/*********************************************************************/

/* Copyright 2009, 2010 The University of Texas at Austin.           */

/* All rights reserved.                                              */

/*                                                                   */

/* Redistribution and use in source and binary forms, with or        */

/* without modification, are permitted provided that the following   */

/* conditions are met:                                               */

/*                                                                   */

/*   1. Redistributions of source code must retain the above         */

/*      copyright notice, this list of conditions and the following  */

/*      disclaimer.                                                  */

/*                                                                   */

/*   2. Redistributions in binary form must reproduce the above      */

/*      copyright notice, this list of conditions and the following  */

/*      disclaimer in the documentation and/or other materials       */

/*      provided with the distribution.                              */

/*                                                                   */

/*    THIS  SOFTWARE IS PROVIDED  BY THE  UNIVERSITY OF  TEXAS AT    */

/*    AUSTIN  ``AS IS''  AND ANY  EXPRESS OR  IMPLIED WARRANTIES,    */

/*    INCLUDING, BUT  NOT LIMITED  TO, THE IMPLIED  WARRANTIES OF    */

/*    MERCHANTABILITY  AND FITNESS FOR  A PARTICULAR  PURPOSE ARE    */

/*    DISCLAIMED.  IN  NO EVENT SHALL THE UNIVERSITY  OF TEXAS AT    */

/*    AUSTIN OR CONTRIBUTORS BE  LIABLE FOR ANY DIRECT, INDIRECT,    */

/*    INCIDENTAL,  SPECIAL, EXEMPLARY,  OR  CONSEQUENTIAL DAMAGES    */

/*    (INCLUDING, BUT  NOT LIMITED TO,  PROCUREMENT OF SUBSTITUTE    */

/*    GOODS  OR  SERVICES; LOSS  OF  USE,  DATA,  OR PROFITS;  OR    */

/*    BUSINESS INTERRUPTION) HOWEVER CAUSED  AND ON ANY THEORY OF    */

/*    LIABILITY, WHETHER  IN CONTRACT, STRICT  LIABILITY, OR TORT    */

/*    (INCLUDING NEGLIGENCE OR OTHERWISE)  ARISING IN ANY WAY OUT    */

/*    OF  THE  USE OF  THIS  SOFTWARE,  EVEN  IF ADVISED  OF  THE    */

/*    POSSIBILITY OF SUCH DAMAGE.                                    */

/*                                                                   */

/* The views and conclusions contained in the software and           */

/* documentation are those of the authors and should not be          */

/* interpreted as representing official policies, either expressed   */

/* or implied, of The University of Texas at Austin.                 */

/*********************************************************************/

#define ASSEMBLER

#include "common.h"

#include "l2param.h"

#ifdef ATOM

#define PREFETCH	prefetchnta

#define PREFETCHW	prefetcht0

#define PREFETCHSIZE	(8 * 6)

#endif

#ifndef WINDOWS_ABI

#define STACKSIZE	64

#define OLD_INCX	 8 + STACKSIZE(%rsp)

#define OLD_Y		16 + STACKSIZE(%rsp)

#define OLD_INCY	24 + STACKSIZE(%rsp)

#define OLD_BUFFER	32 + STACKSIZE(%rsp)

#define M	  %rdi

#define N	  %rsi

#define A	  %rcx

#define LDA	  %r8

#define X	  %r9

#define INCX	  %rdx

#define Y	  %rbp

#define INCY	  %r10

#else

#define STACKSIZE	256

#define OLD_ALPHA_I	 40 + STACKSIZE(%rsp)

#define OLD_A		 48 + STACKSIZE(%rsp)

#define OLD_LDA		 56 + STACKSIZE(%rsp)

#define OLD_X		 64 + STACKSIZE(%rsp)

#define OLD_INCX	 72 + STACKSIZE(%rsp)

#define OLD_Y		 80 + STACKSIZE(%rsp)

#define OLD_INCY	 88 + STACKSIZE(%rsp)

#define OLD_BUFFER	 96 + STACKSIZE(%rsp)

#define M	  %rcx

#define N	  %rdx

#define A	  %r8

#define LDA	  %r9

#define X	  %rdi

#define INCX	  %rsi

#define Y	  %rbp

#define INCY	  %r10

#endif

#define I	%rax

#define J	%rbx

#define A1	%r11

#define A2	%r12

#define X1	%r13

#define Y1	%r14

#define BUFFER	%r15

#define ALPHA_R		%xmm14

#define ALPHA_I		%xmm15

#if !defined(CONJ) && !defined(XCONJ)

#define ADD1	   addsd

#define ADD2	   addsd

#define ADD3	   subsd

#define ADD4	   addsd

#endif

#if  defined(CONJ) && !defined(XCONJ)

#define ADD1	   addsd

#define ADD2	   addsd

#define ADD3	   addsd

#define ADD4	   subsd

#endif

#if !defined(CONJ) &&  defined(XCONJ)

#define ADD1	   addsd

#define ADD2	   subsd

#define ADD3	   addsd

#define ADD4	   addsd

#endif

#if  defined(CONJ) &&  defined(XCONJ)

#define ADD1	   addsd

#define ADD2	   subsd

#define ADD3	   subsd

#define ADD4	   subsd

#endif

	PROLOGUE

	PROFCODE

	subq	$STACKSIZE, %rsp

	movq	%rbx,  0(%rsp)

	movq	%rbp,  8(%rsp)

	movq	%r12, 16(%rsp)

	movq	%r13, 24(%rsp)

	movq	%r14, 32(%rsp)

	movq	%r15, 40(%rsp)

#ifdef WINDOWS_ABI

	movq	%rdi,    48(%rsp)

	movq	%rsi,    56(%rsp)

	movups	%xmm6,   64(%rsp)

	movups	%xmm7,   80(%rsp)

	movups	%xmm8,   96(%rsp)

	movups	%xmm9,  112(%rsp)

	movups	%xmm10, 128(%rsp)

	movups	%xmm11, 144(%rsp)

	movups	%xmm12, 160(%rsp)

	movups	%xmm13, 176(%rsp)

	movups	%xmm14, 192(%rsp)

	movups	%xmm15, 208(%rsp)

	movq	OLD_A,     A

	movq	OLD_LDA,   LDA

	movq	OLD_X,     X

	movaps	%xmm3,       %xmm0

	movss	OLD_ALPHA_I, %xmm1

#endif

	movq	OLD_INCX,  INCX

	movq	OLD_Y,     Y

	movq	OLD_INCY,  INCY

	movq	OLD_BUFFER, BUFFER

	salq	$ZBASE_SHIFT,   LDA

	salq	$ZBASE_SHIFT,   INCX

	salq	$ZBASE_SHIFT,   INCY

	movaps	%xmm0, ALPHA_R

	movaps	%xmm1, ALPHA_I

	subq	$-16 * SIZE, A

	testq	M, M

	jle	.L999

	testq	N, N

	jle	.L999

	ALIGN_3

	movq	BUFFER, X1

	movq	Y, Y1

	movq	M,  I

	sarq	$2, I

	jle	.L05

	ALIGN_4

.L02:

	movsd	 0 * SIZE(X), %xmm0

	movhpd	 1 * SIZE(X), %xmm0

	addq	INCX, X

	movsd	 0 * SIZE(X), %xmm1

	movhpd	 1 * SIZE(X), %xmm1

	addq	INCX, X

	movsd	 0 * SIZE(X), %xmm2

	movhpd	 1 * SIZE(X), %xmm2

	addq	INCX, X

	movsd	 0 * SIZE(X), %xmm3

	movhpd	 1 * SIZE(X), %xmm3

	addq	INCX, X

	movapd	%xmm0,  0 * SIZE(X1)

	movapd	%xmm1,  2 * SIZE(X1)

	movapd	%xmm2,  4 * SIZE(X1)

	movapd	%xmm3,  6 * SIZE(X1)

	addq	$8 * SIZE, X1

	decq	I

	jg	.L02

	ALIGN_4

.L05:

	movq	M,  I

	andq	$3, I

	jle	.L10

	ALIGN_2

.L06:

	movsd	 0 * SIZE(X), %xmm0

	movhpd	 1 * SIZE(X), %xmm0

	addq	INCX, X

	movapd	%xmm0, 0 * SIZE(X1)

	addq	$2 * SIZE, X1

	decq	I

	jg	.L06

	ALIGN_4

.L10:

	movq	N,  J

	sarq	$1, J

	jle	.L20

	ALIGN_3

.L11:

	leaq	16 * SIZE(BUFFER), X1

	movq	A, A1

	leaq	(A1, LDA), A2

	leaq	(A1, LDA, 2), A

	xorpd	%xmm0, %xmm0

	xorpd	%xmm1, %xmm1

	xorpd	%xmm2, %xmm2

	xorpd	%xmm3, %xmm3

	movsd	-16 * SIZE(X1), %xmm4

	movsd	-15 * SIZE(X1), %xmm5

	movsd	-14 * SIZE(X1), %xmm6

	movsd	-13 * SIZE(X1), %xmm7

#ifdef PREFETCHW

	PREFETCHW	3 * SIZE(Y1)

#endif

	movq	M,   I

	sarq	$2,  I

	jle	.L15

	movsd	-16 * SIZE(A1), %xmm8

	movsd	-15 * SIZE(A1), %xmm9

	movsd	-16 * SIZE(A2), %xmm10

	movsd	-15 * SIZE(A2), %xmm11

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	mulsd	%xmm5,  %xmm12

	decq	 I

	jle	 .L14

	ALIGN_3

.L13:

#ifdef PREFETCH

	PREFETCH	(PREFETCHSIZE + 0) * SIZE(A1)

#endif

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-14 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm4,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	-13 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm5,  %xmm11

	movsd	-11 * SIZE(X1), %xmm5

	ADD1	%xmm10, %xmm2

	movsd	-14 * SIZE(A2), %xmm10

	mulsd	%xmm4,  %xmm13

	movsd	-12 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	-13 * SIZE(A2), %xmm11

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm3

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-12 * SIZE(A1), %xmm8

	mulsd	%xmm6,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm6,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	-11 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm7,  %xmm11

	movsd	 -9 * SIZE(X1), %xmm7

	ADD1	%xmm10, %xmm2

	movsd	-12 * SIZE(A2), %xmm10

	mulsd	%xmm6,  %xmm13

	movsd	-10 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	-11 * SIZE(A2), %xmm11

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm3

#ifdef PREFETCH

	PREFETCH	(PREFETCHSIZE + 0) * SIZE(A2)

#endif

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-10 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm4,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	 -9 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm5,  %xmm11

	movsd	 -7 * SIZE(X1), %xmm5

	ADD1	%xmm10, %xmm2

	movsd	-10 * SIZE(A2), %xmm10

	mulsd	%xmm4,  %xmm13

	movsd	 -8 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	 -9 * SIZE(A2), %xmm11

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm3

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	 -8 * SIZE(A1), %xmm8

	mulsd	%xmm6,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm6,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	 -7 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm7,  %xmm11

	movsd	 -5 * SIZE(X1), %xmm7

	ADD1	%xmm10, %xmm2

	movsd	 -8 * SIZE(A2), %xmm10

	mulsd	%xmm6,  %xmm13

	movsd	 -6 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	subq	 $-8 * SIZE, A1

	mulsd	%xmm4,  %xmm8

	subq	 $-8 * SIZE, X1

	ADD3	%xmm11, %xmm2

	movsd	 -7 * SIZE(A2), %xmm11

	mulsd	%xmm5,  %xmm12

	subq	 $-8 * SIZE, A2

	ADD4	%xmm13, %xmm3

	subq	 $1, I

	BRANCH

	jg	.L13

	ALIGN_3

.L14:

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-14 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm4,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	-13 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm5,  %xmm11

	movsd	-11 * SIZE(X1), %xmm5

	ADD1	%xmm10, %xmm2

	movsd	-14 * SIZE(A2), %xmm10

	mulsd	%xmm4,  %xmm13

	movsd	-12 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	-13 * SIZE(A2), %xmm11

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm3

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-12 * SIZE(A1), %xmm8

	mulsd	%xmm6,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm6,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	-11 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm7,  %xmm11

	movsd	 -9 * SIZE(X1), %xmm7

	ADD1	%xmm10, %xmm2

	movsd	-12 * SIZE(A2), %xmm10

	mulsd	%xmm6,  %xmm13

	movsd	-10 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	-11 * SIZE(A2), %xmm11

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm3

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-10 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm4,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	 -9 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm5,  %xmm11

	movsd	 -7 * SIZE(X1), %xmm5

	ADD1	%xmm10, %xmm2

	movsd	-10 * SIZE(A2), %xmm10

	mulsd	%xmm4,  %xmm13

	movsd	 -8 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	 -9 * SIZE(A2), %xmm11

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm3

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	ADD1	%xmm8,  %xmm0

	mulsd	%xmm6,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm6,  %xmm10

	ADD3	%xmm9,  %xmm0

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm7,  %xmm11

	movsd	 -5 * SIZE(X1), %xmm7

	ADD1	%xmm10, %xmm2

	mulsd	%xmm6,  %xmm13

	movsd	 -6 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm3

	ADD3	%xmm11, %xmm2

	ADD4	%xmm13, %xmm3

	subq	 $-8 * SIZE, A1

	subq	 $-8 * SIZE, A2

	subq	 $-8 * SIZE, X1

	ALIGN_3

.L15:

	testq	$2, M

	je	.L17

	movsd	-16 * SIZE(A1), %xmm8

	movsd	-15 * SIZE(A1), %xmm9

	movsd	-16 * SIZE(A2), %xmm10

	movsd	-15 * SIZE(A2), %xmm11

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	mulsd	%xmm5,  %xmm12

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	ADD1	%xmm8,  %xmm0

	movsd	-14 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm4,  %xmm10

	ADD3	%xmm9,  %xmm0

	movsd	-13 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm5,  %xmm11

	movsd	-11 * SIZE(X1), %xmm5

	ADD1	%xmm10, %xmm2

	movsd	-14 * SIZE(A2), %xmm10

	mulsd	%xmm4,  %xmm13

	movsd	-12 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm3

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm11, %xmm2

	movsd	-13 * SIZE(A2), %xmm11

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm3

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	ADD1	%xmm8,  %xmm0

	mulsd	%xmm6,  %xmm13

	ADD2	%xmm12, %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm6,  %xmm10

	ADD3	%xmm9,  %xmm0

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm7,  %xmm11

	ADD1	%xmm10, %xmm2

	mulsd	%xmm6,  %xmm13

	ADD2	%xmm12, %xmm3

	ADD3	%xmm11, %xmm2

	ADD4	%xmm13, %xmm3

	addq	 $4 * SIZE, A1

	addq	 $4 * SIZE, A2

	ALIGN_3

.L17:

	testq	$1, M

	je	.L19

	movsd	-16 * SIZE(A1), %xmm8

	movsd	-15 * SIZE(A1), %xmm9

	movsd	-16 * SIZE(A2), %xmm10

	movsd	-15 * SIZE(A2), %xmm11

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	mulsd	%xmm5,  %xmm12

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	ADD1	%xmm8,  %xmm0

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12,  %xmm1

	movapd	%xmm10, %xmm12

	mulsd	%xmm4,  %xmm10

	ADD3	%xmm9,  %xmm0

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13,  %xmm1

	movapd	%xmm11, %xmm13

	mulsd	%xmm5,  %xmm11

	ADD1	%xmm10, %xmm2

	mulsd	%xmm4,  %xmm13

	ADD2	%xmm12,  %xmm3

	ADD3	%xmm11, %xmm2

	ADD4	%xmm13,  %xmm3

	ALIGN_3

.L19:

	movsd	 0 * SIZE(Y), %xmm4

	movapd	%xmm0, %xmm10

	mulsd	ALPHA_R, %xmm0

	movsd	 1 * SIZE(Y), %xmm5

	movapd	%xmm1, %xmm11

	mulsd	ALPHA_R, %xmm1

	addq	INCY, Y

	movsd	 0 * SIZE(Y), %xmm6

	movapd	%xmm2, %xmm12

	mulsd	ALPHA_R, %xmm2

	movsd	 1 * SIZE(Y), %xmm7

	movapd	%xmm3, %xmm13

	mulsd	ALPHA_R, %xmm3

	addq	INCY, Y

	mulsd	ALPHA_I, %xmm10

	mulsd	ALPHA_I, %xmm11

	mulsd	ALPHA_I, %xmm12

	mulsd	ALPHA_I, %xmm13

	addsd	%xmm10, %xmm1

	subsd	%xmm11, %xmm0

	addsd	%xmm12, %xmm3

	subsd	%xmm13, %xmm2

	addsd	%xmm4, %xmm0

	addsd	%xmm5, %xmm1

	addsd	%xmm6, %xmm2

	addsd	%xmm7, %xmm3

	movlpd	%xmm0,  0 * SIZE(Y1)

	movlpd	%xmm1,  1 * SIZE(Y1)

	addq	INCY, Y1

	movlpd	%xmm2,  0 * SIZE(Y1)

	movlpd	%xmm3,  1 * SIZE(Y1)

	addq	INCY, Y1

	decq	J

	jg	.L11

	ALIGN_3

.L20:

	testq	$1, N

	jle	.L999

	leaq	16 * SIZE(BUFFER), X1

	movq	A, A1

	xorpd	%xmm0, %xmm0

	xorpd	%xmm1, %xmm1

	movsd	-16 * SIZE(X1), %xmm4

	movsd	-15 * SIZE(X1), %xmm5

	movsd	-14 * SIZE(X1), %xmm6

	movsd	-13 * SIZE(X1), %xmm7

	movq	M,   I

	sarq	$2,  I

	jle	.L25

	movsd	-16 * SIZE(A1), %xmm8

	movsd	-15 * SIZE(A1), %xmm9

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	mulsd	%xmm5,  %xmm12

	decq	 I

	jle	 .L24

	ALIGN_3

.L23:

#ifdef PREFETCH

	PREFETCH	(PREFETCHSIZE + 0) * SIZE(A1)

#endif

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	movsd	-11 * SIZE(X1), %xmm5

	ADD1	%xmm8,  %xmm0

	movsd	-14 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	movsd	-12 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm9,  %xmm0

 	movsd	-13 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	movsd	 -9 * SIZE(X1), %xmm7

	ADD1	%xmm8,  %xmm0

	movsd	-12 * SIZE(A1), %xmm8

	mulsd	%xmm6,  %xmm13

	movsd	-10 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	ADD3	%xmm9,  %xmm0

	movsd	-11 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	movsd	 -7 * SIZE(X1), %xmm5

	ADD1	%xmm8,  %xmm0

	movsd	-10 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	movsd	 -8 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm9,  %xmm0

 	movsd	 -9 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	movsd	 -5 * SIZE(X1), %xmm7

	ADD1	%xmm8,  %xmm0

	movsd	 -8 * SIZE(A1), %xmm8

	mulsd	%xmm6,  %xmm13

	movsd	 -6 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	ADD3	%xmm9,  %xmm0

	mulsd	%xmm5,  %xmm12

	movsd	 -7 * SIZE(A1), %xmm9

	ADD4	%xmm13, %xmm1

	subq	 $-8 * SIZE, A1

	subq	 $-8 * SIZE, X1

	subq	 $-8 * SIZE, A2

	subq	 $1, I

	BRANCH

	jg	.L23

	ALIGN_3

.L24:

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	movsd	-11 * SIZE(X1), %xmm5

	ADD1	%xmm8,  %xmm0

	movsd	-14 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	movsd	-12 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm9,  %xmm0

 	movsd	-13 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	movsd	 -9 * SIZE(X1), %xmm7

	ADD1	%xmm8,  %xmm0

	movsd	-12 * SIZE(A1), %xmm8

	mulsd	%xmm6,  %xmm13

	movsd	-10 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	ADD3	%xmm9,  %xmm0

	movsd	-11 * SIZE(A1), %xmm9

	mulsd	%xmm5,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	movsd	 -7 * SIZE(X1), %xmm5

	ADD1	%xmm8,  %xmm0

	movsd	-10 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	movsd	 -8 * SIZE(X1), %xmm4

	ADD2	%xmm12, %xmm1

	movapd	%xmm8,  %xmm12

	mulsd	%xmm6,  %xmm8

	ADD3	%xmm9,  %xmm0

 	movsd	 -9 * SIZE(A1), %xmm9

	mulsd	%xmm7,  %xmm12

	ADD4	%xmm13, %xmm1

	movapd	%xmm9,  %xmm13

	mulsd	%xmm7,  %xmm9

	movsd	 -5 * SIZE(X1), %xmm7

	ADD1	%xmm8,  %xmm0

	mulsd	%xmm6,  %xmm13

	movsd	 -6 * SIZE(X1), %xmm6

	ADD2	%xmm12, %xmm1

	ADD3	%xmm9,  %xmm0

	ADD4	%xmm13, %xmm1

	subq	 $-8 * SIZE, A1

	subq	 $-8 * SIZE, A2

	subq	 $-8 * SIZE, X1

	ALIGN_3

.L25:

	testq	$2, M

	je	.L27

	movsd	-16 * SIZE(A1), %xmm8

	movsd	-15 * SIZE(A1), %xmm9

	movapd	%xmm8,  %xmm12

	mulsd	%xmm4,  %xmm8

	mulsd	%xmm5,  %xmm12

	movapd	%xmm9,  %xmm13

	mulsd	%xmm5,  %xmm9

	movsd	-11 * SIZE(X1), %xmm5

	ADD1	%xmm8,  %xmm0

	movsd	-14 * SIZE(A1), %xmm8

	mulsd	%xmm4,  %xmm13

	movsd	-12 * SIZE(X1), %xmm4