/
mat-prod-strassen.hpp
232 lines (205 loc) · 7.73 KB
/
mat-prod-strassen.hpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
#pragma once
#include "../modint/vectorize-modint.hpp"
// B*Bの正方行列を高速に乗算するライブラリ。
// B*B行列a,bを タテB行 ヨコB/8行の行列と見なす.
// s : 正順に配置。すなわちa_{i,k}をs[i * (B / 8) + k]に配置する。
// t : 逆順に配置。すなわちb_{k,j}をt[j * B + k]に配置する。
// u : 正順に配置。すなわちc_{i,j}をu[i * (B / 8) + j]に配置する。
namespace fast_mat_prod_impl {
constexpr int B = 1 << 7;
constexpr int B8 = B / 8;
void mul_simd(mmint* __restrict__ s, mmint* __restrict__ t,
mmint* __restrict__ u) {
for (int i = 0; i < B * B8; i++) {
const m256 cmpS = _mm256_cmpgt_epi32(s[i], mmint::M1);
const m256 cmpT = _mm256_cmpgt_epi32(t[i], mmint::M1);
const m256 difS = _mm256_and_si256(cmpS, mmint::M1);
const m256 difT = _mm256_and_si256(cmpT, mmint::M1);
s[i] = _mm256_sub_epi32(s[i], difS);
t[i] = _mm256_sub_epi32(t[i], difT);
}
mmint th1, th2, zero = _mm256_setzero_si256();
th1[1] = th1[3] = th1[5] = th1[7] = mmint::M1[0];
th2[1] = th2[3] = th2[5] = th2[7] = mmint::M2[0];
#define INIT_X(x, y) \
m256 prod02##x##y = _mm256_setzero_si256(); \
m256 prod13##x##y = _mm256_setzero_si256()
#define INIT_Y(j, k, l, y) \
m256 T##y = t[(j + y) * B + k + l]; \
const m256 T13##y = _mm256_shuffle_epi32(T##y, 0xF5);
#define PROD(x, y) \
m256 S##x##y = _mm256_set1_epi32(s[(i + x) * B8 + k / 8][l]); \
const m256 ST02##x##y = _mm256_mul_epu32(S##x##y, T##y); \
const m256 ST13##x##y = _mm256_mul_epu32(S##x##y, T13##y); \
prod02##x##y = _mm256_add_epi64(prod02##x##y, ST02##x##y); \
prod13##x##y = _mm256_add_epi64(prod13##x##y, ST13##x##y)
#define COMP(x, y) \
m256 cmp02##x##y = _mm256_cmpgt_epi64(zero, prod02##x##y); \
m256 cmp13##x##y = _mm256_cmpgt_epi64(zero, prod13##x##y); \
m256 dif02##x##y = _mm256_and_si256(cmp02##x##y, th2); \
m256 dif13##x##y = _mm256_and_si256(cmp13##x##y, th2); \
prod02##x##y = _mm256_sub_epi64(prod02##x##y, dif02##x##y); \
prod13##x##y = _mm256_sub_epi64(prod13##x##y, dif13##x##y)
#define REDUCE(x, y) \
for (int _ = 0; _ < 2; _++) { \
m256 cmp02 = _mm256_cmpgt_epi64(prod02##x##y, th1); \
m256 cmp13 = _mm256_cmpgt_epi64(prod13##x##y, th1); \
m256 dif02 = _mm256_and_si256(cmp02, th1); \
m256 dif13 = _mm256_and_si256(cmp13, th1); \
prod02##x##y = _mm256_sub_epi64(prod02##x##y, dif02); \
prod13##x##y = _mm256_sub_epi64(prod13##x##y, dif13); \
} \
u[(i + x) * B8 + j + y] = mmint::reduce(prod02##x##y, prod13##x##y)
for (int i = 0; i < B; i += 8) {
for (int j = 0; j < B8; j += 1) {
INIT_X(0, 0);
INIT_X(1, 0);
INIT_X(2, 0);
INIT_X(3, 0);
INIT_X(4, 0);
INIT_X(5, 0);
INIT_X(6, 0);
INIT_X(7, 0);
for (int k = 0; k < B; k += 8) {
for (int l = 0; l < 8; l++) {
INIT_Y(j, k, l, 0);
PROD(0, 0);
PROD(1, 0);
PROD(2, 0);
PROD(3, 0);
PROD(4, 0);
PROD(5, 0);
PROD(6, 0);
PROD(7, 0);
}
COMP(0, 0);
COMP(1, 0);
COMP(2, 0);
COMP(3, 0);
COMP(4, 0);
COMP(5, 0);
COMP(6, 0);
COMP(7, 0);
}
REDUCE(0, 0);
REDUCE(1, 0);
REDUCE(2, 0);
REDUCE(3, 0);
REDUCE(4, 0);
REDUCE(5, 0);
REDUCE(6, 0);
REDUCE(7, 0);
}
}
}
#undef INIT
#undef PROD
#undef COMP
#undef REDUCE
void strassen(int N, mmint* __restrict__ s, mmint* __restrict__ t,
mmint* __restrict__ u) {
for (int i = 0; i < N * N / 8; i++) u[i] = mmint::M0;
if (N == B) {
mul_simd(s, t, u);
return;
}
mmint* ps = s + N * N / 8;
mmint* pt = t + N * N / 8;
mmint* pu = u + N * N / 8;
int nx = N * N / 32;
int o11 = nx * 0, o12 = nx * 1, o21 = nx * 2, o22 = nx * 3;
// P1
for (int i = 0; i < nx; i++) ps[i] = s[o11 + i] + s[o22 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o11 + i] + t[o22 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o11 + i] = pu[i], u[o22 + i] = pu[i];
// P2
for (int i = 0; i < nx; i++) ps[i] = s[o21 + i] + s[o22 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o11 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o21 + i] = pu[i], u[o22 + i] -= pu[i];
// P3
for (int i = 0; i < nx; i++) ps[i] = s[o11 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o12 + i] - t[o22 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o12 + i] = pu[i], u[o22 + i] += pu[i];
// P4
for (int i = 0; i < nx; i++) ps[i] = s[o22 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o21 + i] - t[o11 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o11 + i] += pu[i], u[o21 + i] += pu[i];
// P5
for (int i = 0; i < nx; i++) ps[i] = s[o11 + i] + s[o12 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o22 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o11 + i] -= pu[i], u[o12 + i] += pu[i];
// P6
for (int i = 0; i < nx; i++) ps[i] = s[o21 + i] - s[o11 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o11 + i] + t[o12 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o22 + i] += pu[i];
// P7
for (int i = 0; i < nx; i++) ps[i] = s[o12 + i] - s[o22 + i];
for (int i = 0; i < nx; i++) pt[i] = t[o21 + i] + t[o22 + i];
strassen(N / 2, ps, pt, pu);
for (int i = 0; i < nx; i++) u[o11 + i] += pu[i];
}
constexpr int S = 1024;
constexpr int S8 = S / 8;
mmint s[S * S8 * 3 / 2], t[S * S8 * 3 / 2], u[S * S8 * 3 / 2];
void place_s(int N, int a, int b, mmint* __restrict__ dst,
mmint* __restrict__ src) {
if (N == B) {
for (int i = 0; i < B; i++) {
memcpy(dst + i * B8, src + (a + i) * S8 + b / 8, B8 * sizeof(mmint));
}
return;
}
int nx = N * N / 32, M = N / 2;
place_s(M, a + 0, b + 0, dst + nx * 0, src);
place_s(M, a + 0, b + M, dst + nx * 1, src);
place_s(M, a + M, b + 0, dst + nx * 2, src);
place_s(M, a + M, b + M, dst + nx * 3, src);
}
void place_t(int N, int a, int b, mmint* __restrict__ dst,
mmint* __restrict__ src) {
if (N == B) {
// t : 逆順に配置。すなわちb_{k,j}をt[j * B + k]に配置する。
for (int k = 0; k < B; k++) {
for (int j = 0; j < B8; j++) {
dst[j * B + k] = src[(a + k) * S8 + j + b / 8];
}
}
return;
}
int nx = N * N / 32, M = N / 2;
place_t(M, a + 0, b + 0, dst + nx * 0, src);
place_t(M, a + 0, b + M, dst + nx * 1, src);
place_t(M, a + M, b + 0, dst + nx * 2, src);
place_t(M, a + M, b + M, dst + nx * 3, src);
}
void place_rev(int N, int a, int b, mmint* __restrict__ dst,
mmint* __restrict__ src) {
if (N == B) {
for (int i = 0; i < B; i++) {
memcpy(src + (a + i) * S8 + b / 8, dst + i * B8, B8 * sizeof(mmint));
}
return;
}
int nx = N * N / 32, M = N / 2;
place_rev(M, a + 0, b + 0, dst + nx * 0, src);
place_rev(M, a + 0, b + M, dst + nx * 1, src);
place_rev(M, a + M, b + 0, dst + nx * 2, src);
place_rev(M, a + M, b + M, dst + nx * 3, src);
}
void prod(unsigned int* __restrict__ a, unsigned int* __restrict__ b,
unsigned int* __restrict__ c) {
place_s(S, 0, 0, s, reinterpret_cast<mmint*>(a));
place_t(S, 0, 0, t, reinterpret_cast<mmint*>(b));
for (int i = 0; i < S * S8; i++) s[i] = mmint::itom(s[i]);
for (int i = 0; i < S * S8; i++) t[i] = mmint::itom(t[i]);
strassen(S, s, t, u);
for (int i = 0; i < S * S8; i++) u[i] = mmint::mtoi(u[i]);
place_rev(S, 0, 0, u, reinterpret_cast<mmint*>(c));
}
} // namespace fast_mat_prod_impl