; NOTE: Assertions have been autogenerated by utils/update_llc_test_checks.py UTC_ARGS: --version 2 ; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mcpu=alderlake -verify-machineinstrs| FileCheck %s --check-prefixes=AVX,ADL ; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mcpu=sapphirerapids -verify-machineinstrs | FileCheck %s --check-prefixes=AVX,SPR ; RUN: llc < %s -mtriple=x86_64-unknown-unknown -mcpu=icelake-server -verify-machineinstrs | FileCheck %s --check-prefixes=AVX512 define <2 x i64> @foo_reg_128(<2 x i64> %0, <2 x i64> %1, <2 x i64> %2, <2 x i64> %3, <2 x i64> %4, <2 x i64> %5) { ; AVX-LABEL: foo_reg_128: ; AVX: # %bb.0: ; AVX-NEXT: {vex} vpdpwssd %xmm2, %xmm1, %xmm0 ; AVX-NEXT: vpmaddwd %xmm3, %xmm1, %xmm2 ; AVX-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX-NEXT: vpmaddwd %xmm4, %xmm1, %xmm2 ; AVX-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX-NEXT: vpmaddwd %xmm5, %xmm1, %xmm1 ; AVX-NEXT: vpaddd %xmm1, %xmm0, %xmm0 ; AVX-NEXT: retq ; ; AVX512-LABEL: foo_reg_128: ; AVX512: # %bb.0: ; AVX512-NEXT: vpdpwssd %xmm2, %xmm1, %xmm0 ; AVX512-NEXT: vpmaddwd %xmm3, %xmm1, %xmm2 ; AVX512-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX512-NEXT: vpmaddwd %xmm4, %xmm1, %xmm2 ; AVX512-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX512-NEXT: vpmaddwd %xmm5, %xmm1, %xmm1 ; AVX512-NEXT: vpaddd %xmm1, %xmm0, %xmm0 ; AVX512-NEXT: retq %7 = bitcast <2 x i64> %0 to <4 x i32> %8 = bitcast <2 x i64> %1 to <4 x i32> %9 = bitcast <2 x i64> %2 to <4 x i32> %10 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %7, <4 x i32> %8, <4 x i32> %9) %11 = bitcast <2 x i64> %3 to <4 x i32> %12 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %10, <4 x i32> %8, <4 x i32> %11) %13 = bitcast <2 x i64> %4 to <4 x i32> %14 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %12, <4 x i32> %8, <4 x i32> %13) %15 = bitcast <2 x i64> %5 to <4 x i32> %16 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %14, <4 x i32> %8, <4 x i32> %15) %17 = bitcast <4 x i32> %16 to <2 x i64> ret <2 x i64> %17 } declare <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32>, <4 x i32>, <4 x i32>) #1 define <2 x i64> @foo_128(i32 %0, <2 x i64> %1, <2 x i64> %2, ptr %3) { ; AVX-LABEL: foo_128: ; AVX: # %bb.0: ; AVX-NEXT: testl %edi, %edi ; AVX-NEXT: jle .LBB1_6 ; AVX-NEXT: # %bb.1: ; AVX-NEXT: movl %edi, %edx ; AVX-NEXT: movl %edx, %eax ; AVX-NEXT: andl $3, %eax ; AVX-NEXT: cmpl $4, %edi ; AVX-NEXT: jae .LBB1_7 ; AVX-NEXT: # %bb.2: ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: jmp .LBB1_3 ; AVX-NEXT: .LBB1_7: ; AVX-NEXT: andl $-4, %edx ; AVX-NEXT: leaq 48(%rsi), %rdi ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: .p2align 4, 0x90 ; AVX-NEXT: .LBB1_8: # =>This Inner Loop Header: Depth=1 ; AVX-NEXT: {vex} vpdpwssd -48(%rdi), %xmm1, %xmm0 ; AVX-NEXT: vpmaddwd -32(%rdi), %xmm1, %xmm2 ; AVX-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX-NEXT: vpmaddwd -16(%rdi), %xmm1, %xmm2 ; AVX-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX-NEXT: vpmaddwd (%rdi), %xmm1, %xmm2 ; AVX-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX-NEXT: addq $4, %rcx ; AVX-NEXT: addq $64, %rdi ; AVX-NEXT: cmpq %rcx, %rdx ; AVX-NEXT: jne .LBB1_8 ; AVX-NEXT: .LBB1_3: ; AVX-NEXT: testq %rax, %rax ; AVX-NEXT: je .LBB1_6 ; AVX-NEXT: # %bb.4: # %.preheader ; AVX-NEXT: shlq $4, %rcx ; AVX-NEXT: addq %rcx, %rsi ; AVX-NEXT: shll $4, %eax ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: .p2align 4, 0x90 ; AVX-NEXT: .LBB1_5: # =>This Inner Loop Header: Depth=1 ; AVX-NEXT: {vex} vpdpwssd (%rsi,%rcx), %xmm1, %xmm0 ; AVX-NEXT: addq $16, %rcx ; AVX-NEXT: cmpq %rcx, %rax ; AVX-NEXT: jne .LBB1_5 ; AVX-NEXT: .LBB1_6: ; AVX-NEXT: retq ; ; AVX512-LABEL: foo_128: ; AVX512: # %bb.0: ; AVX512-NEXT: testl %edi, %edi ; AVX512-NEXT: jle .LBB1_6 ; AVX512-NEXT: # %bb.1: ; AVX512-NEXT: movl %edi, %edx ; AVX512-NEXT: movl %edx, %eax ; AVX512-NEXT: andl $3, %eax ; AVX512-NEXT: cmpl $4, %edi ; AVX512-NEXT: jae .LBB1_7 ; AVX512-NEXT: # %bb.2: ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: jmp .LBB1_3 ; AVX512-NEXT: .LBB1_7: ; AVX512-NEXT: andl $-4, %edx ; AVX512-NEXT: leaq 48(%rsi), %rdi ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: .p2align 4, 0x90 ; AVX512-NEXT: .LBB1_8: # =>This Inner Loop Header: Depth=1 ; AVX512-NEXT: vpdpwssd -48(%rdi), %xmm1, %xmm0 ; AVX512-NEXT: vpmaddwd -32(%rdi), %xmm1, %xmm2 ; AVX512-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX512-NEXT: vpmaddwd -16(%rdi), %xmm1, %xmm2 ; AVX512-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX512-NEXT: vpmaddwd (%rdi), %xmm1, %xmm2 ; AVX512-NEXT: vpaddd %xmm2, %xmm0, %xmm0 ; AVX512-NEXT: addq $4, %rcx ; AVX512-NEXT: addq $64, %rdi ; AVX512-NEXT: cmpq %rcx, %rdx ; AVX512-NEXT: jne .LBB1_8 ; AVX512-NEXT: .LBB1_3: ; AVX512-NEXT: testq %rax, %rax ; AVX512-NEXT: je .LBB1_6 ; AVX512-NEXT: # %bb.4: # %.preheader ; AVX512-NEXT: shlq $4, %rcx ; AVX512-NEXT: addq %rcx, %rsi ; AVX512-NEXT: shll $4, %eax ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: .p2align 4, 0x90 ; AVX512-NEXT: .LBB1_5: # =>This Inner Loop Header: Depth=1 ; AVX512-NEXT: vpdpwssd (%rsi,%rcx), %xmm1, %xmm0 ; AVX512-NEXT: addq $16, %rcx ; AVX512-NEXT: cmpq %rcx, %rax ; AVX512-NEXT: jne .LBB1_5 ; AVX512-NEXT: .LBB1_6: ; AVX512-NEXT: retq %5 = icmp sgt i32 %0, 0 br i1 %5, label %6, label %33 6: ; preds = %4 %7 = bitcast <2 x i64> %2 to <8 x i16> %8 = bitcast <2 x i64> %1 to <4 x i32> %9 = zext i32 %0 to i64 %10 = and i64 %9, 3 %11 = icmp ult i32 %0, 4 br i1 %11, label %14, label %12 12: ; preds = %6 %13 = and i64 %9, 4294967292 br label %35 14: ; preds = %35, %6 %15 = phi <4 x i32> [ undef, %6 ], [ %57, %35 ] %16 = phi i64 [ 0, %6 ], [ %58, %35 ] %17 = phi <4 x i32> [ %8, %6 ], [ %57, %35 ] %18 = icmp eq i64 %10, 0 br i1 %18, label %30, label %19 19: ; preds = %14, %19 %20 = phi i64 [ %27, %19 ], [ %16, %14 ] %21 = phi <4 x i32> [ %26, %19 ], [ %17, %14 ] %22 = phi i64 [ %28, %19 ], [ 0, %14 ] %23 = getelementptr inbounds <2 x i64>, ptr %3, i64 %20 %24 = load <8 x i16>, ptr %23, align 16 %25 = tail call <4 x i32> @llvm.x86.sse2.pmadd.wd(<8 x i16> %7, <8 x i16> %24) %26 = add <4 x i32> %25, %21 %27 = add nuw nsw i64 %20, 1 %28 = add i64 %22, 1 %29 = icmp eq i64 %28, %10 br i1 %29, label %30, label %19 30: ; preds = %19, %14 %31 = phi <4 x i32> [ %15, %14 ], [ %26, %19 ] %32 = bitcast <4 x i32> %31 to <2 x i64> br label %33 33: ; preds = %30, %4 %34 = phi <2 x i64> [ %32, %30 ], [ %1, %4 ] ret <2 x i64> %34 35: ; preds = %35, %12 %36 = phi i64 [ 0, %12 ], [ %58, %35 ] %37 = phi <4 x i32> [ %8, %12 ], [ %57, %35 ] %38 = phi i64 [ 0, %12 ], [ %59, %35 ] %39 = getelementptr inbounds <2 x i64>, ptr %3, i64 %36 %40 = load <8 x i16>, ptr %39, align 16 %41 = tail call <4 x i32> @llvm.x86.sse2.pmadd.wd(<8 x i16> %7, <8 x i16> %40) %42 = add <4 x i32> %41, %37 %43 = or disjoint i64 %36, 1 %44 = getelementptr inbounds <2 x i64>, ptr %3, i64 %43 %45 = load <8 x i16>, ptr %44, align 16 %46 = tail call <4 x i32> @llvm.x86.sse2.pmadd.wd(<8 x i16> %7, <8 x i16> %45) %47 = add <4 x i32> %46, %42 %48 = or disjoint i64 %36, 2 %49 = getelementptr inbounds <2 x i64>, ptr %3, i64 %48 %50 = load <8 x i16>, ptr %49, align 16 %51 = tail call <4 x i32> @llvm.x86.sse2.pmadd.wd(<8 x i16> %7, <8 x i16> %50) %52 = add <4 x i32> %51, %47 %53 = or disjoint i64 %36, 3 %54 = getelementptr inbounds <2 x i64>, ptr %3, i64 %53 %55 = load <8 x i16>, ptr %54, align 16 %56 = tail call <4 x i32> @llvm.x86.sse2.pmadd.wd(<8 x i16> %7, <8 x i16> %55) %57 = add <4 x i32> %56, %52 %58 = add nuw nsw i64 %36, 4 %59 = add i64 %38, 4 %60 = icmp eq i64 %59, %13 br i1 %60, label %14, label %35 } define void @bar_128(i32 %0, ptr %1, <2 x i64> %2, ptr %3) { ; AVX-LABEL: bar_128: ; AVX: # %bb.0: ; AVX-NEXT: testl %edi, %edi ; AVX-NEXT: jle .LBB2_5 ; AVX-NEXT: # %bb.1: ; AVX-NEXT: movl %edi, %eax ; AVX-NEXT: cmpl $1, %edi ; AVX-NEXT: jne .LBB2_6 ; AVX-NEXT: # %bb.2: ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: jmp .LBB2_3 ; AVX-NEXT: .LBB2_6: ; AVX-NEXT: movl %eax, %edi ; AVX-NEXT: andl $-2, %edi ; AVX-NEXT: movl $16, %r8d ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: .p2align 4, 0x90 ; AVX-NEXT: .LBB2_7: # =>This Inner Loop Header: Depth=1 ; AVX-NEXT: vmovdqa (%rsi,%r8), %xmm1 ; AVX-NEXT: vpmaddwd -16(%rdx,%r8), %xmm0, %xmm2 ; AVX-NEXT: vpaddd -16(%rsi,%r8), %xmm2, %xmm2 ; AVX-NEXT: vmovdqa %xmm2, -16(%rsi,%r8) ; AVX-NEXT: vpmaddwd (%rdx,%r8), %xmm0, %xmm2 ; AVX-NEXT: vpaddd %xmm2, %xmm1, %xmm1 ; AVX-NEXT: vmovdqa %xmm1, (%rsi,%r8) ; AVX-NEXT: addq $2, %rcx ; AVX-NEXT: addq $32, %r8 ; AVX-NEXT: cmpq %rcx, %rdi ; AVX-NEXT: jne .LBB2_7 ; AVX-NEXT: .LBB2_3: ; AVX-NEXT: testb $1, %al ; AVX-NEXT: je .LBB2_5 ; AVX-NEXT: # %bb.4: ; AVX-NEXT: shlq $4, %rcx ; AVX-NEXT: vmovdqa (%rsi,%rcx), %xmm1 ; AVX-NEXT: {vex} vpdpwssd (%rdx,%rcx), %xmm0, %xmm1 ; AVX-NEXT: vmovdqa %xmm1, (%rsi,%rcx) ; AVX-NEXT: .LBB2_5: ; AVX-NEXT: retq ; ; AVX512-LABEL: bar_128: ; AVX512: # %bb.0: ; AVX512-NEXT: testl %edi, %edi ; AVX512-NEXT: jle .LBB2_5 ; AVX512-NEXT: # %bb.1: ; AVX512-NEXT: movl %edi, %eax ; AVX512-NEXT: cmpl $1, %edi ; AVX512-NEXT: jne .LBB2_6 ; AVX512-NEXT: # %bb.2: ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: jmp .LBB2_3 ; AVX512-NEXT: .LBB2_6: ; AVX512-NEXT: movl %eax, %edi ; AVX512-NEXT: andl $-2, %edi ; AVX512-NEXT: movl $16, %r8d ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: .p2align 4, 0x90 ; AVX512-NEXT: .LBB2_7: # =>This Inner Loop Header: Depth=1 ; AVX512-NEXT: vmovdqa (%rsi,%r8), %xmm1 ; AVX512-NEXT: vpmaddwd -16(%rdx,%r8), %xmm0, %xmm2 ; AVX512-NEXT: vpaddd -16(%rsi,%r8), %xmm2, %xmm2 ; AVX512-NEXT: vmovdqa %xmm2, -16(%rsi,%r8) ; AVX512-NEXT: vpmaddwd (%rdx,%r8), %xmm0, %xmm2 ; AVX512-NEXT: vpaddd %xmm2, %xmm1, %xmm1 ; AVX512-NEXT: vmovdqa %xmm1, (%rsi,%r8) ; AVX512-NEXT: addq $2, %rcx ; AVX512-NEXT: addq $32, %r8 ; AVX512-NEXT: cmpq %rcx, %rdi ; AVX512-NEXT: jne .LBB2_7 ; AVX512-NEXT: .LBB2_3: ; AVX512-NEXT: testb $1, %al ; AVX512-NEXT: je .LBB2_5 ; AVX512-NEXT: # %bb.4: ; AVX512-NEXT: shlq $4, %rcx ; AVX512-NEXT: vpmaddwd (%rdx,%rcx), %xmm0, %xmm0 ; AVX512-NEXT: vpaddd (%rsi,%rcx), %xmm0, %xmm0 ; AVX512-NEXT: vmovdqa %xmm0, (%rsi,%rcx) ; AVX512-NEXT: .LBB2_5: ; AVX512-NEXT: retq %5 = icmp sgt i32 %0, 0 br i1 %5, label %6, label %22 6: ; preds = %4 %7 = bitcast <2 x i64> %2 to <4 x i32> %8 = zext i32 %0 to i64 %9 = and i64 %8, 1 %10 = icmp eq i32 %0, 1 br i1 %10, label %13, label %11 11: ; preds = %6 %12 = and i64 %8, 4294967294 br label %23 13: ; preds = %23, %6 %14 = phi i64 [ 0, %6 ], [ %37, %23 ] %15 = icmp eq i64 %9, 0 br i1 %15, label %22, label %16 16: ; preds = %13 %17 = getelementptr inbounds <2 x i64>, ptr %3, i64 %14 %18 = load <4 x i32>, ptr %17, align 16 %19 = getelementptr inbounds <2 x i64>, ptr %1, i64 %14 %20 = load <4 x i32>, ptr %19, align 16 %21 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %20, <4 x i32> %7, <4 x i32> %18) store <4 x i32> %21, ptr %19, align 16 br label %22 22: ; preds = %16, %13, %4 ret void 23: ; preds = %23, %11 %24 = phi i64 [ 0, %11 ], [ %37, %23 ] %25 = phi i64 [ 0, %11 ], [ %38, %23 ] %26 = getelementptr inbounds <2 x i64>, ptr %3, i64 %24 %27 = load <4 x i32>, ptr %26, align 16 %28 = getelementptr inbounds <2 x i64>, ptr %1, i64 %24 %29 = load <4 x i32>, ptr %28, align 16 %30 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %29, <4 x i32> %7, <4 x i32> %27) store <4 x i32> %30, ptr %28, align 16 %31 = or disjoint i64 %24, 1 %32 = getelementptr inbounds <2 x i64>, ptr %3, i64 %31 %33 = load <4 x i32>, ptr %32, align 16 %34 = getelementptr inbounds <2 x i64>, ptr %1, i64 %31 %35 = load <4 x i32>, ptr %34, align 16 %36 = tail call <4 x i32> @llvm.x86.avx512.vpdpwssd.128(<4 x i32> %35, <4 x i32> %7, <4 x i32> %33) store <4 x i32> %36, ptr %34, align 16 %37 = add nuw nsw i64 %24, 2 %38 = add i64 %25, 2 %39 = icmp eq i64 %38, %12 br i1 %39, label %13, label %23 } declare <4 x i32> @llvm.x86.sse2.pmadd.wd(<8 x i16>, <8 x i16>) #1 define <4 x i64> @foo_reg_256(<4 x i64> %0, <4 x i64> %1, <4 x i64> %2, <4 x i64> %3, <4 x i64> %4, <4 x i64> %5) { ; AVX-LABEL: foo_reg_256: ; AVX: # %bb.0: ; AVX-NEXT: {vex} vpdpwssd %ymm2, %ymm1, %ymm0 ; AVX-NEXT: vpmaddwd %ymm3, %ymm1, %ymm2 ; AVX-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX-NEXT: vpmaddwd %ymm4, %ymm1, %ymm2 ; AVX-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX-NEXT: vpmaddwd %ymm5, %ymm1, %ymm1 ; AVX-NEXT: vpaddd %ymm1, %ymm0, %ymm0 ; AVX-NEXT: retq ; ; AVX512-LABEL: foo_reg_256: ; AVX512: # %bb.0: ; AVX512-NEXT: vpdpwssd %ymm2, %ymm1, %ymm0 ; AVX512-NEXT: vpmaddwd %ymm3, %ymm1, %ymm2 ; AVX512-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX512-NEXT: vpmaddwd %ymm4, %ymm1, %ymm2 ; AVX512-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX512-NEXT: vpmaddwd %ymm5, %ymm1, %ymm1 ; AVX512-NEXT: vpaddd %ymm1, %ymm0, %ymm0 ; AVX512-NEXT: retq %7 = bitcast <4 x i64> %0 to <8 x i32> %8 = bitcast <4 x i64> %1 to <8 x i32> %9 = bitcast <4 x i64> %2 to <8 x i32> %10 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %7, <8 x i32> %8, <8 x i32> %9) %11 = bitcast <4 x i64> %3 to <8 x i32> %12 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %10, <8 x i32> %8, <8 x i32> %11) %13 = bitcast <4 x i64> %4 to <8 x i32> %14 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %12, <8 x i32> %8, <8 x i32> %13) %15 = bitcast <4 x i64> %5 to <8 x i32> %16 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %14, <8 x i32> %8, <8 x i32> %15) %17 = bitcast <8 x i32> %16 to <4 x i64> ret <4 x i64> %17 } ; __m256i foo(int cnt, __m256i c, __m256i b, __m256i *p) { ; for (int i = 0; i < cnt; ++i) { ; __m256i a = p[i]; ; __m256i m = _mm256_madd_epi16 (b, a); ; c = _mm256_add_epi32(m, c); ; } ; return c; ; } define <4 x i64> @foo_256(i32 %0, <4 x i64> %1, <4 x i64> %2, ptr %3) { ; AVX-LABEL: foo_256: ; AVX: # %bb.0: ; AVX-NEXT: testl %edi, %edi ; AVX-NEXT: jle .LBB4_6 ; AVX-NEXT: # %bb.1: ; AVX-NEXT: movl %edi, %edx ; AVX-NEXT: movl %edx, %eax ; AVX-NEXT: andl $3, %eax ; AVX-NEXT: cmpl $4, %edi ; AVX-NEXT: jae .LBB4_7 ; AVX-NEXT: # %bb.2: ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: jmp .LBB4_3 ; AVX-NEXT: .LBB4_7: ; AVX-NEXT: andl $-4, %edx ; AVX-NEXT: leaq 96(%rsi), %rdi ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: .p2align 4, 0x90 ; AVX-NEXT: .LBB4_8: # =>This Inner Loop Header: Depth=1 ; AVX-NEXT: {vex} vpdpwssd -96(%rdi), %ymm1, %ymm0 ; AVX-NEXT: vpmaddwd -64(%rdi), %ymm1, %ymm2 ; AVX-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX-NEXT: vpmaddwd -32(%rdi), %ymm1, %ymm2 ; AVX-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX-NEXT: vpmaddwd (%rdi), %ymm1, %ymm2 ; AVX-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX-NEXT: addq $4, %rcx ; AVX-NEXT: subq $-128, %rdi ; AVX-NEXT: cmpq %rcx, %rdx ; AVX-NEXT: jne .LBB4_8 ; AVX-NEXT: .LBB4_3: ; AVX-NEXT: testq %rax, %rax ; AVX-NEXT: je .LBB4_6 ; AVX-NEXT: # %bb.4: # %.preheader ; AVX-NEXT: shlq $5, %rcx ; AVX-NEXT: addq %rcx, %rsi ; AVX-NEXT: shll $5, %eax ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: .p2align 4, 0x90 ; AVX-NEXT: .LBB4_5: # =>This Inner Loop Header: Depth=1 ; AVX-NEXT: {vex} vpdpwssd (%rsi,%rcx), %ymm1, %ymm0 ; AVX-NEXT: addq $32, %rcx ; AVX-NEXT: cmpq %rcx, %rax ; AVX-NEXT: jne .LBB4_5 ; AVX-NEXT: .LBB4_6: ; AVX-NEXT: retq ; ; AVX512-LABEL: foo_256: ; AVX512: # %bb.0: ; AVX512-NEXT: testl %edi, %edi ; AVX512-NEXT: jle .LBB4_6 ; AVX512-NEXT: # %bb.1: ; AVX512-NEXT: movl %edi, %edx ; AVX512-NEXT: movl %edx, %eax ; AVX512-NEXT: andl $3, %eax ; AVX512-NEXT: cmpl $4, %edi ; AVX512-NEXT: jae .LBB4_7 ; AVX512-NEXT: # %bb.2: ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: jmp .LBB4_3 ; AVX512-NEXT: .LBB4_7: ; AVX512-NEXT: andl $-4, %edx ; AVX512-NEXT: leaq 96(%rsi), %rdi ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: .p2align 4, 0x90 ; AVX512-NEXT: .LBB4_8: # =>This Inner Loop Header: Depth=1 ; AVX512-NEXT: vpdpwssd -96(%rdi), %ymm1, %ymm0 ; AVX512-NEXT: vpmaddwd -64(%rdi), %ymm1, %ymm2 ; AVX512-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX512-NEXT: vpmaddwd -32(%rdi), %ymm1, %ymm2 ; AVX512-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX512-NEXT: vpmaddwd (%rdi), %ymm1, %ymm2 ; AVX512-NEXT: vpaddd %ymm2, %ymm0, %ymm0 ; AVX512-NEXT: addq $4, %rcx ; AVX512-NEXT: subq $-128, %rdi ; AVX512-NEXT: cmpq %rcx, %rdx ; AVX512-NEXT: jne .LBB4_8 ; AVX512-NEXT: .LBB4_3: ; AVX512-NEXT: testq %rax, %rax ; AVX512-NEXT: je .LBB4_6 ; AVX512-NEXT: # %bb.4: # %.preheader ; AVX512-NEXT: shlq $5, %rcx ; AVX512-NEXT: addq %rcx, %rsi ; AVX512-NEXT: shll $5, %eax ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: .p2align 4, 0x90 ; AVX512-NEXT: .LBB4_5: # =>This Inner Loop Header: Depth=1 ; AVX512-NEXT: vpdpwssd (%rsi,%rcx), %ymm1, %ymm0 ; AVX512-NEXT: addq $32, %rcx ; AVX512-NEXT: cmpq %rcx, %rax ; AVX512-NEXT: jne .LBB4_5 ; AVX512-NEXT: .LBB4_6: ; AVX512-NEXT: retq %5 = icmp sgt i32 %0, 0 br i1 %5, label %6, label %33 6: ; preds = %4 %7 = bitcast <4 x i64> %2 to <16 x i16> %8 = bitcast <4 x i64> %1 to <8 x i32> %9 = zext i32 %0 to i64 %10 = and i64 %9, 3 %11 = icmp ult i32 %0, 4 br i1 %11, label %14, label %12 12: ; preds = %6 %13 = and i64 %9, 4294967292 br label %35 14: ; preds = %35, %6 %15 = phi <8 x i32> [ undef, %6 ], [ %57, %35 ] %16 = phi i64 [ 0, %6 ], [ %58, %35 ] %17 = phi <8 x i32> [ %8, %6 ], [ %57, %35 ] %18 = icmp eq i64 %10, 0 br i1 %18, label %30, label %19 19: ; preds = %14, %19 %20 = phi i64 [ %27, %19 ], [ %16, %14 ] %21 = phi <8 x i32> [ %26, %19 ], [ %17, %14 ] %22 = phi i64 [ %28, %19 ], [ 0, %14 ] %23 = getelementptr inbounds <4 x i64>, ptr %3, i64 %20 %24 = load <16 x i16>, ptr %23, align 32 %25 = tail call <8 x i32> @llvm.x86.avx2.pmadd.wd(<16 x i16> %7, <16 x i16> %24) %26 = add <8 x i32> %25, %21 %27 = add nuw nsw i64 %20, 1 %28 = add i64 %22, 1 %29 = icmp eq i64 %28, %10 br i1 %29, label %30, label %19 30: ; preds = %19, %14 %31 = phi <8 x i32> [ %15, %14 ], [ %26, %19 ] %32 = bitcast <8 x i32> %31 to <4 x i64> br label %33 33: ; preds = %30, %4 %34 = phi <4 x i64> [ %32, %30 ], [ %1, %4 ] ret <4 x i64> %34 35: ; preds = %35, %12 %36 = phi i64 [ 0, %12 ], [ %58, %35 ] %37 = phi <8 x i32> [ %8, %12 ], [ %57, %35 ] %38 = phi i64 [ 0, %12 ], [ %59, %35 ] %39 = getelementptr inbounds <4 x i64>, ptr %3, i64 %36 %40 = load <16 x i16>, ptr %39, align 32 %41 = tail call <8 x i32> @llvm.x86.avx2.pmadd.wd(<16 x i16> %7, <16 x i16> %40) %42 = add <8 x i32> %41, %37 %43 = or disjoint i64 %36, 1 %44 = getelementptr inbounds <4 x i64>, ptr %3, i64 %43 %45 = load <16 x i16>, ptr %44, align 32 %46 = tail call <8 x i32> @llvm.x86.avx2.pmadd.wd(<16 x i16> %7, <16 x i16> %45) %47 = add <8 x i32> %46, %42 %48 = or disjoint i64 %36, 2 %49 = getelementptr inbounds <4 x i64>, ptr %3, i64 %48 %50 = load <16 x i16>, ptr %49, align 32 %51 = tail call <8 x i32> @llvm.x86.avx2.pmadd.wd(<16 x i16> %7, <16 x i16> %50) %52 = add <8 x i32> %51, %47 %53 = or disjoint i64 %36, 3 %54 = getelementptr inbounds <4 x i64>, ptr %3, i64 %53 %55 = load <16 x i16>, ptr %54, align 32 %56 = tail call <8 x i32> @llvm.x86.avx2.pmadd.wd(<16 x i16> %7, <16 x i16> %55) %57 = add <8 x i32> %56, %52 %58 = add nuw nsw i64 %36, 4 %59 = add i64 %38, 4 %60 = icmp eq i64 %59, %13 br i1 %60, label %14, label %35 } declare <8 x i32> @llvm.x86.avx2.pmadd.wd(<16 x i16>, <16 x i16>) ; void bar(int cnt, __m256i *c, __m256i b, __m256i *p) { ; for (int i = 0; i < cnt; ++i) { ; __m256i a = p[i]; ; c[i] = _mm256_dpwssd_epi32(c[i], b, a); ; } ; } define void @bar_256(i32 %0, ptr %1, <4 x i64> %2, ptr %3) { ; AVX-LABEL: bar_256: ; AVX: # %bb.0: ; AVX-NEXT: testl %edi, %edi ; AVX-NEXT: jle .LBB5_5 ; AVX-NEXT: # %bb.1: ; AVX-NEXT: movl %edi, %eax ; AVX-NEXT: cmpl $1, %edi ; AVX-NEXT: jne .LBB5_6 ; AVX-NEXT: # %bb.2: ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: jmp .LBB5_3 ; AVX-NEXT: .LBB5_6: ; AVX-NEXT: movl %eax, %edi ; AVX-NEXT: andl $-2, %edi ; AVX-NEXT: movl $32, %r8d ; AVX-NEXT: xorl %ecx, %ecx ; AVX-NEXT: .p2align 4, 0x90 ; AVX-NEXT: .LBB5_7: # =>This Inner Loop Header: Depth=1 ; AVX-NEXT: vmovdqa (%rsi,%r8), %ymm1 ; AVX-NEXT: vpmaddwd -32(%rdx,%r8), %ymm0, %ymm2 ; AVX-NEXT: vpaddd -32(%rsi,%r8), %ymm2, %ymm2 ; AVX-NEXT: vmovdqa %ymm2, -32(%rsi,%r8) ; AVX-NEXT: vpmaddwd (%rdx,%r8), %ymm0, %ymm2 ; AVX-NEXT: vpaddd %ymm2, %ymm1, %ymm1 ; AVX-NEXT: vmovdqa %ymm1, (%rsi,%r8) ; AVX-NEXT: addq $2, %rcx ; AVX-NEXT: addq $64, %r8 ; AVX-NEXT: cmpq %rcx, %rdi ; AVX-NEXT: jne .LBB5_7 ; AVX-NEXT: .LBB5_3: ; AVX-NEXT: testb $1, %al ; AVX-NEXT: je .LBB5_5 ; AVX-NEXT: # %bb.4: ; AVX-NEXT: shlq $5, %rcx ; AVX-NEXT: vmovdqa (%rsi,%rcx), %ymm1 ; AVX-NEXT: {vex} vpdpwssd (%rdx,%rcx), %ymm0, %ymm1 ; AVX-NEXT: vmovdqa %ymm1, (%rsi,%rcx) ; AVX-NEXT: .LBB5_5: ; AVX-NEXT: vzeroupper ; AVX-NEXT: retq ; ; AVX512-LABEL: bar_256: ; AVX512: # %bb.0: ; AVX512-NEXT: testl %edi, %edi ; AVX512-NEXT: jle .LBB5_5 ; AVX512-NEXT: # %bb.1: ; AVX512-NEXT: movl %edi, %eax ; AVX512-NEXT: cmpl $1, %edi ; AVX512-NEXT: jne .LBB5_6 ; AVX512-NEXT: # %bb.2: ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: jmp .LBB5_3 ; AVX512-NEXT: .LBB5_6: ; AVX512-NEXT: movl %eax, %edi ; AVX512-NEXT: andl $-2, %edi ; AVX512-NEXT: movl $32, %r8d ; AVX512-NEXT: xorl %ecx, %ecx ; AVX512-NEXT: .p2align 4, 0x90 ; AVX512-NEXT: .LBB5_7: # =>This Inner Loop Header: Depth=1 ; AVX512-NEXT: vmovdqa (%rsi,%r8), %ymm1 ; AVX512-NEXT: vpmaddwd -32(%rdx,%r8), %ymm0, %ymm2 ; AVX512-NEXT: vpaddd -32(%rsi,%r8), %ymm2, %ymm2 ; AVX512-NEXT: vmovdqa %ymm2, -32(%rsi,%r8) ; AVX512-NEXT: vpmaddwd (%rdx,%r8), %ymm0, %ymm2 ; AVX512-NEXT: vpaddd %ymm2, %ymm1, %ymm1 ; AVX512-NEXT: vmovdqa %ymm1, (%rsi,%r8) ; AVX512-NEXT: addq $2, %rcx ; AVX512-NEXT: addq $64, %r8 ; AVX512-NEXT: cmpq %rcx, %rdi ; AVX512-NEXT: jne .LBB5_7 ; AVX512-NEXT: .LBB5_3: ; AVX512-NEXT: testb $1, %al ; AVX512-NEXT: je .LBB5_5 ; AVX512-NEXT: # %bb.4: ; AVX512-NEXT: shlq $5, %rcx ; AVX512-NEXT: vpmaddwd (%rdx,%rcx), %ymm0, %ymm0 ; AVX512-NEXT: vpaddd (%rsi,%rcx), %ymm0, %ymm0 ; AVX512-NEXT: vmovdqa %ymm0, (%rsi,%rcx) ; AVX512-NEXT: .LBB5_5: ; AVX512-NEXT: vzeroupper ; AVX512-NEXT: retq %5 = icmp sgt i32 %0, 0 br i1 %5, label %6, label %22 6: ; preds = %4 %7 = bitcast <4 x i64> %2 to <8 x i32> %8 = zext i32 %0 to i64 %9 = and i64 %8, 1 %10 = icmp eq i32 %0, 1 br i1 %10, label %13, label %11 11: ; preds = %6 %12 = and i64 %8, 4294967294 br label %23 13: ; preds = %23, %6 %14 = phi i64 [ 0, %6 ], [ %37, %23 ] %15 = icmp eq i64 %9, 0 br i1 %15, label %22, label %16 16: ; preds = %13 %17 = getelementptr inbounds <4 x i64>, ptr %3, i64 %14 %18 = load <8 x i32>, ptr %17, align 32 %19 = getelementptr inbounds <4 x i64>, ptr %1, i64 %14 %20 = load <8 x i32>, ptr %19, align 32 %21 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %20, <8 x i32> %7, <8 x i32> %18) store <8 x i32> %21, ptr %19, align 32 br label %22 22: ; preds = %16, %13, %4 ret void 23: ; preds = %23, %11 %24 = phi i64 [ 0, %11 ], [ %37, %23 ] %25 = phi i64 [ 0, %11 ], [ %38, %23 ] %26 = getelementptr inbounds <4 x i64>, ptr %3, i64 %24 %27 = load <8 x i32>, ptr %26, align 32 %28 = getelementptr inbounds <4 x i64>, ptr %1, i64 %24 %29 = load <8 x i32>, ptr %28, align 32 %30 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %29, <8 x i32> %7, <8 x i32> %27) store <8 x i32> %30, ptr %28, align 32 %31 = or disjoint i64 %24, 1 %32 = getelementptr inbounds <4 x i64>, ptr %3, i64 %31 %33 = load <8 x i32>, ptr %32, align 32 %34 = getelementptr inbounds <4 x i64>, ptr %1, i64 %31 %35 = load <8 x i32>, ptr %34, align 32 %36 = tail call <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32> %35, <8 x i32> %7, <8 x i32> %33) store <8 x i32> %36, ptr %34, align 32 %37 = add nuw nsw i64 %24, 2 %38 = add i64 %25, 2 %39 = icmp eq i64 %38, %12 br i1 %39, label %13, label %23 } declare <8 x i32> @llvm.x86.avx512.vpdpwssd.256(<8 x i32>, <8 x i32>, <8 x i32>) ;; NOTE: These prefixes are unused and the list is autogenerated. Do not add tests below this line: ; ADL: {{.*}} ; SPR: {{.*}}