Quelle  sqr_basecase.asm   Sprache: Masm

dnl  Power9 mpn_sqr_basecase.

dnl  Copyright 1999-2001, 2003-2006, 2008, 2017-2018 Free Software Foundation,
dnl  Inc.

dnl  This file is part of the GNU MP Library.
dnl
dnl  The GNU MP Library is free software; you can redistribute it and/or modify
dnl  it under the terms of either:
dnl
dnl    * the GNU Lesser General Public License as published by the Free
dnl      Software Foundation; either version 3 of the License, or (at your
dnl      option) any later version.
dnl
dnl  or
dnl
dnl    * the GNU General Public License as published by the Free Software
dnl      Foundation; either version 2 of the License, or (at your option) any
dnl      later version.
dnl
dnl  or both in parallel, as here.
dnl
dnl  The GNU MP Library is distributed in the hope that it will be useful, but
dnl  WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY
dnl  or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public License
dnl  for more details.
dnl
dnl  You should have received copies of the GNU General Public License and the
dnl  GNU Lesser General Public License along with the GNU MP Library.  If not,
dnl  see https://www.gnu.org/licenses/.

include(`../config.m4')

C                  cycles/limb
C POWER3/PPC630          -
C POWER4/PPC970          -
C POWER5                 -
C POWER6                 -
C POWER7                 -
C POWER8                 -
C POWER9                 1.62

C TODO
C  * Completely separate evn and odd code into two outer loops. Also consider
C    unrolling these two outer loops and thereby eliminate all branches.
C  * Avoid the reloading of u1 before every loop start.
C  * Reduce register usage.
C  * Consider getting rid of cy and instead load 3 u limbs, use addc+adde+adde.
C  * Consider skewing conditional adjustments to allow mask creation with subfe
C    like in the un=3 code. It might streamline the adjustments (or not).

C INPUT PARAMETERS
define(`rp', `r3')
define(`up', `r4')
define(`un', `r5')

define(`u0', `r0')
define(`u1', `r7')
define(`rp2', `r24')
define(`up2', `r25')
define(`cy', `r6')

define(`LSHU1U0',`
 addc u0, u0, u0
 adde u1, u1, u1
 li cy, 0
 addze cy, cy
')
define(`LSHU1U',`
 addc u0, u0, u0
 add u0, u0, cy
 adde u1, u1, u1
 li cy, 0
 addze cy, cy
')
define(`LSHU1UF',`
 addc u0, u0, u0
 add u0, u0, cy
 adde u1, u1, u1
')
define(`LSHU1UHF',`
 add u0, u0, u0
 add u0, u0, cy
')
C These are cleverer replacements, but they tend to leave CA set, disturbing
C the main accumulation code! Breaking that false dependency might have a
C positive performance impact. Note that the subfe here results in a mask for
C our adjustments.
define(`xLSHU1U0',`
 addc u0, u0, u0
 adde u1, u1, u1
 subfe cy, cy, cy
')
define(`xLSHU1U',`
 subfic cy, cy, 0
 adde u0, u0, u0
 adde u1, u1, u1
 subfe cy, cy, cy
')
define(`xLSHU1U',`
 subfic cy, cy, 0
 adde u0, u0, u0
')

ASM_START()
PROLOGUE(mpn_sqr_basecase)
 ld r0, 0(up) C n = 1
 mulld r8, r0, r0 C weight 0
 mulhdu r9, r0, r0 C weight 1
 std r8, 0(rp)
 cmpdi cr0, un, 2
 bge cr0, L(ge2)
 std r9, 8(rp)
 blr

L(ge2): bgt cr0, L(gt2)
 ld r6, 8(up)
 mulld r10, r6, r6 C u1 * u1
 mulhdu r11, r6, r6 C u1 * u1
 mulld r4, r6, r0 C u1 * u0
 mulhdu r5, r6, r0 C u1 * u0
 addc r4, r4, r4
 adde r5, r5, r5
 addze r11, r11
 addc r9, r9, r4
 adde r10, r10, r5
 addze r11, r11
 std r9, 8(rp)
 std r10, 16(rp)
 std r11, 24(rp)
 blr

L(gt2): cmpdi cr0, un, 3
 bgt cr0, L(gt3)
 std r30, -16(r1)
 std r31, -8(r1)
 subfo r12, r12, r12  C clear OV (and result register)
 ld r8, 8(r4)
 mulld r5, r8, r8  C W2
 mulhdu r10, r8, r8  C W3
 sradi r11, u0, 63  C CAUTION: clobbers CA
 and r11, r11, r8  C W3
 addc u0, u0, u0
 adde u1, r8, r8
 subfe r6, r6, r6  C mask
 ld r4, 16(r4)  C W2
 mulld r12, r8, u0  C W1 u1 x u0
 mulhdu r8, r8, u0  C W2 u1 x u0
 maddld( r31, r4, u0, r11) C W2
 maddhdu(r30, r4, u0, r11) C W3
 andc r6, r4, r6  C W4
 addc r9, r12, r9  C W1
 std r9, 8(rp)  C W1
 mulld r9, r4, u1  C W3
 mulhdu r11, r4, u1  C W4
 addex( r5, r5, r8, 0)  C W2
 adde r5, r31, r5  C W2
 std r5, 16(rp)  C W2
 maddld( r5, r4, r4, r6)  C W4 u2^2
 maddhdu(r6, r4, r4, r6)  C W5 u2^2
 addex( r9, r9, r30, 0)  C W3
 adde r9, r9, r10  C W3
 std r9, 24(rp)  C W3
 adde r5, r5, r11  C W4
 addze r6, r6   C W5
 li r8, 0
 addex( r5, r5, r8, 0)  C W4
 std r5, 32(rp)  C W4
 addex( r6, r6, r8, 0)  C W5
 std r6, 40(rp)  C W5
 ld r30, -16(r1)
 ld r31, -8(r1)
 blr

L(gt3): std r22, -80(r1)
 std r23, -72(r1)
 std r24, -64(r1)
 std r25, -56(r1)
 std r26, -48(r1)
 std r27, -40(r1)
 std r28, -32(r1)
 std r29, -24(r1)
 std r30, -16(r1)
 std r31, -8(r1)

 mr rp2, rp
 mr up2, up
 addi r22, un, -1  C count for loop FIXME: Adjust
 subfo r0, r0, r0  C clear OV (and r0)
 rldicl r0, un, 0, 63  C r0 = un & 1
 cmpdi cr7, r0, 0

 ld u0, 0(up2)
 ld u1, 8(up2)

 cmpdi cr5, r22, 4
 srdi r31, r22, 2
 addi r22, r22, -2
 mtctr r31

 beq cr7, L(m2_evn)
L(m2_odd):
 rldicl. r31, r22, 63, 63 C r22 & 2
 mulld r23, u0, u0
 mulhdu r12, u0, u0
 mulld r5, u1, u1
 mulhdu r10, u1, u1

 sradi r11, u0, 63
 and r11, r11, u1

 LSHU1U0

 ld r8, 8(up2)
 ld r9, 16(up2)
 mulld r28, r8, u0  C W u1 x u0
 mulhdu r31, r8, u0  C W u1 x u0
 std r23, 0(rp2)

 bne cr0, L(m2_11)
L(m2_01):
 addi up, up2, 16
 addi rp, rp2, 0
 b L(m2_lo2)
L(m2_11):
 addi up, up2, 0
 addi rp, rp2, -16
 b L(m2_lo0)

L(m2_evn):
 rldicl. r31, r22, 63, 63 C r22 & 2
 mulld r23, u0, u0
 mulhdu r5, u0, u0
 mulld r12, u1, u1
 mulhdu r11, u1, u1

 sradi r10, u0, 63
 and r10, r10, u1

 LSHU1U0

 ld r9, 8(up2)
 ld r8, 16(up2)
 mulld r29, r9, u0  C W u1 x u0
 mulhdu r30, r9, u0  C W u1 x u0
 std r23, 0(rp2)

 beq cr0, L(m2_10)
L(m2_00):
 addi up, up2, 8
 addi rp, rp2, -8
 b L(m2_lo1)
L(m2_10):
 addi up, up2, 24
 addi rp, rp2, 8
 ble cr5, L(m2_end)

L(m2_top):
 ld r9, 0(up)
 maddld( r28, r8, u0, r10)
 maddhdu(r31, r8, u0, r10)
 adde r5, r29, r5
 std r5, 0(rp)
 mulld r5, r8, u1
 mulhdu r10, r8, u1
 addex( r12, r12, r30, 0)
L(m2_lo2):
 ld r8, 8(up)
 maddld( r29, r9, u0, r11)
 maddhdu(r30, r9, u0, r11)
 adde r12, r28, r12
 std r12, 8(rp)
 mulld r12, r9, u1
 mulhdu r11, r9, u1
 addex( r5, r5, r31, 0)
L(m2_lo1):
 ld r9, 16(up)
 maddld( r28, r8, u0, r10)
 maddhdu(r31, r8, u0, r10)
 adde r5, r29, r5
 std r5, 16(rp)
 mulld r5, r8, u1
 mulhdu r10, r8, u1
 addex( r12, r12, r30, 0)
L(m2_lo0):
 ld r8, 24(up)
 maddld( r29, r9, u0, r11)
 maddhdu(r30, r9, u0, r11)
 adde r12, r28, r12
 std r12, 24(rp)
 mulld r12, r9, u1
 mulhdu r11, r9, u1
 addex( r5, r5, r31, 0)
 addi up, up, 32
 addi rp, rp, 32
 bdnz L(m2_top)

L(m2_end):
 ld r9, 0(up)
 maddld( r28, r8, u0, r10)
 maddhdu(r31, r8, u0, r10)
 adde r5, r29, r5
 std r5, 0(rp)
 mulld r5, r8, u1
 mulhdu r10, r8, u1
 b L(cj)   C jump to addmul_2 tail

L(outer):
 addi up2, up2, 16
 addi rp2, rp2, 32

 ld u0, 0(up2)
 ld u1, 8(up2)

 cmpdi cr5, r22, 4
 srdi r31, r22, 2
 addi r22, r22, -2
 mtctr r31

 ld r26, 0(rp2)
 ld r27, 16(rp2)

 rldicl. r31, r22, 63, 63 C r22 & 2
 beq cr7, L(evn)

L(odd): maddld( r23, u0, u0, r26) C W u2^2
 maddhdu(r12, u0, u0, r26) C W u2^2
 maddld( r5, u1, u1, r27) C W u3^2
 maddhdu(r10, u1, u1, r27) C W u3^2
 ld r26, 8(rp2)

 ld r8, -8(up2)
 sradi r8, r8, 63  C CAUTION: clobbers CA
 and r8, r8, u0
 sradi r11, u0, 63  C CAUTION: clobbers CA
 and r11, r11, u1

 LSHU1U

 addc r23, r23, r8

 ld r8, 8(up2)
 ld r9, 16(up2)
 maddld( r28, r8, u0, r26) C W u3 x u2
 maddhdu(r31, r8, u0, r26) C W u3 x u2
 ld r26, 24(rp2)
 std r23, 0(rp2)  C W0

 bne cr0, L(11)
L(01):
 addi up, up2, 16
 addi rp, rp2, 0
 b L(lo2)
L(11):
 addi up, up2, 0
 addi rp, rp2, -16
 b L(lo0)

L(evn): maddld( r23, u0, u0, r26) C W u2^2
 maddhdu(r5, u0, u0, r26) C W u2^2
 maddld( r12, u1, u1, r27) C W u3^2
 maddhdu(r11, u1, u1, r27) C W u3^2
 ld r27, 8(rp2)

 ld r9, -8(up2)
 sradi r9, r9, 63  C CAUTION: clobbers CA
 and r9, r9, u0
 sradi r10, u0, 63  C CAUTION: clobbers CA
 and r10, r10, u1

 LSHU1U

 addc r23, r23, r9

 ld r9, 8(up2)
 ld r8, 16(up2)
 maddld( r29, r9, u0, r27) C W u3 x u2
 maddhdu(r30, r9, u0, r27) C W u3 x u2
 ld r27, 24(rp2)
 std r23, 0(rp2)  C W0

 beq cr0, L(10)
L(00):
 addi up, up2, 8
 addi rp, rp2, -8
 b L(lo1)
L(10):
 addi up, up2, 24
 addi rp, rp2, 8
 ble cr5, L(end)

L(top): ld r9, 0(up)
 maddld( r28, r8, u0, r10)
 maddhdu(r31, r8, u0, r10)
 adde r5, r29, r5
 ld r26, 24(rp)
 std r5, 0(rp)
 maddld( r5, r8, u1, r27)
 maddhdu(r10, r8, u1, r27)
 addex( r12, r12, r30, 0)
L(lo2): ld r8, 8(up)
 maddld( r29, r9, u0, r11)
 maddhdu(r30, r9, u0, r11)
 adde r12, r28, r12
 ld r27, 32(rp)
 std r12, 8(rp)
 maddld( r12, r9, u1, r26)
 maddhdu(r11, r9, u1, r26)
 addex( r5, r5, r31, 0)
L(lo1): ld r9, 16(up)
 maddld( r28, r8, u0, r10)
 maddhdu(r31, r8, u0, r10)
 adde r5, r29, r5
 ld r26, 40(rp)
 std r5, 16(rp)
 maddld( r5, r8, u1, r27)
 maddhdu(r10, r8, u1, r27)
 addex( r12, r12, r30, 0)
L(lo0): ld r8, 24(up)
 maddld( r29, r9, u0, r11)
 maddhdu(r30, r9, u0, r11)
 adde r12, r28, r12
 ld r27, 48(rp)
 std r12, 24(rp)
 maddld( r12, r9, u1, r26)
 maddhdu(r11, r9, u1, r26)
 addex( r5, r5, r31, 0)
 addi up, up, 32
 addi rp, rp, 32
 bdnz L(top)

L(end): ld r9, 0(up)
 maddld( r28, r8, u0, r10)
 maddhdu(r31, r8, u0, r10)
 adde r5, r29, r5
 std r5, 0(rp)
 maddld( r5, r8, u1, r27)
 maddhdu(r10, r8, u1, r27)
L(cj): addex( r12, r12, r30, 0)
 maddld( r29, r9, u0, r11)
 maddhdu(r30, r9, u0, r11)
 adde r12, r28, r12
 std r12, 8(rp)
 mulld r12, r9, u1
 mulhdu r11, r9, u1
 addex( r5, r5, r31, 0)
 adde r5, r29, r5
 std r5, 16(rp)
 addex( r12, r12, r30, 0)
 adde r12, r12, r10
 std r12, 24(rp)
 li r4, 0
 addze r5, r11
 addex( r5, r5, r4, 0)
 std r5, 32(rp)
 bgt cr5, L(outer)

L(corner):
 ld u0, 16(up2)
 ld u1, 24(up2)
 ld r26, 32(rp2)
 bne cr7, L(corner_odd)

L(corner_evn):
 ld r27, 40(rp2)
 maddld( r23, u0, u0, r26) C W u2^2
 maddhdu(r5, u0, u0, r26) C W u2^2
 mulld r12, u1, u1  C W u3^2
 mulhdu r11, u1, u1  C W u3^2

 ld r9, 8(up2)
 sradi r9, r9, 63  C CAUTION: clobbers CA
 and r9, r9, u0
 sradi r10, u0, 63  C CAUTION: clobbers CA
 and r10, r10, u1

 LSHU1UHF

 addc r23, r23, r9

 ld r9, 24(up2)
 maddld( r29, r9, u0, r27) C W u3 x u2
 maddhdu(r30, r9, u0, r27) C W u3 x u2
 std r23, 32(rp2)
 adde r5, r29, r5
 std r5, 40(rp2)
 addex( r12, r12, r30, 0)
 adde r12, r12, r10  C W FIXME can this co?
 std r12, 48(rp2)
 li r4, 0
 addex( r5, r11, r4, 0)
 addze r5, r5
 std r5, 56(rp2)
 b L(ret)

L(corner_odd):
 ld r27, 48(rp2)
 maddld( r23, u0, u0, r26) C W u2^2
 maddhdu(r12, u0, u0, r26) C W u2^2
 maddld( r5, u1, u1, r27) C W u3^2
 maddhdu(r10, u1, u1, r27) C W u3^2
 ld r26, 40(rp2)

 ld r8, 8(up2)
 sradi r8, r8, 63  C CAUTION: clobbers CA
 and r8, r8, u0
 sradi r11, u0, 63  C CAUTION: clobbers CA
 and r11, r11, u1

 LSHU1UF

 addc r23, r23, r8

 ld r8, 24(up2)
 ld r9, 32(up2)
 maddld( r28, r8, u0, r26) C W u3 x u2
 maddhdu(r31, r8, u0, r26) C W u3 x u2
 std r23, 32(rp2)
 maddld( r29, r9, u0, r11)
 maddhdu(r30, r9, u0, r11)
 adde r12, r28, r12
 std r12, 40(rp2)
 mulld r12, r9, u1
 mulhdu r11, r9, u1
 addex( r5, r5, r31, 0)
 adde r5, r29, r5
 std r5, 48(rp2)
 addex( r12, r12, r30, 0)
 adde r12, r12, r10
 std r12, 56(rp2)
 mulld r23, r9, r9  C W u2^2
 mulhdu r12, r9, r9  C W u2^2
 adde r23, r23, r11
 addze r12, r12
 sradi r4, r8, 63  C CAUTION: clobbers CA
 and r4, r4, r9
 addex( r23, r23, r4, 0)
 std r23, 64(rp2)
 li r4, 0
 addex( r12, r12, r4, 0)
 std r12, 72(rp2)

L(ret): ld r22, -80(r1)
 ld r23, -72(r1)
 ld r24, -64(r1)
 ld r25, -56(r1)
 ld r26, -48(r1)
 ld r27, -40(r1)
 ld r28, -32(r1)
 ld r29, -24(r1)
 ld r30, -16(r1)
 ld r31, -8(r1)
 blr
EPILOGUE()
ASM_END()