Implemented AVX-512 optimized direct convolution function

CHANGELOG

@@ -3,6 +3,7 @@
 *******************************************************************************
 
 === 1.0.25 ===
+* Implemented AVX-512 optimized direct convolution function.
 * Updated build scripts.
 
 === 1.0.24 ===

include/private/dsp/arch/x86/avx512/convolution.h

@@ -0,0 +1,271 @@
+/*
+ * Copyright (C) 2024 Linux Studio Plugins Project <https://lsp-plug.in/>
+ * (C) 2024 Vladimir Sadovnikov <sadko4u@gmail.com>
+ *
+ * This file is part of lsp-dsp-lib
+ * Created on: 29 июл. 2024 г.
+ *
+ * lsp-dsp-lib is free software: you can redistribute it and/or modify
+ * it under the terms of the GNU Lesser General Public License as published by
+ * the Free Software Foundation, either version 3 of the License, or
+ * any later version.
+ *
+ * lsp-dsp-lib is distributed in the hope that it will be useful,
+ * but WITHOUT ANY WARRANTY; without even the implied warranty of
+ * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
+ * GNU Lesser General Public License for more details.
+ *
+ * You should have received a copy of the GNU Lesser General Public License
+ * along with lsp-dsp-lib. If not, see <https://www.gnu.org/licenses/>.
+ */
+
+#ifndef PRIVATE_DSP_ARCH_X86_AVX512_CONVOLUTION_H_
+#define PRIVATE_DSP_ARCH_X86_AVX512_CONVOLUTION_H_
+
+#ifndef PRIVATE_DSP_ARCH_X86_AVX512_IMPL
+ #error "This header should not be included directly"
+#endif /* PRIVATE_DSP_ARCH_X86_AVX512_IMPL */
+
+namespace lsp
+{
+ namespace avx512
+ {
+ void convolve(float *dst, const float *src, const float *conv, size_t length, size_t count)
+ {
+ IF_ARCH_X86(
+ const float *c;
+ float *d;
+ size_t clen;
+ );
+
+ ARCH_X86_ASM(
+ // 4x blocks
+ __ASM_EMIT("sub $4, %[count]")
+ __ASM_EMIT("jb 200f")
+ __ASM_EMIT("100:")
+ __ASM_EMIT("vxorps %%zmm7, %%zmm7, %%zmm7") // zmm7 = 0
+ __ASM_EMIT("mov %[length], %[clen]")
+ __ASM_EMIT("mov %[dst], %[d]")
+ __ASM_EMIT("mov %[conv], %[c]")
+
+ __ASM_EMIT("vbroadcastss 0x00(%[k]), %%zmm0") // ymm0 = k0
+ __ASM_EMIT("vbroadcastss 0x04(%[k]), %%zmm1") // ymm1 = k1
+ __ASM_EMIT("vbroadcastss 0x08(%[k]), %%zmm2") // ymm2 = k2
+ __ASM_EMIT("vbroadcastss 0x0c(%[k]), %%zmm3") // ymm3 = k3
+ // 16x convolution
+ __ASM_EMIT("sub $16, %[clen]")
+ __ASM_EMIT("jb 12f")
+ __ASM_EMIT(".align 16")
+ __ASM_EMIT("11:")
+ __ASM_EMIT("vmovups (%[c]), %%zmm5") // zmm5 = c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13 c14 c15
+ __ASM_EMIT("vinsertf32x4 $0, %%xmm7, %%zmm5, %%zmm4") // zmm4 = p0 p1 p2 p3 c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11
+ __ASM_EMIT("vmovaps %%zmm5, %%zmm7") // zmm7 = c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13 c14 c15
+ __ASM_EMIT("vshufps $0x4e, %%zmm5, %%zmm4, %%zmm5") // zmm5 = p2 p3 c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13
+ __ASM_EMIT("vshufps $0x99, %%zmm5, %%zmm4, %%zmm4") // zmm4 = p1 p2 p3 c0 c1 c2 c3 c4 p3 c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12
+ __ASM_EMIT("vshufps $0x99, %%zmm7, %%zmm5, %%zmm6") // zmm6 = p3 c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13 c14
+ __ASM_EMIT("vfmadd213ps (%[d]), %%zmm3, %%zmm4") // zmm4 = d0 + k3*p1 ...
+ __ASM_EMIT("vmulps %%zmm2, %%zmm5, %%zmm5") // zmm5 = k2*p2 ...
+ __ASM_EMIT("vfmadd231ps %%zmm0, %%zmm7, %%zmm4") // zmm4 = d0 + k0*c0 + k3*p1 ...
+ __ASM_EMIT("vfmadd213ps %%zmm5, %%zmm1, %%zmm6") // zmm6 = k1*p3 + k2*p2
+ __ASM_EMIT("vextractf32x4 $3, %%zmm7, %%xmm7") // xmm7 = c12 c13 c14 c15 = p0 p1 p2 p3
+ __ASM_EMIT("vaddps %%zmm6, %%zmm4, %%zmm4") // ymm4 = d0 + k0*c0 + k1*p3 + k2*p2 + k3*p1
+ __ASM_EMIT("vmovups %%zmm4, (%[d])")
+ __ASM_EMIT("add $0x40, %[c]") // c += 16
+ __ASM_EMIT("add $0x40, %[d]") // d += 16
+ __ASM_EMIT("sub $16, %[clen]") // clen -= 16
+ __ASM_EMIT("jae 11b")
+ __ASM_EMIT("12:")
+ // 8x convolution
+ __ASM_EMIT("add $8, %[clen]")
+ __ASM_EMIT("jl 14f")
+ __ASM_EMIT("vmovups (%[c]), %%ymm5") // ymm5 = c0 c1 c2 c3 c4 c5 c6 c7
+ __ASM_EMIT("vinsertf128 $1, %%xmm5, %%ymm7, %%ymm4") // ymm4 = p0 p1 p2 p3 c0 c1 c2 c3
+ __ASM_EMIT("vmovaps %%ymm5, %%ymm7") // ymm7 = c0 c1 c2 c3 c4 c5 c6 c7
+ __ASM_EMIT("vshufps $0x4e, %%ymm5, %%ymm4, %%ymm5") // ymm5 = p2 p3 c0 c1 c2 c3 c4 c5
+ __ASM_EMIT("vshufps $0x99, %%ymm5, %%ymm4, %%ymm4") // ymm4 = p1 p2 p3 c0 c1 c2 c3 c4
+ __ASM_EMIT("vshufps $0x99, %%ymm7, %%ymm5, %%ymm6") // ymm6 = p3 c0 c1 c2 c3 c4 c5 c6
+ __ASM_EMIT("vfmadd213ps (%[d]), %%ymm3, %%ymm4") // ymm4 = d0 + k3*p1 ...
+ __ASM_EMIT("vmulps %%ymm2, %%ymm5, %%ymm5") // ymm5 = k2*p2 ...
+ __ASM_EMIT("vfmadd231ps %%ymm0, %%ymm7, %%ymm4") // ymm4 = d0 + k0*c0 + k3*p1 ...
+ __ASM_EMIT("vfmadd213ps %%ymm5, %%ymm1, %%ymm6") // ymm6 = k1*p3 + k2*p2
+ __ASM_EMIT("vextractf128 $1, %%ymm7, %%xmm7") // xmm7 = c4 c5 c6 c7
+ __ASM_EMIT("vaddps %%ymm6, %%ymm4, %%ymm4") // ymm4 = d0 + k0*c0 + k1*p3 + k2*p2 + k3*p1
+ __ASM_EMIT("vmovups %%ymm4, (%[d])")
+ __ASM_EMIT("add $0x20, %[c]") // c += 8
+ __ASM_EMIT("add $0x20, %[d]") // d += 8
+ __ASM_EMIT("sub $8, %[clen]") // clen -= 8
+ __ASM_EMIT("14:")
+ // 4x convolution
+ __ASM_EMIT("add $4, %[clen]")
+ __ASM_EMIT("jl 16f")
+ __ASM_EMIT("vmovaps %%xmm7, %%xmm4") // xmm4 = p0 p1 p2 p3
+ __ASM_EMIT("vmovups (%[c]), %%xmm7") // xmm7 = c0 c1 c2 c3
+ __ASM_EMIT("vshufps $0x4e, %%xmm7, %%xmm4, %%xmm5") // xmm5 = p2 p3 c0 c1
+ __ASM_EMIT("vshufps $0x99, %%xmm7, %%xmm5, %%xmm6") // xmm6 = p3 c0 c1 c2
+ __ASM_EMIT("vshufps $0x99, %%xmm5, %%xmm4, %%xmm4") // xmm4 = p1 p2 p3 c0
+ __ASM_EMIT("vmulps %%xmm2, %%xmm5, %%xmm5") // xmm5 = k2*p2 ...
+ __ASM_EMIT("vfmadd213ps (%[d]), %%xmm3, %%xmm4") // xmm4 = d0 + k3*p1 ...
+ __ASM_EMIT("vfmadd213ps %%xmm5, %%xmm1, %%xmm6") // xmm6 = k1*p3 + k2*p2
+ __ASM_EMIT("vfmadd231ps %%xmm0, %%xmm7, %%xmm4") // xmm4 = d0 + k0*c0 + k3*p1 ...
+ __ASM_EMIT("vaddps %%xmm6, %%xmm4, %%xmm4") // xmm4 = d0 + k0*c0 + k1*p3 + k2*p2 + k3*p1
+ __ASM_EMIT("vmovups %%xmm4, (%[d])")
+ __ASM_EMIT("sub $4, %[clen]") // clen -= 4
+ __ASM_EMIT("add $0x10, %[c]") // c += 4
+ __ASM_EMIT("add $0x10, %[d]") // d += 4
+ __ASM_EMIT("16:")
+ // 4x tail
+ __ASM_EMIT("vmovaps %%xmm7, %%xmm4") // xmm4 = p0 p1 p2 p3
+ __ASM_EMIT("vxorps %%xmm7, %%xmm7, %%xmm7") // xmm7 = 0 0 0 0
+ __ASM_EMIT("vmovhlps %%xmm4, %%xmm7, %%xmm5") // xmm5 = p2 p3 0 0
+ __ASM_EMIT("vshufps $0x99, %%xmm7, %%xmm5, %%xmm6") // xmm6 = p3 0 0 0
+ __ASM_EMIT("vmovlps 0x00(%[d]), %%xmm0, %%xmm0") // xmm0 = d0 d1
+ __ASM_EMIT("vshufps $0x99, %%xmm5, %%xmm4, %%xmm4") // xmm4 = p1 p2 p3 0
+ __ASM_EMIT("vmovss 0x08(%[d]), %%xmm7") // xmm7 = d2 0
+ __ASM_EMIT("vmovlhps %%xmm7, %%xmm0, %%xmm0") // xmm0 = d0 d1 d2 0
+ __ASM_EMIT("vmulps %%xmm3, %%xmm4, %%xmm4") // xmm4 = k3*p1 ...
+ __ASM_EMIT("vfmadd213ps %%xmm0, %%xmm2, %%xmm5") // xmm5 = d0 + k2*p2 ...
+ __ASM_EMIT("vfmadd213ps %%xmm4, %%xmm1, %%xmm6") // xmm6 = k1*p3 + k3*p1 ...
+ __ASM_EMIT("vaddps %%xmm5, %%xmm6, %%xmm6") // xmm6 = d0 + k1*p3 + k2*p2 + k3*p1
+ __ASM_EMIT("vmovhlps %%xmm6, %%xmm7, %%xmm7")
+ __ASM_EMIT("vmovlps %%xmm6, 0x00(%[d])")
+ __ASM_EMIT("vmovss %%xmm7, 0x08(%[d])")
+ // 1x convolution
+ __ASM_EMIT("add $3, %[clen]") // while (clen >= 0)
+ __ASM_EMIT("jl 14f")
+ __ASM_EMIT("vmovups 0x00(%[k]), %%xmm1") // xmm1 = k0 k1 k2 k3
+ __ASM_EMIT("15:")
+ __ASM_EMIT("vbroadcastss 0x00(%[c]), %%xmm0") // xmm0 = c0 c0 c0 c0
+ __ASM_EMIT("vfmadd213ps 0x00(%[d]), %%xmm1, %%xmm0") // xmm0 = d0+k0*c0 d1+k1*c0 d2+k2*c0 d3+k3*c0
+ __ASM_EMIT("vmovups %%xmm0, 0x00(%[d])")
+ __ASM_EMIT("add $0x04, %[c]") // c++
+ __ASM_EMIT("add $0x04, %[d]") // d++
+ __ASM_EMIT("dec %[clen]") // clen--
+ __ASM_EMIT("jge 15b")
+ __ASM_EMIT("14:")
+ __ASM_EMIT64("add $0x10, %[dst]") // dst += 4
+ __ASM_EMIT32("addl $0x10, %[dst]")
+ __ASM_EMIT("add $0x10, %[k]") // k += 4
+ __ASM_EMIT("sub $0x04, %[count]") // count -= 4
+ __ASM_EMIT("jge 100b")
+
+ // 1x blocks
+ __ASM_EMIT("200:")
+ __ASM_EMIT("add $3, %[count]")
+ __ASM_EMIT("jl 400f")
+ __ASM_EMIT("300:")
+ __ASM_EMIT("mov %[length], %[clen]")
+ __ASM_EMIT("mov %[dst], %[d]")
+ __ASM_EMIT("vbroadcastss 0x00(%[k]), %%zmm0") // zmm0 = k0
+ __ASM_EMIT("mov %[conv], %[c]")
+ __ASM_EMIT("vmovaps %%zmm0, %%zmm1") // zmm1 = k0
+ // 64x convolution
+ __ASM_EMIT("sub $64, %[clen]")
+ __ASM_EMIT("jb 22f")
+ __ASM_EMIT(".align 16")
+ __ASM_EMIT("21:")
+ __ASM_EMIT("vmovups 0x00(%[c]), %%zmm2") // zmm2 = c0 c1 ...
+ __ASM_EMIT("vmovups 0x40(%[c]), %%zmm3")
+ __ASM_EMIT("vmovups 0x80(%[c]), %%zmm4")
+ __ASM_EMIT("vmovups 0xc0(%[c]), %%zmm5")
+ __ASM_EMIT("vfmadd213ps 0x00(%[d]), %%zmm0, %%zmm2") // zmm2 = d0+k0*c0 d1+k0*c1 ...
+ __ASM_EMIT("vfmadd213ps 0x40(%[d]), %%zmm1, %%zmm3")
+ __ASM_EMIT("vfmadd213ps 0x80(%[d]), %%zmm0, %%zmm4")
+ __ASM_EMIT("vfmadd213ps 0xc0(%[d]), %%zmm1, %%zmm5")
+ __ASM_EMIT("vmovups %%zmm2, 0x00(%[d])")
+ __ASM_EMIT("vmovups %%zmm3, 0x40(%[d])")
+ __ASM_EMIT("vmovups %%zmm4, 0x80(%[d])")
+ __ASM_EMIT("vmovups %%zmm5, 0xc0(%[d])")
+ __ASM_EMIT("add $0x100, %[c]") // c += 64
+ __ASM_EMIT("add $0x100, %[d]") // d += 64
+ __ASM_EMIT("sub $64, %[clen]") // clen -= 64
+ __ASM_EMIT("jae 21b")
+ __ASM_EMIT("22:")
+ // 32x convolution
+ __ASM_EMIT("add $32, %[clen]")
+ __ASM_EMIT("jl 24f")
+ __ASM_EMIT("vmovups 0x00(%[c]), %%ymm2") // ymm2 = c0 c1 ...
+ __ASM_EMIT("vmovups 0x20(%[c]), %%ymm3")
+ __ASM_EMIT("vmovups 0x40(%[c]), %%ymm4")
+ __ASM_EMIT("vmovups 0x60(%[c]), %%ymm5")
+ __ASM_EMIT("vfmadd213ps 0x00(%[d]), %%ymm0, %%ymm2") // ymm2 = d0+k0*c0 d1+k0*c1 ...
+ __ASM_EMIT("vfmadd213ps 0x20(%[d]), %%ymm1, %%ymm3")
+ __ASM_EMIT("vfmadd213ps 0x40(%[d]), %%ymm0, %%ymm4")
+ __ASM_EMIT("vfmadd213ps 0x60(%[d]), %%ymm1, %%ymm5")
+ __ASM_EMIT("vmovups %%ymm2, 0x00(%[d])")
+ __ASM_EMIT("vmovups %%ymm3, 0x20(%[d])")
+ __ASM_EMIT("vmovups %%ymm4, 0x40(%[d])")
+ __ASM_EMIT("vmovups %%ymm5, 0x60(%[d])")
+ __ASM_EMIT("sub $32, %[clen]") // clen -= 32
+ __ASM_EMIT("add $0x80, %[c]") // c += 32
+ __ASM_EMIT("add $0x80, %[d]") // d += 32
+ __ASM_EMIT("24:")
+ // 16x convolution
+ __ASM_EMIT("add $16, %[clen]")
+ __ASM_EMIT("jl 26f")
+ __ASM_EMIT("vmovups 0x00(%[c]), %%ymm2") // ymm2 = c0 c1 ...
+ __ASM_EMIT("vmovups 0x20(%[c]), %%ymm3")
+ __ASM_EMIT("vfmadd213ps 0x00(%[d]), %%ymm0, %%ymm2") // ymm2 = d0+k0*c0 d1+k0*c1 ...
+ __ASM_EMIT("vfmadd213ps 0x20(%[d]), %%ymm1, %%ymm3")
+ __ASM_EMIT("vmovups %%ymm2, 0x00(%[d])")
+ __ASM_EMIT("vmovups %%ymm3, 0x20(%[d])")
+ __ASM_EMIT("sub $16, %[clen]") // clen -= 16
+ __ASM_EMIT("add $0x40, %[c]") // c += 16
+ __ASM_EMIT("add $0x40, %[d]") // d += 16
+ __ASM_EMIT("26:")
+ // 8x convolution
+ __ASM_EMIT("add $8, %[clen]")
+ __ASM_EMIT("jl 28f")
+ __ASM_EMIT("vmovups 0x00(%[c]), %%xmm2") // xmm2 = c0 c1 ...
+ __ASM_EMIT("vmovups 0x10(%[c]), %%xmm3")
+ __ASM_EMIT("vfmadd213ps 0x00(%[d]), %%xmm0, %%xmm2") // xmm2 = d0+k0*c0 d1+k0*c1 ...
+ __ASM_EMIT("vfmadd213ps 0x10(%[d]), %%xmm1, %%xmm3")
+ __ASM_EMIT("vmovups %%xmm2, 0x00(%[d])")
+ __ASM_EMIT("vmovups %%xmm3, 0x10(%[d])")
+ __ASM_EMIT("sub $8, %[clen]") // clen -= 8
+ __ASM_EMIT("add $0x20, %[c]") // c += 8
+ __ASM_EMIT("add $0x20, %[d]") // d += 8
+ __ASM_EMIT("28:")
+ // 4x convolution
+ __ASM_EMIT("add $4, %[clen]")
+ __ASM_EMIT("jl 30f")
+ __ASM_EMIT("vmulps 0x00(%[c]), %%xmm0, %%xmm2") // xmm2 = k0*c0 k0*c1 ...
+ __ASM_EMIT("vaddps 0x00(%[d]), %%xmm2, %%xmm2") // xmm2 = d0+k0*c0 d1+k0*c1 ...
+ __ASM_EMIT("vmovups %%xmm2, 0x00(%[d])")
+ __ASM_EMIT("sub $4, %[clen]") // clen -= 4
+ __ASM_EMIT("add $0x10, %[c]") // c += 4
+ __ASM_EMIT("add $0x10, %[d]") // d += 4
+ __ASM_EMIT("30:")
+ // 1x convolution
+ __ASM_EMIT("add $3, %[clen]")
+ __ASM_EMIT("jl 32f")
+ __ASM_EMIT("31:")
+ __ASM_EMIT("vmulss 0x00(%[c]), %%xmm0, %%xmm2") // xmm2 = k0*c0
+ __ASM_EMIT("vaddss 0x00(%[d]), %%xmm2, %%xmm2") // xmm2 = d0+k0*c0
+ __ASM_EMIT("vmovss %%xmm2, 0x00(%[d])")
+ __ASM_EMIT("add $0x04, %[c]") // c ++
+ __ASM_EMIT("add $0x04, %[d]") // d ++
+ __ASM_EMIT("dec %[clen]")
+ __ASM_EMIT("jge 31b")
+ __ASM_EMIT("32:")
+ __ASM_EMIT("add $0x04, %[k]")
+ __ASM_EMIT64("add $0x04, %[dst]") // dst++
+ __ASM_EMIT32("addl $0x04, %[dst]")
+ __ASM_EMIT("dec %[count]")
+ __ASM_EMIT("jge 300b")
+
+ __ASM_EMIT("400:")
+ : [dst] __ASM_ARG_RW(dst),
+ [k] "+r" (src), [count] "+r" (count),
+ [c] "=&r" (c), [d] "=&r" (d), [clen] "=&r" (clen)
+ : [conv] X86_GREG (conv), [length] X86_GREG (length)
+ : "cc", "memory",
+ "%xmm0", "%xmm1", "%xmm2", "%xmm3",
+ "%xmm4", "%xmm5", "%xmm6", "%xmm7"
+ );
+ }
+
+ } /* namespace avx512 */
+} /* namespace lsp */
+
+
+#endif /* PRIVATE_DSP_ARCH_X86_AVX512_CONVOLUTION_H_ */