<div dir="ltr">Thanks Chen for the comments. I have tried with 2 - rows format also but the performance is lesser than the 4 - rows format. I will try to change the algorithm.<div><br></div><div>Regards,</div><div>Divya</div></div><div class="gmail_extra"><br><div class="gmail_quote">On Wed, Nov 12, 2014 at 10:29 PM, chen <span dir="ltr"><<a href="mailto:chenm003@163.com" target="_blank">chenm003@163.com</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div style="line-height:1.7;color:#000000;font-size:14px;font-family:arial"><div> </div><pre><br>At 2014-11-12 19:31:57,<a href="mailto:divya@multicorewareinc.com" target="_blank">divya@multicorewareinc.com</a> wrote:
># HG changeset patch
># User Divya Manivannan
># Date 1415791868 -19800
>#      Wed Nov 12 17:01:08 2014 +0530
># Node ID 27fdbc2031b6bf3ec46c0daa423c7495b62bac43
># Parent  98fb658f3229ab10e808204c265a12e18d71638e
>asm: luma_vpp[8x8] in avx2
>
>diff -r 98fb658f3229 -r 27fdbc2031b6 source/common/x86/ipfilter8.asm
>--- a/source/common/x86/ipfilter8.asm      Tue Nov 11 19:30:19 2014 +0900
>+++ b/source/common/x86/ipfilter8.asm      Wed Nov 12 17:01:08 2014 +0530
>@@ -3501,6 +3501,118 @@
>     pextrd          [r2 + r4], xm1, 3
>     RET

>+INIT_YMM avx2
>+%if ARCH_X86_64 == 1
>+cglobal interp_8tap_vert_pp_8x8, 4,6,13
>+    mov             r4d, r4m
>+
>+%ifdef PIC
>+    lea             r5, [tab_LumaCoeff]
>+    vpbroadcastd    m0, [r5 + r4 * 8 + 0]
>+    vpbroadcastd    m8, [r5 + r4 * 8 + 4]
>+%else
>+    vpbroadcastd    m0, [tab_LumaCoeff + r4 * 8 + 0]
>+    vpbroadcastd    m8, [tab_LumaCoeff + r4 * 8 + 4]
>+%endif
>+
>+    lea             r5, [r1 * 3]
>+    sub             r0, r5
>+    mov             r4d, 2
>+
>+.loop
>+    movq            xm1, [r0]                       ; m1 = row 0
>+    movq            xm2, [r0 + r1]                  ; m2 = row 1
>+    punpcklbw       xm1, xm2                        ; m1 = [17 07 16 06 15 05 14 04 13 03 12 02 11 01 10 00]
>+    lea             r5, [r0 + r1 * 2]
</pre><pre>r5 is (r1*3), we can reuse it below and reduce many LEA</pre><div><div class="h5"><pre>>+    movq            xm3, [r5]                       ; m3 = row 2
>+    punpcklbw       xm2, xm3                        ; m2 = [27 17 26 16 25 15 24 14 23 13 22 12 21 11 20 10]
>+    movq            xm4, [r5 + r1]                  ; m4 = row 3
>+    punpcklbw       xm3, xm4                        ; m3 = [37 27 36 26 35 25 34 24 33 23 32 22 31 21 30 20]
>+    punpcklwd       xm5, xm1, xm3                   ; m5 = [33 23 13 03 32 22 12 02 31 21 11 01 30 20 10 00]
>+    punpckhwd       xm6, xm1, xm3                   ; m6 = [37 27 17 07 36 26 16 06 35 25 15 05 34 24 14 04]
>+    lea             r5, [r5 + r1 * 2]
>+    movq            xm1, [r5]                       ; m1 = row 4
>+    punpcklbw       xm4, xm1                        ; m4 = [47 37 46 36 45 35 44 34 43 33 42 32 41 31 40 30]
>+    punpcklwd       xm7, xm2, xm4                   ; m7 = [43 33 23 13 42 32 22 12 41 31 21 11 40 30 20 10]
>+    punpckhwd       xm2, xm4                        ; m2 = [47 37 27 17 46 36 26 16 45 35 25 15 44 34 24 14]
>+    vinserti128     m5, m5, xm7, 1                  ; m5 = [43 33 23 13 42 32 22 12 41 31 21 11 40 30 20 10] - [33 23 13 03 32 22 12 02 31 21 11 01 30 20 10 00]
>+    vinserti128     m6, m6, xm2, 1                  ; m6 = [47 37 27 17 46 36 26 16 45 35 25 15 44 34 24 14] - [37 27 17 07 36 26 16 06 35 25 15 05 34 24 14 04]
>+    movq            xm2, [r5 + r1]                  ; m2 = row 5
>+    punpcklbw       xm1, xm2                        ; m1 = [57 47 56 46 55 45 54 44 53 43 52 42 51 41 50 40]
>+    punpcklwd       xm9, xm3, xm1                   ; m9 = [53 43 33 23 52 42 32 22 51 41 31 21 50 40 30 20]
>+    punpckhwd       xm3, xm1                        ; m3 = [57 47 37 27 56 46 36 26 55 45 35 25 54 44 34 24]
>+    lea             r5, [r5 + r1 * 2]
>+    movq            xm7, [r5]                       ; m7 = row 6
>+    punpcklbw       xm2, xm7                        ; m2 = [67 57 66 56 65 55 64 54 63 53 62 52 61 51 60 50]
>+    punpcklwd       xm10, xm4, xm2                  ; m10 = [63 53 43 33 62 52 42 32 61 51 41 31 60 50 40 30]
>+    punpckhwd       xm4, xm2                        ; m4 = [67 57 47 37 66 56 46 36 65 55 45 35 64 54 44 34]
>+    vinserti128     m9, m9, xm10, 1                 ; m9 = [63 53 43 33 62 52 42 32 61 51 41 31 60 50 40 30] - [53 43 33 23 52 42 32 22 51 41 31 21 50 40 30 20]
>+    vinserti128     m3, m3, xm4, 1                  ; m3 = [67 57 47 37 66 56 46 36 65 55 45 35 64 54 44 34] - [57 47 37 27 56 46 36 26 55 45 35 25 54 44 34 24]
>+    movq            xm11, [r5 + r1]                 ; m11 = row 7
>+    punpcklbw       xm7, xm11                       ; m7 = [77 67 76 66 75 65 74 64 73 63 72 62 71 61 70 60]
>+    punpcklwd       xm12, xm1, xm7                  ; m12 = [73 63 53 43 72 62 52 42 71 61 51 41 70 60 50 40]
>+    punpckhwd       xm1, xm7                        ; m1 = [77 67 57 47 76 66 56 46 75 65 55 45 74 64 54 44]
>+    lea             r5, [r5 + r1 * 2]
>+    movq            xm10, [r5]                      ; m10 = row 8
>+    punpcklbw       xm11, xm10                      ; m11 = [87 77 86 76 85 75 84 74 83 73 82 72 81 71 80 70]
>+    punpcklwd       xm4, xm2, xm11                  ; m4 = [83 73 63 53 82 72 62 52 81 71 61 51 80 70 60 50]
>+    punpckhwd       xm2, xm11                       ; m2 = [87 77 67 57 86 76 66 56 85 75 65 55 84 74 64 54]
>+    vinserti128     m12, m12, xm4, 1                ; m12 = [83 73 63 53 82 72 62 52 81 71 61 51 80 70 60 50] - [73 63 53 43 72 62 52 42 71 61 51 41 70 60 50 40]
>+    vinserti128     m1, m1, xm2, 1                  ; m1 = [87 77 67 57 86 76 66 56 85 75 65 55 84 74 64 54] - [77 67 57 47 76 66 56 46 75 65 55 45 74 64 54 44]
>+
>+    pmaddubsw       m5, m0
>+    pmaddubsw       m6, m0
>+    pmaddubsw       m1, m8
>+    pmaddubsw       m12, m8
>+    vbroadcasti128  m2, [pw_1]
>+    pmaddwd         m1, m2
>+    pmaddwd         m12, m2
>+    pmaddwd         m5, m2
>+    pmaddwd         m6, m2
>+    paddd           m5, m12
>+    paddd           m6, m1
>+    packssdw        m5, m6
>+    pmulhrsw        m5, [pw_512]                    ; m5 = word: row 0, row 1
>+
>+    movq            xm6, [r5 + r1]                  ; m6 = row 9
>+    punpcklbw       xm10, xm6                       ; m10 = [97 87 96 86 95 85 94 84 93 83 92 82 91 81 90 80]
>+    punpcklwd       xm1, xm7, xm10                  ; m1 = [93 83 73 63 92 82 72 62 91 81 71 61 90 80 70 60]
>+    punpckhwd       xm7, xm10                       ; m7 = [97 87 77 67 96 86 76 66 95 85 75 65 94 84 74 64]
>+    movq            xm12, [r5 + r1 * 2]             ; m12 = row 10
>+    punpcklbw       xm6, xm12                       ; m6 = [A7 97 A6 96 A5 95 A4 94 A3 93 A2 92 A1 91 A0 90]
>+    punpcklwd       xm2, xm11, xm6                  ; m2 = [A3 93 83 73 A2 92 82 72 A1 91 81 71 A0 90 80 70]
>+    punpckhwd       xm11, xm6                       ; m11 = [A7 97 87 77 A6 96 86 76 A5 95 85 75 A4 94 84 74]
>+    vinserti128     m1, m1, xm2, 1                  ; m1 = [A3 93 83 73 A2 92 82 72 A1 91 81 71 A0 90 80 70] - [93 83 73 63 92 82 72 62 91 81 71 61 90 80 70 60]
>+    vinserti128     m7, m7, xm11, 1                 ; m7 = [A7 97 87 77 A6 96 86 76 A5 95 85 75 A4 94 84 74] - [97 87 77 67 96 86 76 66 95 85 75 65 94 84 74 64]
>+
>+    pmaddubsw       m9, m0
>+    pmaddubsw       m3, m0
>+    pmaddubsw       m7, m8
>+    pmaddubsw       m1, m8
>+    vbroadcasti128  m2, [pw_1]
>+    pmaddwd         m7, m2
>+    pmaddwd         m1, m2
>+    pmaddwd         m9, m2
>+    pmaddwd         m3, m2
>+    paddd           m9, m1
>+    paddd           m3, m7
>+    packssdw        m9, m3
>+    pmulhrsw        m9, [pw_512]                    ; m9 = word: row 2, row 3
>+
>+    packuswb        m5, m9                          ; m5 = row 0 row 2 row 1 row 3
>+    vextracti128    xm2, m5, 1                      ; m2 = row 1 row 3
>+    movq            [r2], xm5
>+    movq            [r2 + r3], xm2
>+    lea             r2, [r2 + r3 * 2]
>+    movhps          [r2], xm5
>+    movhps          [r2 + r3], xm2
>+
>+    lea             r2, [r2 + r3 * 2]
>+    lea             r0, [r0 + r1 * 4]
>+    dec             r4d
>+    jnz             .loop
>+    RET
>+%endif
</pre><pre> </pre></div></div><pre>algorithm need modify, I process/transpose 4-rows every time because my demo is 4x4, for 8x8 case, I suggest use 2-rows format to reduce PMADDWD and number of register.</pre><pre> </pre></div><br>_______________________________________________<br>
x265-devel mailing list<br>
<a href="mailto:x265-devel@videolan.org">x265-devel@videolan.org</a><br>
<a href="https://mailman.videolan.org/listinfo/x265-devel" target="_blank">https://mailman.videolan.org/listinfo/x265-devel</a><br>
<br></blockquote></div><br></div>