 = v_mul_f64(__s, vx3); | |||
| vt0 = v_mulsub_f64(__c, vy0, vt0); | |||
| vt1 = v_mulsub_f64(__c, vy1, vt1); | |||
| vt2 = v_mulsub_f64(__c, vy2, vt2); | |||
| vt3 = v_mulsub_f64(__c, vy3, vt3); | |||
| v_storeu_f64(y + i, vt0); | |||
| v_storeu_f64(y + i + vstep, vt1); | |||
| v_storeu_f64(y + i + vstep * 2, vt2); | |||
| v_storeu_f64(y + i + vstep * 3, vt3); | |||
| } | |||
| for (; i < unrollx; i += vstep) { | |||
| vx0 = v_loadu_f64(x + i); | |||
| vy0 = v_loadu_f64(y + i); | |||
| vt0 = v_mul_f64(__s, vy0); | |||
| vt0 = v_muladd_f64(__c, vx0, vt0); | |||
| v_storeu_f64(x + i, vt0); | |||
| vt0 = v_mul_f64(__s, vx0); | |||
| vt0 = v_mulsub_f64(__c, vy0, vt0); | |||
| v_storeu_f64(y + i, vt0); | |||
| } | |||
| #else | |||
| FLOAT f0, f1, f2, f3; | |||
| FLOAT x0, x1, x2, x3; | |||
| FLOAT g0, g1, g2, g3; | |||
| @@ -53,7 +119,7 @@ static void drot_kernel(BLASLONG n, FLOAT *x, FLOAT *y, FLOAT c, FLOAT s) | |||
| yp += 4; | |||
| i += 4; | |||
| } | |||
| #endif | |||
| while (i < n) { | |||
| FLOAT temp = c*x[i] + s*y[i]; | |||
| y[i] = c*y[i] - s*x[i]; | |||
| @@ -7,10 +7,78 @@ | |||
| #endif | |||
| #ifndef HAVE_SROT_KERNEL | |||
| #include"../simd/intrin.h" | |||
| static void srot_kernel(BLASLONG n, FLOAT *x, FLOAT *y, FLOAT c, FLOAT s) | |||
| { | |||
| BLASLONG i = 0; | |||
| #if V_SIMD && (defined(HAVE_FMA3) || V_SIMD > 128) | |||
| const int vstep = v_nlanes_f32; | |||
| const int unrollx4 = n & (-vstep * 4); | |||
| const int unrollx = n & -vstep; | |||
| v_f32 __c = v_setall_f32(c); | |||
| v_f32 __s = v_setall_f32(s); | |||
| v_f32 vx0, vx1, vx2, vx3; | |||
| v_f32 vy0, vy1, vy2, vy3; | |||
| v_f32 vt0, vt1, vt2, vt3; | |||
| for (; i < unrollx4; i += vstep * 4) { | |||
| vx0 = v_loadu_f32(x + i); | |||
| vx1 = v_loadu_f32(x + i + vstep); | |||
| vx2 = v_loadu_f32(x + i + vstep * 2); | |||
| vx3 = v_loadu_f32(x + i + vstep * 3); | |||
| vy0 = v_loadu_f32(y + i); | |||
| vy1 = v_loadu_f32(y + i + vstep); | |||
| vy2 = v_loadu_f32(y + i + vstep * 2); | |||
| vy3 = v_loadu_f32(y + i + vstep * 3); | |||
| vt0 = v_mul_f32(__s, vy0); | |||
| vt1 = v_mul_f32(__s, vy1); | |||
| vt2 = v_mul_f32(__s, vy2); | |||
| vt3 = v_mul_f32(__s, vy3); | |||
| vt0 = v_muladd_f32(__c, vx0, vt0); | |||
| vt1 = v_muladd_f32(__c, vx1, vt1); | |||
| vt2 = v_muladd_f32(__c, vx2, vt2); | |||
| vt3 = v_muladd_f32(__c, vx3, vt3); | |||
| v_storeu_f32(x + i, vt0); | |||
| v_storeu_f32(x + i + vstep, vt1); | |||
| v_storeu_f32(x + i + vstep * 2, vt2); | |||
| v_storeu_f32(x + i + vstep * 3, vt3); | |||
| vt0 = v_mul_f32(__s, vx0); | |||
| vt1 = v_mul_f32(__s, vx1); | |||
| vt2 = v_mul_f32(__s, vx2); | |||
| vt3 = v_mul_f32(__s, vx3); | |||
| vt0 = v_mulsub_f32(__c, vy0, vt0); | |||
| vt1 = v_mulsub_f32(__c, vy1, vt1); | |||
| vt2 = v_mulsub_f32(__c, vy2, vt2); | |||
| vt3 = v_mulsub_f32(__c, vy3, vt3); | |||
| v_storeu_f32(y + i, vt0); | |||
| v_storeu_f32(y + i + vstep, vt1); | |||
| v_storeu_f32(y + i + vstep * 2, vt2); | |||
| v_storeu_f32(y + i + vstep * 3, vt3); | |||
| } | |||
| for (; i < unrollx; i += vstep) { | |||
| vx0 = v_loadu_f32(x + i); | |||
| vy0 = v_loadu_f32(y + i); | |||
| vt0 = v_mul_f32(__s, vy0); | |||
| vt0 = v_muladd_f32(__c, vx0, vt0); | |||
| v_storeu_f32(x + i, vt0); | |||
| vt0 = v_mul_f32(__s, vx0); | |||
| vt0 = v_mulsub_f32(__c, vy0, vt0); | |||
| v_storeu_f32(y + i, vt0); | |||
| } | |||
| #else | |||
| FLOAT f0, f1, f2, f3; | |||
| FLOAT x0, x1, x2, x3; | |||
| FLOAT g0, g1, g2, g3; | |||
| @@ -20,7 +88,6 @@ static void srot_kernel(BLASLONG n, FLOAT *x, FLOAT *y, FLOAT c, FLOAT s) | |||
| FLOAT* yp = y; | |||
| BLASLONG n1 = n & (~7); | |||
| while (i < n1) { | |||
| x0 = xp[0]; | |||
| y0 = yp[0]; | |||
| @@ -53,6 +120,7 @@ static void srot_kernel(BLASLONG n, FLOAT *x, FLOAT *y, FLOAT c, FLOAT s) | |||
| yp += 4; | |||
| i += 4; | |||
| } | |||
| #endif | |||
| while (i < n) { | |||
| FLOAT temp = c*x[i] + s*y[i]; | |||