mirror of
https://github.com/ikawrakow/ik_llama.cpp.git
synced 2026-04-30 19:31:48 +00:00
iqk_mul_mat: fp16 implementation for AVX2
This simple implementation beats jart's tiniBLAS by a small margin (143 t/s vs 137 t/s for PP-512, TG is 4.75 t/s, so exactly the same as ggml).
This commit is contained in:
232
iqk_mul_mat.cpp
232
iqk_mul_mat.cpp
@@ -101,18 +101,20 @@ struct MulMat {
|
|||||||
#else
|
#else
|
||||||
constexpr int k_x_step = 64; // This works best on my Ryzen-7950X (but differences to other tile size are small)
|
constexpr int k_x_step = 64; // This works best on my Ryzen-7950X (but differences to other tile size are small)
|
||||||
#endif
|
#endif
|
||||||
int n_step = (nrc_y - info.cur_y)/funcs.size();
|
int ny = funcs.size();
|
||||||
|
while (!funcs[ny-1] && ny > 0) --ny;
|
||||||
|
int n_step = (nrc_y - info.cur_y)/ny;
|
||||||
if (n_step > 0) {
|
if (n_step > 0) {
|
||||||
for (int ix = 0; ix < nrc_x; ix += k_x_step) {
|
for (int ix = 0; ix < nrc_x; ix += k_x_step) {
|
||||||
auto this_info = info;
|
auto this_info = info;
|
||||||
this_info.s += ix;
|
this_info.s += ix;
|
||||||
int this_nrc_x = ix + k_x_step <= nrc_x ? k_x_step : nrc_x - ix;
|
int this_nrc_x = ix + k_x_step <= nrc_x ? k_x_step : nrc_x - ix;
|
||||||
for (int iy = 0; iy < n_step; ++iy) {
|
for (int iy = 0; iy < n_step; ++iy) {
|
||||||
funcs.back()(n, (const void *)((const char *)vx + ix*bx), bx, this_info, this_nrc_x);
|
funcs[ny-1](n, (const void *)((const char *)vx + ix*bx), bx, this_info, this_nrc_x);
|
||||||
this_info.cur_y += funcs.size();
|
this_info.cur_y += ny;
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
info.cur_y += funcs.size() * n_step;
|
info.cur_y += ny * n_step;
|
||||||
}
|
}
|
||||||
int n_left = nrc_y - info.cur_y;
|
int n_left = nrc_y - info.cur_y;
|
||||||
if (n_left > 0) {
|
if (n_left > 0) {
|
||||||
@@ -2187,6 +2189,213 @@ void mul_mat_q8_0_q8_0_T(int n, const void * vx, size_t bx, const DataInfo& info
|
|||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
|
template <int nrc> struct QF32 {
|
||||||
|
constexpr static int nrc_y = nrc;
|
||||||
|
QF32(const DataInfo& info) {
|
||||||
|
for (int iy = 0; iy < nrc_y; ++iy) y[iy] = (const float *)info.src1_row(iy);
|
||||||
|
}
|
||||||
|
#ifdef __AVX512F__
|
||||||
|
IQK_ALWAYS_INLINE __m512 loa64(int iy, int i, int j) const { return _mm512_loadu_ps(y[iy] + 64*i + 16*j); }
|
||||||
|
IQK_ALWAYS_INLINE void load64x4(int iy, int i, __m512 * yv) const {
|
||||||
|
auto yy = y[iy] + 64*i;
|
||||||
|
yv[0] = _mm512_loadu_ps(yy+ 0);
|
||||||
|
yv[1] = _mm512_loadu_ps(yy+16);
|
||||||
|
yv[2] = _mm512_loadu_ps(yy+32);
|
||||||
|
yv[3] = _mm512_loadu_ps(yy+48);
|
||||||
|
}
|
||||||
|
IQK_ALWAYS_INLINE void load64x2(int iy, int i, __m512 * yv) const {
|
||||||
|
auto yy = y[iy] + 32*i;
|
||||||
|
yv[0] = _mm512_loadu_ps(yy+ 0);
|
||||||
|
yv[1] = _mm512_loadu_ps(yy+16);
|
||||||
|
}
|
||||||
|
#endif
|
||||||
|
IQK_ALWAYS_INLINE __m256 load(int iy, int i, int j) const { return _mm256_loadu_ps(y[iy] + 32*i + 8*j); }
|
||||||
|
IQK_ALWAYS_INLINE __m256 load1(int iy, int i) const { return _mm256_loadu_ps(y[iy] + 8*i); }
|
||||||
|
IQK_ALWAYS_INLINE void load4(int iy, int i, __m256 * yv) const {
|
||||||
|
auto yy = y[iy] + 32*i;
|
||||||
|
yv[0] = _mm256_loadu_ps(yy+ 0);
|
||||||
|
yv[1] = _mm256_loadu_ps(yy+ 8);
|
||||||
|
yv[2] = _mm256_loadu_ps(yy+16);
|
||||||
|
yv[3] = _mm256_loadu_ps(yy+24);
|
||||||
|
}
|
||||||
|
IQK_ALWAYS_INLINE void load2(int iy, int i, __m256 * yv) const {
|
||||||
|
auto yy = y[iy] + 16*i;
|
||||||
|
yv[0] = _mm256_loadu_ps(yy+ 0);
|
||||||
|
yv[1] = _mm256_loadu_ps(yy+ 8);
|
||||||
|
}
|
||||||
|
|
||||||
|
const float * y[nrc_y];
|
||||||
|
};
|
||||||
|
|
||||||
|
//#ifdef __AVX512F__
|
||||||
|
//template <typename Q>
|
||||||
|
//void mul_mat_f16_f32_T(int n, const void * vx, size_t bx, const DataInfo& info, int nrc_x) {
|
||||||
|
// assert(n%32 == 0);
|
||||||
|
// int nb = n/32;
|
||||||
|
// Q qf16(info);
|
||||||
|
// __m512 acc[2*Q::nrc_y];
|
||||||
|
// __m512 xv[2];
|
||||||
|
// __m512 yv[2];
|
||||||
|
// for (int ix = 0; ix < nrc_x; ++ix) {
|
||||||
|
// const __m256i * x = (const __m256i *)((const char *)vx + ix*bx);
|
||||||
|
// for (int k = 0; k < 2; ++k) xv[k] = _mm512_cvtph_ps(_mm256_loadu_si256(x + k));
|
||||||
|
// for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
// qf16.load64x2(iy, 0, yv);
|
||||||
|
// acc[2*iy+0] = _mm512_mul_ps(yv[0], xv[0]);
|
||||||
|
// acc[2*iy+1] = _mm512_mul_ps(yv[1], xv[1]);
|
||||||
|
// }
|
||||||
|
// x += 2;
|
||||||
|
// for (int i = 1; i < nb; ++i) {
|
||||||
|
// for (int k = 0; k < 2; ++k) xv[k] = _mm512_cvtph_ps(_mm256_loadu_si256(x + k));
|
||||||
|
// for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
// qf16.load64x2(iy, i, yv);
|
||||||
|
// acc[2*iy+0] = _mm512_fmadd_ps(yv[0], xv[0], acc[2*iy+0]);
|
||||||
|
// acc[2*iy+1] = _mm512_fmadd_ps(yv[1], xv[1], acc[2*iy+1]);
|
||||||
|
// }
|
||||||
|
// x += 2;
|
||||||
|
// }
|
||||||
|
// for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
// info.store(ix, iy, _mm512_reduce_add_ps(_mm512_add_ps(acc[2*iy+0], acc[2*iy+1])));
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
//}
|
||||||
|
//#else
|
||||||
|
//template <typename Q>
|
||||||
|
//void mul_mat_f16_f32_T(int n, const void * vx, size_t bx, const DataInfo& info, int nrc_x) {
|
||||||
|
// assert(n%32 == 0);
|
||||||
|
// int nb = n/32;
|
||||||
|
// //printf("%s: n=%d nb=%d, nrc_x=%d, nrc_y=%d\n", __func__, n, nb, nrc_x, Q::nrc_y);
|
||||||
|
// Q qf16(info);
|
||||||
|
// __m256 acc[2*Q::nrc_y];
|
||||||
|
// __m256 xv[4];
|
||||||
|
// __m256 yv[4];
|
||||||
|
// for (int ix = 0; ix < nrc_x; ++ix) {
|
||||||
|
// const __m128i * x = (const __m128i *)((const char *)vx + ix*bx);
|
||||||
|
// for (int k = 0; k < 4; ++k) xv[k] = _mm256_cvtph_ps(_mm_loadu_si128(x + k));
|
||||||
|
// for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
// qf16.load4(iy, 0, yv);
|
||||||
|
// acc[2*iy+0] = _mm256_mul_ps(yv[0], xv[0]);
|
||||||
|
// acc[2*iy+1] = _mm256_mul_ps(yv[1], xv[1]);
|
||||||
|
// acc[2*iy+0] = _mm256_fmadd_ps(yv[2], xv[2], acc[2*iy+0]);
|
||||||
|
// acc[2*iy+1] = _mm256_fmadd_ps(yv[3], xv[3], acc[2*iy+1]);
|
||||||
|
// }
|
||||||
|
// x += 4;
|
||||||
|
// for (int i = 1; i < nb; ++i) {
|
||||||
|
// for (int k = 0; k < 4; ++k) xv[k] = _mm256_cvtph_ps(_mm_loadu_si128(x + k));
|
||||||
|
// for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
// qf16.load4(iy, i, yv);
|
||||||
|
// acc[2*iy+0] = _mm256_fmadd_ps(yv[0], xv[0], acc[2*iy+0]);
|
||||||
|
// acc[2*iy+1] = _mm256_fmadd_ps(yv[1], xv[1], acc[2*iy+1]);
|
||||||
|
// acc[2*iy+0] = _mm256_fmadd_ps(yv[2], xv[2], acc[2*iy+0]);
|
||||||
|
// acc[2*iy+1] = _mm256_fmadd_ps(yv[3], xv[3], acc[2*iy+1]);
|
||||||
|
// }
|
||||||
|
// x += 4;
|
||||||
|
// }
|
||||||
|
// for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
// info.store(ix, iy, hsum_float_8(_mm256_add_ps(acc[2*iy+0], acc[2*iy+1])));
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
//}
|
||||||
|
//#endif
|
||||||
|
template <typename Q>
|
||||||
|
void mul_mat_f16_f32_T(int n, const void * vx, size_t bx, const DataInfo& info, int nrc_x) {
|
||||||
|
assert(n%8 == 0);
|
||||||
|
constexpr int k_nx = 4;
|
||||||
|
int nb = n/8;
|
||||||
|
Q qf16(info);
|
||||||
|
__m256 acc[k_nx*Q::nrc_y];
|
||||||
|
const __m128i * x[k_nx];
|
||||||
|
__m256 xv[k_nx];
|
||||||
|
for (int ix = 0; ix < nrc_x/k_nx; ++ix) {
|
||||||
|
int ix0 = k_nx*ix;
|
||||||
|
for (int kx = 0; kx < k_nx; ++kx) {
|
||||||
|
x[kx] = (const __m128i *)((const char *)vx + (ix0 + kx)*bx);
|
||||||
|
xv[kx] = _mm256_cvtph_ps(_mm_loadu_si128(x[kx]));
|
||||||
|
++x[kx];
|
||||||
|
}
|
||||||
|
for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
auto yv = qf16.load1(iy, 0);
|
||||||
|
for (int kx = 0; kx < k_nx; ++kx) acc[k_nx*iy + kx] = _mm256_mul_ps(yv, xv[kx]);
|
||||||
|
}
|
||||||
|
for (int i = 1; i < nb; ++i) {
|
||||||
|
for (int kx = 0; kx < k_nx; ++kx) {
|
||||||
|
xv[kx] = _mm256_cvtph_ps(_mm_loadu_si128(x[kx]));
|
||||||
|
++x[kx];
|
||||||
|
}
|
||||||
|
for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
auto yv = qf16.load1(iy, i);
|
||||||
|
for (int kx = 0; kx < k_nx; ++kx) acc[k_nx*iy + kx] = _mm256_fmadd_ps(yv, xv[kx], acc[k_nx*iy + kx]);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
for (int kx = 0; kx < k_nx; ++kx) {
|
||||||
|
info.store(ix0+kx, iy, hsum_float_8(acc[k_nx*iy+kx]));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
int last_x = k_nx*(nrc_x/k_nx);
|
||||||
|
if (last_x == nrc_x) return;
|
||||||
|
|
||||||
|
// handle remaining rows
|
||||||
|
int ix0 = last_x; int nx = nrc_x - last_x;
|
||||||
|
for (int kx = 0; kx < nx; ++kx) {
|
||||||
|
x[kx] = (const __m128i *)((const char *)vx + (ix0 + kx)*bx);
|
||||||
|
xv[kx] = _mm256_cvtph_ps(_mm_loadu_si128(x[kx]));
|
||||||
|
++x[kx];
|
||||||
|
}
|
||||||
|
for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
auto yv = qf16.load1(iy, 0);
|
||||||
|
for (int kx = 0; kx < nx; ++kx) acc[nx*iy + kx] = _mm256_mul_ps(yv, xv[kx]);
|
||||||
|
}
|
||||||
|
for (int i = 1; i < nb; ++i) {
|
||||||
|
for (int kx = 0; kx < nx; ++kx) {
|
||||||
|
xv[kx] = _mm256_cvtph_ps(_mm_loadu_si128(x[kx]));
|
||||||
|
++x[kx];
|
||||||
|
}
|
||||||
|
for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
auto yv = qf16.load1(iy, i);
|
||||||
|
for (int kx = 0; kx < nx; ++kx) acc[nx*iy + kx] = _mm256_fmadd_ps(yv, xv[kx], acc[nx*iy + kx]);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
for (int iy = 0; iy < Q::nrc_y; ++iy) {
|
||||||
|
for (int kx = 0; kx < nx; ++kx) {
|
||||||
|
info.store(ix0+kx, iy, hsum_float_8(acc[nx*iy+kx]));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
void mul_mat_f16_f32_1(int n, const void * vx, size_t bx, const DataInfo& info, int nrc_x) {
|
||||||
|
assert(n%32 == 0);
|
||||||
|
GGML_ASSERT(nrc_x%4 == 0);
|
||||||
|
int nb = n/32;
|
||||||
|
QF32<1> qf32(info);
|
||||||
|
const __m128i * x[4];
|
||||||
|
__m256 y[4];
|
||||||
|
for (int ix = 0; ix < nrc_x; ix += 4) {
|
||||||
|
x[0] = (const __m128i *)((const char *)vx + (ix+0)*bx);
|
||||||
|
x[1] = (const __m128i *)((const char *)vx + (ix+1)*bx);
|
||||||
|
x[2] = (const __m128i *)((const char *)vx + (ix+2)*bx);
|
||||||
|
x[3] = (const __m128i *)((const char *)vx + (ix+3)*bx);
|
||||||
|
__m256 acc[16] = { _mm256_setzero_ps() };
|
||||||
|
for (int i = 0; i < nb; ++i) {
|
||||||
|
for (int k = 0; k < 4; ++k) y[k] = qf32.load(0, i, k);
|
||||||
|
auto a = acc;
|
||||||
|
for (int kx = 0; kx < 4; ++kx) {
|
||||||
|
a[0] = _mm256_fmadd_ps(y[0], _mm256_cvtph_ps(_mm_load_si128(x[kx] + 0)), a[0]);
|
||||||
|
a[1] = _mm256_fmadd_ps(y[1], _mm256_cvtph_ps(_mm_load_si128(x[kx] + 1)), a[1]);
|
||||||
|
a[2] = _mm256_fmadd_ps(y[2], _mm256_cvtph_ps(_mm_load_si128(x[kx] + 2)), a[2]);
|
||||||
|
a[3] = _mm256_fmadd_ps(y[3], _mm256_cvtph_ps(_mm_load_si128(x[kx] + 3)), a[3]);
|
||||||
|
a += 4;
|
||||||
|
}
|
||||||
|
x[0] += 4; x[1] += 4; x[2] += 4; x[3] += 4;
|
||||||
|
}
|
||||||
|
auto a = acc;
|
||||||
|
for (int kx = 0; kx < 4; ++kx) {
|
||||||
|
info.store(ix+kx, 0, hsum_float_8(_mm256_add_ps(_mm256_add_ps(a[0], a[1]), _mm256_add_ps(a[2], a[3]))));
|
||||||
|
a += 4;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
template <typename Dequantizer> void MulMat::set_functions(MulMat& m) {
|
template <typename Dequantizer> void MulMat::set_functions(MulMat& m) {
|
||||||
if constexpr (std::is_same_v<Dequantizer, Q4_0_Unpacker> || std::is_same_v<Dequantizer, Q5_0_Unpacker>) {
|
if constexpr (std::is_same_v<Dequantizer, Q4_0_Unpacker> || std::is_same_v<Dequantizer, Q5_0_Unpacker>) {
|
||||||
m.funcs[0] = mul_mat_qX_0_q8_0_T<Dequantizer, 1>;
|
m.funcs[0] = mul_mat_qX_0_q8_0_T<Dequantizer, 1>;
|
||||||
@@ -2284,6 +2493,21 @@ bool MulMat::set_mul_mat(int typeA, int ne00, MulMat& mm, int& row_size_q8, int
|
|||||||
return false;
|
return false;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
if (typeA == GGML_TYPE_F16) {
|
||||||
|
//mm.funcs[0] = mul_mat_f16_f32_1;
|
||||||
|
mm.funcs[0] = mul_mat_f16_f32_T<QF32<1>>;
|
||||||
|
mm.funcs[1] = mul_mat_f16_f32_T<QF32<2>>;
|
||||||
|
mm.funcs[2] = mul_mat_f16_f32_T<QF32<3>>;
|
||||||
|
mm.funcs[3] = mul_mat_f16_f32_T<QF32<4>>;
|
||||||
|
mm.funcs[4] = mm.funcs[5] = mm.funcs[6] = mm.funcs[7] = nullptr;
|
||||||
|
//mm.funcs[4] = mul_mat_f16_f32_T<QF32<5>>;
|
||||||
|
//mm.funcs[5] = mul_mat_f16_f32_T<QF32<6>>;
|
||||||
|
//mm.funcs[6] = mul_mat_f16_f32_T<QF32<7>>;
|
||||||
|
//mm.funcs[7] = mul_mat_f16_f32_T<QF32<8>>;
|
||||||
|
row_size_q8 = ggml_row_size(GGML_TYPE_F32, ne00);
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
|
||||||
row_size_q8 = ggml_row_size(GGML_TYPE_Q8_K, ne00);
|
row_size_q8 = ggml_row_size(GGML_TYPE_Q8_K, ne00);
|
||||||
|
|
||||||
switch (typeA) {
|
switch (typeA) {
|
||||||
|
|||||||
@@ -51,6 +51,7 @@
|
|||||||
#include "sgemm.h"
|
#include "sgemm.h"
|
||||||
#include "ggml-impl.h"
|
#include "ggml-impl.h"
|
||||||
#include "ggml-quants.h"
|
#include "ggml-quants.h"
|
||||||
|
#include "iqk_mul_mat.h"
|
||||||
|
|
||||||
#ifdef _MSC_VER
|
#ifdef _MSC_VER
|
||||||
#define NOINLINE __declspec(noinline)
|
#define NOINLINE __declspec(noinline)
|
||||||
@@ -865,6 +866,12 @@ bool llamafile_sgemm(int64_t m, int64_t n, int64_t k, const void *A, int64_t lda
|
|||||||
if (Ctype != GGML_TYPE_F32)
|
if (Ctype != GGML_TYPE_F32)
|
||||||
return false;
|
return false;
|
||||||
|
|
||||||
|
if (task == GGML_TASK_TYPE_COMPUTE && k >= 256 && Atype == GGML_TYPE_F16 && Btype == GGML_TYPE_F32) {
|
||||||
|
if (iqk_mul_mat(m, n, k, Atype, A, B, (float *)C, ldc, ith, nth)) {
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
switch (Atype) {
|
switch (Atype) {
|
||||||
|
|
||||||
case GGML_TYPE_F32: {
|
case GGML_TYPE_F32: {
|
||||||
|
|||||||
Reference in New Issue
Block a user