x86: AVX-512 pixel_avg_weight_w8
[x264.git] / tools / checkasm.c
1 /*****************************************************************************
2  * checkasm.c: assembly check tool
3  *****************************************************************************
4  * Copyright (C) 2003-2017 x264 project
5  *
6  * Authors: Loren Merritt <lorenm@u.washington.edu>
7  *          Laurent Aimar <fenrir@via.ecp.fr>
8  *          Fiona Glaser <fiona@x264.com>
9  *
10  * This program is free software; you can redistribute it and/or modify
11  * it under the terms of the GNU General Public License as published by
12  * the Free Software Foundation; either version 2 of the License, or
13  * (at your option) any later version.
14  *
15  * This program is distributed in the hope that it will be useful,
16  * but WITHOUT ANY WARRANTY; without even the implied warranty of
17  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
18  * GNU General Public License for more details.
19  *
20  * You should have received a copy of the GNU General Public License
21  * along with this program; if not, write to the Free Software
22  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA  02111, USA.
23  *
24  * This program is also available under a commercial proprietary license.
25  * For more information, contact us at licensing@x264.com.
26  *****************************************************************************/
27
28 #include <ctype.h>
29 #include "common/common.h"
30 #include "common/cpu.h"
31 #include "encoder/macroblock.h"
32
33 #ifdef _WIN32
34 #include <windows.h>
35 #endif
36
37 // GCC doesn't align stack variables on ARM, so use .bss
38 #if ARCH_ARM
39 #undef ALIGNED_16
40 #define ALIGNED_16( var ) DECLARE_ALIGNED( static var, 16 )
41 #endif
42
43 /* buf1, buf2: initialised to random data and shouldn't write into them */
44 uint8_t *buf1, *buf2;
45 /* buf3, buf4: used to store output */
46 uint8_t *buf3, *buf4;
47 /* pbuf1, pbuf2: initialised to random pixel data and shouldn't write into them. */
48 pixel *pbuf1, *pbuf2;
49 /* pbuf3, pbuf4: point to buf3, buf4, just for type convenience */
50 pixel *pbuf3, *pbuf4;
51
52 int quiet = 0;
53
54 #define report( name ) { \
55     if( used_asm && !quiet ) \
56         fprintf( stderr, " - %-21s [%s]\n", name, ok ? "OK" : "FAILED" ); \
57     if( !ok ) ret = -1; \
58 }
59
60 #define BENCH_RUNS 2000 // tradeoff between accuracy and speed
61 #define MAX_FUNCS 1000  // just has to be big enough to hold all the existing functions
62 #define MAX_CPUS 30     // number of different combinations of cpu flags
63
64 typedef struct
65 {
66     void *pointer; // just for detecting duplicates
67     uint32_t cpu;
68     uint64_t cycles;
69     uint32_t den;
70 } bench_t;
71
72 typedef struct
73 {
74     char *name;
75     bench_t vers[MAX_CPUS];
76 } bench_func_t;
77
78 int do_bench = 0;
79 int bench_pattern_len = 0;
80 const char *bench_pattern = "";
81 char func_name[100];
82 static bench_func_t benchs[MAX_FUNCS];
83
84 static const char *pixel_names[12] = { "16x16", "16x8", "8x16", "8x8", "8x4", "4x8", "4x4", "4x16", "4x2", "2x8", "2x4", "2x2" };
85 static const char *intra_predict_16x16_names[7] = { "v", "h", "dc", "p", "dcl", "dct", "dc8" };
86 static const char *intra_predict_8x8c_names[7] = { "dc", "h", "v", "p", "dcl", "dct", "dc8" };
87 static const char *intra_predict_4x4_names[12] = { "v", "h", "dc", "ddl", "ddr", "vr", "hd", "vl", "hu", "dcl", "dct", "dc8" };
88 static const char **intra_predict_8x8_names = intra_predict_4x4_names;
89 static const char **intra_predict_8x16c_names = intra_predict_8x8c_names;
90
91 #define set_func_name(...) snprintf( func_name, sizeof(func_name), __VA_ARGS__ )
92
93 static inline uint32_t read_time(void)
94 {
95     uint32_t a = 0;
96 #if HAVE_X86_INLINE_ASM
97     asm volatile( "lfence \n"
98                   "rdtsc  \n"
99                   : "=a"(a) :: "edx", "memory" );
100 #elif ARCH_PPC
101     asm volatile( "mftb %0" : "=r"(a) :: "memory" );
102 #elif HAVE_ARM_INLINE_ASM    // ARMv7 only
103     asm volatile( "mrc p15, 0, %0, c9, c13, 0" : "=r"(a) :: "memory" );
104 #elif ARCH_AARCH64
105     uint64_t b = 0;
106     asm volatile( "mrs %0, pmccntr_el0" : "=r"(b) :: "memory" );
107     a = b;
108 #elif ARCH_MIPS
109     asm volatile( "rdhwr %0, $2" : "=r"(a) :: "memory" );
110 #endif
111     return a;
112 }
113
114 static bench_t* get_bench( const char *name, int cpu )
115 {
116     int i, j;
117     for( i = 0; benchs[i].name && strcmp(name, benchs[i].name); i++ )
118         assert( i < MAX_FUNCS );
119     if( !benchs[i].name )
120         benchs[i].name = strdup( name );
121     if( !cpu )
122         return &benchs[i].vers[0];
123     for( j = 1; benchs[i].vers[j].cpu && benchs[i].vers[j].cpu != cpu; j++ )
124         assert( j < MAX_CPUS );
125     benchs[i].vers[j].cpu = cpu;
126     return &benchs[i].vers[j];
127 }
128
129 static int cmp_nop( const void *a, const void *b )
130 {
131     return *(uint16_t*)a - *(uint16_t*)b;
132 }
133
134 static int cmp_bench( const void *a, const void *b )
135 {
136     // asciibetical sort except preserving numbers
137     const char *sa = ((bench_func_t*)a)->name;
138     const char *sb = ((bench_func_t*)b)->name;
139     for( ;; sa++, sb++ )
140     {
141         if( !*sa && !*sb )
142             return 0;
143         if( isdigit( *sa ) && isdigit( *sb ) && isdigit( sa[1] ) != isdigit( sb[1] ) )
144             return isdigit( sa[1] ) - isdigit( sb[1] );
145         if( *sa != *sb )
146             return *sa - *sb;
147     }
148 }
149
150 static void print_bench(void)
151 {
152     uint16_t nops[10000];
153     int nfuncs, nop_time=0;
154
155     for( int i = 0; i < 10000; i++ )
156     {
157         uint32_t t = read_time();
158         nops[i] = read_time() - t;
159     }
160     qsort( nops, 10000, sizeof(uint16_t), cmp_nop );
161     for( int i = 500; i < 9500; i++ )
162         nop_time += nops[i];
163     nop_time /= 900;
164     printf( "nop: %d\n", nop_time );
165
166     for( nfuncs = 0; nfuncs < MAX_FUNCS && benchs[nfuncs].name; nfuncs++ );
167     qsort( benchs, nfuncs, sizeof(bench_func_t), cmp_bench );
168     for( int i = 0; i < nfuncs; i++ )
169         for( int j = 0; j < MAX_CPUS && (!j || benchs[i].vers[j].cpu); j++ )
170         {
171             int k;
172             bench_t *b = &benchs[i].vers[j];
173             if( !b->den )
174                 continue;
175             for( k = 0; k < j && benchs[i].vers[k].pointer != b->pointer; k++ );
176             if( k < j )
177                 continue;
178             printf( "%s_%s%s: %"PRId64"\n", benchs[i].name,
179 #if HAVE_MMX
180                     b->cpu&X264_CPU_AVX512 ? "avx512" :
181                     b->cpu&X264_CPU_AVX2 ? "avx2" :
182                     b->cpu&X264_CPU_BMI2 ? "bmi2" :
183                     b->cpu&X264_CPU_BMI1 ? "bmi1" :
184                     b->cpu&X264_CPU_FMA3 ? "fma3" :
185                     b->cpu&X264_CPU_FMA4 ? "fma4" :
186                     b->cpu&X264_CPU_XOP ? "xop" :
187                     b->cpu&X264_CPU_AVX ? "avx" :
188                     b->cpu&X264_CPU_SSE42 ? "sse42" :
189                     b->cpu&X264_CPU_SSE4 ? "sse4" :
190                     b->cpu&X264_CPU_SSSE3 ? "ssse3" :
191                     b->cpu&X264_CPU_SSE3 ? "sse3" :
192                     b->cpu&X264_CPU_LZCNT ? "lzcnt" :
193                     /* print sse2slow only if there's also a sse2fast version of the same func */
194                     b->cpu&X264_CPU_SSE2_IS_SLOW && j<MAX_CPUS-1 && b[1].cpu&X264_CPU_SSE2_IS_FAST && !(b[1].cpu&X264_CPU_SSE3) ? "sse2slow" :
195                     b->cpu&X264_CPU_SSE2 ? "sse2" :
196                     b->cpu&X264_CPU_SSE ? "sse" :
197                     b->cpu&X264_CPU_MMX ? "mmx" :
198 #elif ARCH_PPC
199                     b->cpu&X264_CPU_ALTIVEC ? "altivec" :
200 #elif ARCH_ARM
201                     b->cpu&X264_CPU_NEON ? "neon" :
202                     b->cpu&X264_CPU_ARMV6 ? "armv6" :
203 #elif ARCH_AARCH64
204                     b->cpu&X264_CPU_NEON ? "neon" :
205                     b->cpu&X264_CPU_ARMV8 ? "armv8" :
206 #elif ARCH_MIPS
207                     b->cpu&X264_CPU_MSA ? "msa" :
208 #endif
209                     "c",
210 #if HAVE_MMX
211                     b->cpu&X264_CPU_CACHELINE_32 ? "_c32" :
212                     b->cpu&X264_CPU_SLOW_ATOM && b->cpu&X264_CPU_CACHELINE_64 ? "_c64_atom" :
213                     b->cpu&X264_CPU_CACHELINE_64 ? "_c64" :
214                     b->cpu&X264_CPU_SLOW_SHUFFLE ? "_slowshuffle" :
215                     b->cpu&X264_CPU_LZCNT && b->cpu&X264_CPU_SSE3 && !(b->cpu&X264_CPU_BMI1) ? "_lzcnt" :
216                     b->cpu&X264_CPU_SLOW_ATOM ? "_atom" :
217 #elif ARCH_ARM
218                     b->cpu&X264_CPU_FAST_NEON_MRC ? "_fast_mrc" :
219 #endif
220                     "",
221                     (int64_t)(10*b->cycles/b->den - nop_time)/4 );
222         }
223 }
224
225 /* YMM and ZMM registers on x86 are turned off to save power when they haven't been
226  * used for some period of time. When they are used there will be a "warmup" period
227  * during which performance will be reduced and inconsistent which is problematic when
228  * trying to benchmark individual functions. We can work around this by periodically
229  * issuing "dummy" instructions that uses those registers to keep them powered on. */
230 static void (*simd_warmup_func)( void ) = NULL;
231 #define simd_warmup() do { if( simd_warmup_func ) simd_warmup_func(); } while( 0 )
232
233 #if ARCH_X86 || ARCH_X86_64
234 int x264_stack_pagealign( int (*func)(), int align );
235 void x264_checkasm_warmup_avx( void );
236 void x264_checkasm_warmup_avx512( void );
237
238 /* detect when callee-saved regs aren't saved
239  * needs an explicit asm check because it only sometimes crashes in normal use. */
240 intptr_t x264_checkasm_call( intptr_t (*func)(), int *ok, ... );
241 #else
242 #define x264_stack_pagealign( func, align ) func()
243 #endif
244
245 #if ARCH_AARCH64
246 intptr_t x264_checkasm_call( intptr_t (*func)(), int *ok, ... );
247 #endif
248
249 #if ARCH_ARM
250 intptr_t x264_checkasm_call_neon( intptr_t (*func)(), int *ok, ... );
251 intptr_t x264_checkasm_call_noneon( intptr_t (*func)(), int *ok, ... );
252 intptr_t (*x264_checkasm_call)( intptr_t (*func)(), int *ok, ... ) = x264_checkasm_call_noneon;
253 #endif
254
255 #define call_c1(func,...) func(__VA_ARGS__)
256
257 #if ARCH_X86_64
258 /* Evil hack: detect incorrect assumptions that 32-bit ints are zero-extended to 64-bit.
259  * This is done by clobbering the stack with junk around the stack pointer and calling the
260  * assembly function through x264_checkasm_call with added dummy arguments which forces all
261  * real arguments to be passed on the stack and not in registers. For 32-bit argument the
262  * upper half of the 64-bit register location on the stack will now contain junk. Note that
263  * this is dependant on compiler behaviour and that interrupts etc. at the wrong time may
264  * overwrite the junk written to the stack so there's no guarantee that it will always
265  * detect all functions that assumes zero-extension.
266  */
267 void x264_checkasm_stack_clobber( uint64_t clobber, ... );
268 #define call_a1(func,...) ({ \
269     uint64_t r = (rand() & 0xffff) * 0x0001000100010001ULL; \
270     x264_checkasm_stack_clobber( r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r ); /* max_args+6 */ \
271     simd_warmup(); \
272     x264_checkasm_call(( intptr_t(*)())func, &ok, 0, 0, 0, 0, __VA_ARGS__ ); })
273 #elif ARCH_AARCH64 && !defined(__APPLE__)
274 void x264_checkasm_stack_clobber( uint64_t clobber, ... );
275 #define call_a1(func,...) ({ \
276     uint64_t r = (rand() & 0xffff) * 0x0001000100010001ULL; \
277     x264_checkasm_stack_clobber( r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r,r ); /* max_args+8 */ \
278     x264_checkasm_call(( intptr_t(*)())func, &ok, 0, 0, 0, 0, 0, 0, __VA_ARGS__ ); })
279 #elif ARCH_X86 || ARCH_ARM
280 #define call_a1(func,...) x264_checkasm_call( (intptr_t(*)())func, &ok, __VA_ARGS__ )
281 #else
282 #define call_a1 call_c1
283 #endif
284
285 #if ARCH_ARM
286 #define call_a1_64(func,...) ((uint64_t (*)(intptr_t(*)(), int*, ...))x264_checkasm_call)( (intptr_t(*)())func, &ok, __VA_ARGS__ )
287 #else
288 #define call_a1_64 call_a1
289 #endif
290
291 #define call_bench(func,cpu,...)\
292     if( do_bench && !strncmp(func_name, bench_pattern, bench_pattern_len) )\
293     {\
294         uint64_t tsum = 0;\
295         int tcount = 0;\
296         call_a1(func, __VA_ARGS__);\
297         for( int ti = 0; ti < (cpu?BENCH_RUNS:BENCH_RUNS/4); ti++ )\
298         {\
299             simd_warmup();\
300             uint32_t t = read_time();\
301             func(__VA_ARGS__);\
302             func(__VA_ARGS__);\
303             func(__VA_ARGS__);\
304             func(__VA_ARGS__);\
305             t = read_time() - t;\
306             if( (uint64_t)t*tcount <= tsum*4 && ti > 0 )\
307             {\
308                 tsum += t;\
309                 tcount++;\
310             }\
311         }\
312         bench_t *b = get_bench( func_name, cpu );\
313         b->cycles += tsum;\
314         b->den += tcount;\
315         b->pointer = func;\
316     }
317
318 /* for most functions, run benchmark and correctness test at the same time.
319  * for those that modify their inputs, run the above macros separately */
320 #define call_a(func,...) ({ call_a2(func,__VA_ARGS__); call_a1(func,__VA_ARGS__); })
321 #define call_c(func,...) ({ call_c2(func,__VA_ARGS__); call_c1(func,__VA_ARGS__); })
322 #define call_a2(func,...) ({ call_bench(func,cpu_new,__VA_ARGS__); })
323 #define call_c2(func,...) ({ call_bench(func,0,__VA_ARGS__); })
324 #define call_a64(func,...) ({ call_a2(func,__VA_ARGS__); call_a1_64(func,__VA_ARGS__); })
325
326
327 static int check_pixel( int cpu_ref, int cpu_new )
328 {
329     x264_pixel_function_t pixel_c;
330     x264_pixel_function_t pixel_ref;
331     x264_pixel_function_t pixel_asm;
332     x264_predict_t predict_4x4[12];
333     x264_predict8x8_t predict_8x8[12];
334     x264_predict_8x8_filter_t predict_8x8_filter;
335     ALIGNED_16( pixel edge[36] );
336     uint16_t cost_mv[32];
337     int ret = 0, ok, used_asm;
338
339     x264_pixel_init( 0, &pixel_c );
340     x264_pixel_init( cpu_ref, &pixel_ref );
341     x264_pixel_init( cpu_new, &pixel_asm );
342     x264_predict_4x4_init( 0, predict_4x4 );
343     x264_predict_8x8_init( 0, predict_8x8, &predict_8x8_filter );
344     predict_8x8_filter( pbuf2+40, edge, ALL_NEIGHBORS, ALL_NEIGHBORS );
345
346     // maximize sum
347     for( int i = 0; i < 256; i++ )
348     {
349         int z = i|(i>>4);
350         z ^= z>>2;
351         z ^= z>>1;
352         pbuf4[i] = -(z&1) & PIXEL_MAX;
353         pbuf3[i] = ~pbuf4[i] & PIXEL_MAX;
354     }
355     // random pattern made of maxed pixel differences, in case an intermediate value overflows
356     for( int i = 256; i < 0x1000; i++ )
357     {
358         pbuf4[i] = -(pbuf1[i&~0x88]&1) & PIXEL_MAX;
359         pbuf3[i] = ~(pbuf4[i]) & PIXEL_MAX;
360     }
361
362 #define TEST_PIXEL( name, align ) \
363     ok = 1, used_asm = 0; \
364     for( int i = 0; i < ARRAY_ELEMS(pixel_c.name); i++ ) \
365     { \
366         int res_c, res_asm; \
367         if( pixel_asm.name[i] != pixel_ref.name[i] ) \
368         { \
369             set_func_name( "%s_%s", #name, pixel_names[i] ); \
370             used_asm = 1; \
371             for( int j = 0; j < 64; j++ ) \
372             { \
373                 intptr_t stride1 = (j&31) == 31 ? 32 : FENC_STRIDE; \
374                 res_c   = call_c( pixel_c.name[i],   pbuf1, stride1, pbuf2+j*!align, (intptr_t)64 ); \
375                 res_asm = call_a( pixel_asm.name[i], pbuf1, stride1, pbuf2+j*!align, (intptr_t)64 ); \
376                 if( res_c != res_asm ) \
377                 { \
378                     ok = 0; \
379                     fprintf( stderr, #name "[%d]: %d != %d [FAILED]\n", i, res_c, res_asm ); \
380                     break; \
381                 } \
382             } \
383             for( int j = 0; j < 0x1000 && ok; j += 256 ) \
384             { \
385                 res_c   = pixel_c  .name[i]( pbuf3+j, 16, pbuf4+j, 16 ); \
386                 res_asm = pixel_asm.name[i]( pbuf3+j, 16, pbuf4+j, 16 ); \
387                 if( res_c != res_asm ) \
388                 { \
389                     ok = 0; \
390                     fprintf( stderr, #name "[%d]: overflow %d != %d\n", i, res_c, res_asm ); \
391                 } \
392             } \
393         } \
394     } \
395     report( "pixel " #name " :" );
396
397     TEST_PIXEL( sad, 0 );
398     TEST_PIXEL( sad_aligned, 1 );
399     TEST_PIXEL( ssd, 1 );
400     TEST_PIXEL( satd, 0 );
401     TEST_PIXEL( sa8d, 1 );
402
403     ok = 1, used_asm = 0;
404     if( pixel_asm.sa8d_satd[PIXEL_16x16] != pixel_ref.sa8d_satd[PIXEL_16x16] )
405     {
406         set_func_name( "sa8d_satd_%s", pixel_names[PIXEL_16x16] );
407         used_asm = 1;
408         for( int j = 0; j < 64; j++ )
409         {
410             uint32_t cost8_c = pixel_c.sa8d[PIXEL_16x16]( pbuf1, 16, pbuf2, 64 );
411             uint32_t cost4_c = pixel_c.satd[PIXEL_16x16]( pbuf1, 16, pbuf2, 64 );
412             uint64_t res_a = call_a64( pixel_asm.sa8d_satd[PIXEL_16x16], pbuf1, (intptr_t)16, pbuf2, (intptr_t)64 );
413             uint32_t cost8_a = res_a;
414             uint32_t cost4_a = res_a >> 32;
415             if( cost8_a != cost8_c || cost4_a != cost4_c )
416             {
417                 ok = 0;
418                 fprintf( stderr, "sa8d_satd [%d]: (%d,%d) != (%d,%d) [FAILED]\n", PIXEL_16x16,
419                          cost8_c, cost4_c, cost8_a, cost4_a );
420                 break;
421             }
422         }
423         for( int j = 0; j < 0x1000 && ok; j += 256 ) \
424         {
425             uint32_t cost8_c = pixel_c.sa8d[PIXEL_16x16]( pbuf3+j, 16, pbuf4+j, 16 );
426             uint32_t cost4_c = pixel_c.satd[PIXEL_16x16]( pbuf3+j, 16, pbuf4+j, 16 );
427             uint64_t res_a = pixel_asm.sa8d_satd[PIXEL_16x16]( pbuf3+j, 16, pbuf4+j, 16 );
428             uint32_t cost8_a = res_a;
429             uint32_t cost4_a = res_a >> 32;
430             if( cost8_a != cost8_c || cost4_a != cost4_c )
431             {
432                 ok = 0;
433                 fprintf( stderr, "sa8d_satd [%d]: overflow (%d,%d) != (%d,%d) [FAILED]\n", PIXEL_16x16,
434                          cost8_c, cost4_c, cost8_a, cost4_a );
435             }
436         }
437     }
438     report( "pixel sa8d_satd :" );
439
440 #define TEST_PIXEL_X( N ) \
441     ok = 1; used_asm = 0; \
442     for( int i = 0; i < 7; i++ ) \
443     { \
444         ALIGNED_16( int res_c[4] ) = {0}; \
445         ALIGNED_16( int res_asm[4] ) = {0}; \
446         if( pixel_asm.sad_x##N[i] && pixel_asm.sad_x##N[i] != pixel_ref.sad_x##N[i] ) \
447         { \
448             set_func_name( "sad_x%d_%s", N, pixel_names[i] ); \
449             used_asm = 1; \
450             for( int j = 0; j < 64; j++ ) \
451             { \
452                 pixel *pix2 = pbuf2+j; \
453                 res_c[0] = pixel_c.sad[i]( pbuf1, 16, pix2,   64 ); \
454                 res_c[1] = pixel_c.sad[i]( pbuf1, 16, pix2+6, 64 ); \
455                 res_c[2] = pixel_c.sad[i]( pbuf1, 16, pix2+1, 64 ); \
456                 if( N == 4 ) \
457                 { \
458                     res_c[3] = pixel_c.sad[i]( pbuf1, 16, pix2+10, 64 ); \
459                     call_a( pixel_asm.sad_x4[i], pbuf1, pix2, pix2+6, pix2+1, pix2+10, (intptr_t)64, res_asm ); \
460                 } \
461                 else \
462                     call_a( pixel_asm.sad_x3[i], pbuf1, pix2, pix2+6, pix2+1, (intptr_t)64, res_asm ); \
463                 if( memcmp(res_c, res_asm, N*sizeof(int)) ) \
464                 { \
465                     ok = 0; \
466                     fprintf( stderr, "sad_x"#N"[%d]: %d,%d,%d,%d != %d,%d,%d,%d [FAILED]\n", \
467                              i, res_c[0], res_c[1], res_c[2], res_c[3], \
468                              res_asm[0], res_asm[1], res_asm[2], res_asm[3] ); \
469                 } \
470                 if( N == 4 ) \
471                     call_c2( pixel_c.sad_x4[i], pbuf1, pix2, pix2+6, pix2+1, pix2+10, (intptr_t)64, res_asm ); \
472                 else \
473                     call_c2( pixel_c.sad_x3[i], pbuf1, pix2, pix2+6, pix2+1, (intptr_t)64, res_asm ); \
474             } \
475         } \
476     } \
477     report( "pixel sad_x"#N" :" );
478
479     TEST_PIXEL_X(3);
480     TEST_PIXEL_X(4);
481
482 #define TEST_PIXEL_VAR( i ) \
483     if( pixel_asm.var[i] != pixel_ref.var[i] ) \
484     { \
485         set_func_name( "%s_%s", "var", pixel_names[i] ); \
486         used_asm = 1; \
487         /* abi-check wrapper can't return uint64_t, so separate it from return value check */ \
488         call_c1( pixel_c.var[i],   pbuf1,           16 ); \
489         call_a1( pixel_asm.var[i], pbuf1, (intptr_t)16 ); \
490         uint64_t res_c   = pixel_c.var[i]( pbuf1, 16 ); \
491         uint64_t res_asm = pixel_asm.var[i]( pbuf1, 16 ); \
492         if( res_c != res_asm ) \
493         { \
494             ok = 0; \
495             fprintf( stderr, "var[%d]: %d %d != %d %d [FAILED]\n", i, (int)res_c, (int)(res_c>>32), (int)res_asm, (int)(res_asm>>32) ); \
496         } \
497         call_c2( pixel_c.var[i],   pbuf1, (intptr_t)16 ); \
498         call_a2( pixel_asm.var[i], pbuf1, (intptr_t)16 ); \
499     }
500
501     ok = 1; used_asm = 0;
502     TEST_PIXEL_VAR( PIXEL_16x16 );
503     TEST_PIXEL_VAR( PIXEL_8x16 );
504     TEST_PIXEL_VAR( PIXEL_8x8 );
505     report( "pixel var :" );
506
507 #define TEST_PIXEL_VAR2( i ) \
508     if( pixel_asm.var2[i] != pixel_ref.var2[i] ) \
509     { \
510         int res_c, res_asm; \
511         ALIGNED_ARRAY_8( int, ssd_c,  [2] ); \
512         ALIGNED_ARRAY_8( int, ssd_asm,[2] ); \
513         set_func_name( "%s_%s", "var2", pixel_names[i] ); \
514         used_asm = 1; \
515         res_c   = call_c( pixel_c.var2[i],   pbuf1, pbuf2, ssd_c   ); \
516         res_asm = call_a( pixel_asm.var2[i], pbuf1, pbuf2, ssd_asm ); \
517         if( res_c != res_asm || memcmp( ssd_c, ssd_asm, 2*sizeof(int) ) ) \
518         { \
519             ok = 0; \
520             fprintf( stderr, "var2[%d]: {%d, %d, %d} != {%d, %d, %d} [FAILED]\n", i, res_c, ssd_c[0], ssd_c[1], res_asm, ssd_asm[0], ssd_asm[1] ); \
521         } \
522     }
523
524     ok = 1; used_asm = 0;
525     TEST_PIXEL_VAR2( PIXEL_8x16 );
526     TEST_PIXEL_VAR2( PIXEL_8x8 );
527     report( "pixel var2 :" );
528
529     ok = 1; used_asm = 0;
530     for( int i = 0; i < 4; i++ )
531         if( pixel_asm.hadamard_ac[i] != pixel_ref.hadamard_ac[i] )
532         {
533             set_func_name( "hadamard_ac_%s", pixel_names[i] );
534             used_asm = 1;
535             for( int j = 0; j < 32; j++ )
536             {
537                 pixel *pix = (j&16 ? pbuf1 : pbuf3) + (j&15)*256;
538                 call_c1( pixel_c.hadamard_ac[i],   pbuf1, (intptr_t)16 );
539                 call_a1( pixel_asm.hadamard_ac[i], pbuf1, (intptr_t)16 );
540                 uint64_t rc = pixel_c.hadamard_ac[i]( pix, 16 );
541                 uint64_t ra = pixel_asm.hadamard_ac[i]( pix, 16 );
542                 if( rc != ra )
543                 {
544                     ok = 0;
545                     fprintf( stderr, "hadamard_ac[%d]: %d,%d != %d,%d\n", i, (int)rc, (int)(rc>>32), (int)ra, (int)(ra>>32) );
546                     break;
547                 }
548             }
549             call_c2( pixel_c.hadamard_ac[i],   pbuf1, (intptr_t)16 );
550             call_a2( pixel_asm.hadamard_ac[i], pbuf1, (intptr_t)16 );
551         }
552     report( "pixel hadamard_ac :" );
553
554     // maximize sum
555     for( int i = 0; i < 32; i++ )
556         for( int j = 0; j < 16; j++ )
557             pbuf4[16*i+j] = -((i+j)&1) & PIXEL_MAX;
558     ok = 1; used_asm = 0;
559     if( pixel_asm.vsad != pixel_ref.vsad )
560     {
561         for( int h = 2; h <= 32; h += 2 )
562         {
563             int res_c, res_asm;
564             set_func_name( "vsad" );
565             used_asm = 1;
566             for( int j = 0; j < 2 && ok; j++ )
567             {
568                 pixel *p = j ? pbuf4 : pbuf1;
569                 res_c   = call_c( pixel_c.vsad,   p, (intptr_t)16, h );
570                 res_asm = call_a( pixel_asm.vsad, p, (intptr_t)16, h );
571                 if( res_c != res_asm )
572                 {
573                     ok = 0;
574                     fprintf( stderr, "vsad: height=%d, %d != %d\n", h, res_c, res_asm );
575                     break;
576                 }
577             }
578         }
579     }
580     report( "pixel vsad :" );
581
582     ok = 1; used_asm = 0;
583     if( pixel_asm.asd8 != pixel_ref.asd8 )
584     {
585         set_func_name( "asd8" );
586         used_asm = 1;
587         int res_c = call_c( pixel_c.asd8,   pbuf1, (intptr_t)8, pbuf2, (intptr_t)8, 16 );
588         int res_a = call_a( pixel_asm.asd8, pbuf1, (intptr_t)8, pbuf2, (intptr_t)8, 16 );
589         if( res_c != res_a )
590         {
591             ok = 0;
592             fprintf( stderr, "asd: %d != %d\n", res_c, res_a );
593         }
594     }
595     report( "pixel asd :" );
596
597 #define TEST_INTRA_X3( name, i8x8, ... ) \
598     if( pixel_asm.name && pixel_asm.name != pixel_ref.name ) \
599     { \
600         ALIGNED_16( int res_c[3] ); \
601         ALIGNED_16( int res_asm[3] ); \
602         set_func_name( #name ); \
603         used_asm = 1; \
604         call_c( pixel_c.name, pbuf1+48, i8x8 ? edge : pbuf3+48, res_c ); \
605         call_a( pixel_asm.name, pbuf1+48, i8x8 ? edge : pbuf3+48, res_asm ); \
606         if( memcmp(res_c, res_asm, sizeof(res_c)) ) \
607         { \
608             ok = 0; \
609             fprintf( stderr, #name": %d,%d,%d != %d,%d,%d [FAILED]\n", \
610                      res_c[0], res_c[1], res_c[2], \
611                      res_asm[0], res_asm[1], res_asm[2] ); \
612         } \
613     }
614
615 #define TEST_INTRA_X9( name, cmp ) \
616     if( pixel_asm.name && pixel_asm.name != pixel_ref.name ) \
617     { \
618         set_func_name( #name ); \
619         used_asm = 1; \
620         ALIGNED_ARRAY_64( uint16_t, bitcosts,[17] ); \
621         for( int i=0; i<17; i++ ) \
622             bitcosts[i] = 9*(i!=8); \
623         memcpy( pbuf3, pbuf2, 20*FDEC_STRIDE*sizeof(pixel) ); \
624         memcpy( pbuf4, pbuf2, 20*FDEC_STRIDE*sizeof(pixel) ); \
625         for( int i=0; i<32; i++ ) \
626         { \
627             pixel *fenc = pbuf1+48+i*12; \
628             pixel *fdec1 = pbuf3+48+i*12; \
629             pixel *fdec2 = pbuf4+48+i*12; \
630             int pred_mode = i%9; \
631             int res_c = INT_MAX; \
632             for( int j=0; j<9; j++ ) \
633             { \
634                 predict_4x4[j]( fdec1 ); \
635                 int cost = pixel_c.cmp[PIXEL_4x4]( fenc, FENC_STRIDE, fdec1, FDEC_STRIDE ) + 9*(j!=pred_mode); \
636                 if( cost < (uint16_t)res_c ) \
637                     res_c = cost + (j<<16); \
638             } \
639             predict_4x4[res_c>>16]( fdec1 ); \
640             int res_a = call_a( pixel_asm.name, fenc, fdec2, bitcosts+8-pred_mode ); \
641             if( res_c != res_a ) \
642             { \
643                 ok = 0; \
644                 fprintf( stderr, #name": %d,%d != %d,%d [FAILED]\n", res_c>>16, res_c&0xffff, res_a>>16, res_a&0xffff ); \
645                 break; \
646             } \
647             if( memcmp(fdec1, fdec2, 4*FDEC_STRIDE*sizeof(pixel)) ) \
648             { \
649                 ok = 0; \
650                 fprintf( stderr, #name" [FAILED]\n" ); \
651                 for( int j=0; j<16; j++ ) \
652                     fprintf( stderr, "%02x ", fdec1[(j&3)+(j>>2)*FDEC_STRIDE] ); \
653                 fprintf( stderr, "\n" ); \
654                 for( int j=0; j<16; j++ ) \
655                     fprintf( stderr, "%02x ", fdec2[(j&3)+(j>>2)*FDEC_STRIDE] ); \
656                 fprintf( stderr, "\n" ); \
657                 break; \
658             } \
659         } \
660     }
661
662 #define TEST_INTRA8_X9( name, cmp ) \
663     if( pixel_asm.name && pixel_asm.name != pixel_ref.name ) \
664     { \
665         set_func_name( #name ); \
666         used_asm = 1; \
667         ALIGNED_ARRAY_64( uint16_t, bitcosts,[17] ); \
668         ALIGNED_ARRAY_16( uint16_t, satds_c,[16] ); \
669         ALIGNED_ARRAY_16( uint16_t, satds_a,[16] ); \
670         memset( satds_c, 0, 16 * sizeof(*satds_c) ); \
671         memset( satds_a, 0, 16 * sizeof(*satds_a) ); \
672         for( int i=0; i<17; i++ ) \
673             bitcosts[i] = 9*(i!=8); \
674         for( int i=0; i<32; i++ ) \
675         { \
676             pixel *fenc = pbuf1+48+i*12; \
677             pixel *fdec1 = pbuf3+48+i*12; \
678             pixel *fdec2 = pbuf4+48+i*12; \
679             int pred_mode = i%9; \
680             int res_c = INT_MAX; \
681             predict_8x8_filter( fdec1, edge, ALL_NEIGHBORS, ALL_NEIGHBORS ); \
682             for( int j=0; j<9; j++ ) \
683             { \
684                 predict_8x8[j]( fdec1, edge ); \
685                 satds_c[j] = pixel_c.cmp[PIXEL_8x8]( fenc, FENC_STRIDE, fdec1, FDEC_STRIDE ) + 9*(j!=pred_mode); \
686                 if( satds_c[j] < (uint16_t)res_c ) \
687                     res_c = satds_c[j] + (j<<16); \
688             } \
689             predict_8x8[res_c>>16]( fdec1, edge ); \
690             int res_a = call_a( pixel_asm.name, fenc, fdec2, edge, bitcosts+8-pred_mode, satds_a ); \
691             if( res_c != res_a || memcmp(satds_c, satds_a, 16 * sizeof(*satds_c)) ) \
692             { \
693                 ok = 0; \
694                 fprintf( stderr, #name": %d,%d != %d,%d [FAILED]\n", res_c>>16, res_c&0xffff, res_a>>16, res_a&0xffff ); \
695                 for( int j = 0; j < 9; j++ ) \
696                     fprintf( stderr, "%5d ", satds_c[j]); \
697                 fprintf( stderr, "\n" ); \
698                 for( int j = 0; j < 9; j++ ) \
699                     fprintf( stderr, "%5d ", satds_a[j]); \
700                 fprintf( stderr, "\n" ); \
701                 break; \
702             } \
703             for( int j=0; j<8; j++ ) \
704                 if( memcmp(fdec1+j*FDEC_STRIDE, fdec2+j*FDEC_STRIDE, 8*sizeof(pixel)) ) \
705                     ok = 0; \
706             if( !ok ) \
707             { \
708                 fprintf( stderr, #name" [FAILED]\n" ); \
709                 for( int j=0; j<8; j++ ) \
710                 { \
711                     for( int k=0; k<8; k++ ) \
712                         fprintf( stderr, "%02x ", fdec1[k+j*FDEC_STRIDE] ); \
713                     fprintf( stderr, "\n" ); \
714                 } \
715                 fprintf( stderr, "\n" ); \
716                 for( int j=0; j<8; j++ ) \
717                 { \
718                     for( int k=0; k<8; k++ ) \
719                         fprintf( stderr, "%02x ", fdec2[k+j*FDEC_STRIDE] ); \
720                     fprintf( stderr, "\n" ); \
721                 } \
722                 fprintf( stderr, "\n" ); \
723                 break; \
724             } \
725         } \
726     }
727
728     memcpy( pbuf3, pbuf2, 20*FDEC_STRIDE*sizeof(pixel) );
729     ok = 1; used_asm = 0;
730     TEST_INTRA_X3( intra_satd_x3_16x16, 0 );
731     TEST_INTRA_X3( intra_satd_x3_8x16c, 0 );
732     TEST_INTRA_X3( intra_satd_x3_8x8c, 0 );
733     TEST_INTRA_X3( intra_sa8d_x3_8x8, 1, edge );
734     TEST_INTRA_X3( intra_satd_x3_4x4, 0 );
735     report( "intra satd_x3 :" );
736     ok = 1; used_asm = 0;
737     TEST_INTRA_X3( intra_sad_x3_16x16, 0 );
738     TEST_INTRA_X3( intra_sad_x3_8x16c, 0 );
739     TEST_INTRA_X3( intra_sad_x3_8x8c, 0 );
740     TEST_INTRA_X3( intra_sad_x3_8x8, 1, edge );
741     TEST_INTRA_X3( intra_sad_x3_4x4, 0 );
742     report( "intra sad_x3 :" );
743     ok = 1; used_asm = 0;
744     TEST_INTRA_X9( intra_satd_x9_4x4, satd );
745     TEST_INTRA8_X9( intra_sa8d_x9_8x8, sa8d );
746     report( "intra satd_x9 :" );
747     ok = 1; used_asm = 0;
748     TEST_INTRA_X9( intra_sad_x9_4x4, sad );
749     TEST_INTRA8_X9( intra_sad_x9_8x8, sad );
750     report( "intra sad_x9 :" );
751
752     ok = 1; used_asm = 0;
753     if( pixel_asm.ssd_nv12_core != pixel_ref.ssd_nv12_core )
754     {
755         used_asm = 1;
756         set_func_name( "ssd_nv12" );
757         uint64_t res_u_c, res_v_c, res_u_a, res_v_a;
758         for( int w = 8; w <= 360; w += 8 )
759         {
760             pixel_c.ssd_nv12_core(   pbuf1, 368, pbuf2, 368, w, 8, &res_u_c, &res_v_c );
761             pixel_asm.ssd_nv12_core( pbuf1, 368, pbuf2, 368, w, 8, &res_u_a, &res_v_a );
762             if( res_u_c != res_u_a || res_v_c != res_v_a )
763             {
764                 ok = 0;
765                 fprintf( stderr, "ssd_nv12: %"PRIu64",%"PRIu64" != %"PRIu64",%"PRIu64"\n",
766                          res_u_c, res_v_c, res_u_a, res_v_a );
767             }
768         }
769         call_c( pixel_c.ssd_nv12_core,   pbuf1, (intptr_t)368, pbuf2, (intptr_t)368, 360, 8, &res_u_c, &res_v_c );
770         call_a( pixel_asm.ssd_nv12_core, pbuf1, (intptr_t)368, pbuf2, (intptr_t)368, 360, 8, &res_u_a, &res_v_a );
771     }
772     report( "ssd_nv12 :" );
773
774     if( pixel_asm.ssim_4x4x2_core != pixel_ref.ssim_4x4x2_core ||
775         pixel_asm.ssim_end4 != pixel_ref.ssim_end4 )
776     {
777         int cnt;
778         float res_c, res_a;
779         ALIGNED_16( int sums[5][4] ) = {{0}};
780         used_asm = ok = 1;
781         x264_emms();
782         res_c = x264_pixel_ssim_wxh( &pixel_c,   pbuf1+2, 32, pbuf2+2, 32, 32, 28, pbuf3, &cnt );
783         res_a = x264_pixel_ssim_wxh( &pixel_asm, pbuf1+2, 32, pbuf2+2, 32, 32, 28, pbuf3, &cnt );
784         if( fabs( res_c - res_a ) > 1e-6 )
785         {
786             ok = 0;
787             fprintf( stderr, "ssim: %.7f != %.7f [FAILED]\n", res_c, res_a );
788         }
789         set_func_name( "ssim_core" );
790         call_c( pixel_c.ssim_4x4x2_core,   pbuf1+2, (intptr_t)32, pbuf2+2, (intptr_t)32, sums );
791         call_a( pixel_asm.ssim_4x4x2_core, pbuf1+2, (intptr_t)32, pbuf2+2, (intptr_t)32, sums );
792         set_func_name( "ssim_end" );
793         call_c2( pixel_c.ssim_end4,   sums, sums, 4 );
794         call_a2( pixel_asm.ssim_end4, sums, sums, 4 );
795         /* check incorrect assumptions that 32-bit ints are zero-extended to 64-bit */
796         call_c1( pixel_c.ssim_end4,   sums, sums, 3 );
797         call_a1( pixel_asm.ssim_end4, sums, sums, 3 );
798         report( "ssim :" );
799     }
800
801     ok = 1; used_asm = 0;
802     for( int i = 0; i < 32; i++ )
803         cost_mv[i] = i*10;
804     for( int i = 0; i < 100 && ok; i++ )
805         if( pixel_asm.ads[i&3] != pixel_ref.ads[i&3] )
806         {
807             ALIGNED_16( uint16_t sums[72] );
808             ALIGNED_16( int dc[4] );
809             ALIGNED_16( int16_t mvs_a[48] );
810             ALIGNED_16( int16_t mvs_c[48] );
811             int mvn_a, mvn_c;
812             int thresh = rand() & 0x3fff;
813             set_func_name( "esa_ads" );
814             for( int j = 0; j < 72; j++ )
815                 sums[j] = rand() & 0x3fff;
816             for( int j = 0; j < 4; j++ )
817                 dc[j] = rand() & 0x3fff;
818             used_asm = 1;
819             mvn_c = call_c( pixel_c.ads[i&3], dc, sums, 32, cost_mv, mvs_c, 28, thresh );
820             mvn_a = call_a( pixel_asm.ads[i&3], dc, sums, 32, cost_mv, mvs_a, 28, thresh );
821             if( mvn_c != mvn_a || memcmp( mvs_c, mvs_a, mvn_c*sizeof(*mvs_c) ) )
822             {
823                 ok = 0;
824                 printf( "c%d: ", i&3 );
825                 for( int j = 0; j < mvn_c; j++ )
826                     printf( "%d ", mvs_c[j] );
827                 printf( "\na%d: ", i&3 );
828                 for( int j = 0; j < mvn_a; j++ )
829                     printf( "%d ", mvs_a[j] );
830                 printf( "\n\n" );
831             }
832         }
833     report( "esa ads:" );
834
835     return ret;
836 }
837
838 static int check_dct( int cpu_ref, int cpu_new )
839 {
840     x264_dct_function_t dct_c;
841     x264_dct_function_t dct_ref;
842     x264_dct_function_t dct_asm;
843     x264_quant_function_t qf;
844     int ret = 0, ok, used_asm, interlace = 0;
845     ALIGNED_ARRAY_64( dctcoef, dct1, [16],[16] );
846     ALIGNED_ARRAY_64( dctcoef, dct2, [16],[16] );
847     ALIGNED_ARRAY_64( dctcoef, dct4, [16],[16] );
848     ALIGNED_ARRAY_64( dctcoef, dct8, [4],[64] );
849     ALIGNED_16( dctcoef dctdc[2][8] );
850     x264_t h_buf;
851     x264_t *h = &h_buf;
852
853     x264_dct_init( 0, &dct_c );
854     x264_dct_init( cpu_ref, &dct_ref);
855     x264_dct_init( cpu_new, &dct_asm );
856
857     memset( h, 0, sizeof(*h) );
858     x264_param_default( &h->param );
859     h->sps->i_chroma_format_idc = 1;
860     h->chroma_qp_table = i_chroma_qp_table + 12;
861     h->param.analyse.i_luma_deadzone[0] = 0;
862     h->param.analyse.i_luma_deadzone[1] = 0;
863     h->param.analyse.b_transform_8x8 = 1;
864     for( int i = 0; i < 6; i++ )
865         h->pps->scaling_list[i] = x264_cqm_flat16;
866     x264_cqm_init( h );
867     x264_quant_init( h, 0, &qf );
868
869     /* overflow test cases */
870     for( int i = 0; i < 5; i++ )
871     {
872         pixel *enc = &pbuf3[16*i*FENC_STRIDE];
873         pixel *dec = &pbuf4[16*i*FDEC_STRIDE];
874
875         for( int j = 0; j < 16; j++ )
876         {
877             int cond_a = (i < 2) ? 1 : ((j&3) == 0 || (j&3) == (i-1));
878             int cond_b = (i == 0) ? 1 : !cond_a;
879             enc[0] = enc[1] = enc[4] = enc[5] = enc[8] = enc[9] = enc[12] = enc[13] = cond_a ? PIXEL_MAX : 0;
880             enc[2] = enc[3] = enc[6] = enc[7] = enc[10] = enc[11] = enc[14] = enc[15] = cond_b ? PIXEL_MAX : 0;
881
882             for( int k = 0; k < 4; k++ )
883                 dec[k] = PIXEL_MAX - enc[k];
884
885             enc += FENC_STRIDE;
886             dec += FDEC_STRIDE;
887         }
888     }
889
890 #define TEST_DCT( name, t1, t2, size ) \
891     if( dct_asm.name != dct_ref.name ) \
892     { \
893         set_func_name( #name ); \
894         used_asm = 1; \
895         pixel *enc = pbuf3; \
896         pixel *dec = pbuf4; \
897         for( int j = 0; j < 5; j++) \
898         { \
899             call_c( dct_c.name, t1, &pbuf1[j*64], &pbuf2[j*64] ); \
900             call_a( dct_asm.name, t2, &pbuf1[j*64], &pbuf2[j*64] ); \
901             if( memcmp( t1, t2, size*sizeof(dctcoef) ) ) \
902             { \
903                 ok = 0; \
904                 fprintf( stderr, #name " [FAILED]\n" ); \
905                 for( int k = 0; k < size; k++ )\
906                     printf( "%d ", ((dctcoef*)t1)[k] );\
907                 printf("\n");\
908                 for( int k = 0; k < size; k++ )\
909                     printf( "%d ", ((dctcoef*)t2)[k] );\
910                 printf("\n");\
911                 break; \
912             } \
913             call_c( dct_c.name, t1, enc, dec ); \
914             call_a( dct_asm.name, t2, enc, dec ); \
915             if( memcmp( t1, t2, size*sizeof(dctcoef) ) ) \
916             { \
917                 ok = 0; \
918                 fprintf( stderr, #name " [FAILED] (overflow)\n" ); \
919                 break; \
920             } \
921             enc += 16*FENC_STRIDE; \
922             dec += 16*FDEC_STRIDE; \
923         } \
924     }
925     ok = 1; used_asm = 0;
926     TEST_DCT( sub4x4_dct, dct1[0], dct2[0], 16 );
927     TEST_DCT( sub8x8_dct, dct1, dct2, 16*4 );
928     TEST_DCT( sub8x8_dct_dc, dctdc[0], dctdc[1], 4 );
929     TEST_DCT( sub8x16_dct_dc, dctdc[0], dctdc[1], 8 );
930     TEST_DCT( sub16x16_dct, dct1, dct2, 16*16 );
931     report( "sub_dct4 :" );
932
933     ok = 1; used_asm = 0;
934     TEST_DCT( sub8x8_dct8, (void*)dct1[0], (void*)dct2[0], 64 );
935     TEST_DCT( sub16x16_dct8, (void*)dct1, (void*)dct2, 64*4 );
936     report( "sub_dct8 :" );
937 #undef TEST_DCT
938
939     // fdct and idct are denormalized by different factors, so quant/dequant
940     // is needed to force the coefs into the right range.
941     dct_c.sub16x16_dct( dct4, pbuf1, pbuf2 );
942     dct_c.sub16x16_dct8( dct8, pbuf1, pbuf2 );
943     for( int i = 0; i < 16; i++ )
944     {
945         qf.quant_4x4( dct4[i], h->quant4_mf[CQM_4IY][20], h->quant4_bias[CQM_4IY][20] );
946         qf.dequant_4x4( dct4[i], h->dequant4_mf[CQM_4IY], 20 );
947     }
948     for( int i = 0; i < 4; i++ )
949     {
950         qf.quant_8x8( dct8[i], h->quant8_mf[CQM_8IY][20], h->quant8_bias[CQM_8IY][20] );
951         qf.dequant_8x8( dct8[i], h->dequant8_mf[CQM_8IY], 20 );
952     }
953     x264_cqm_delete( h );
954
955 #define TEST_IDCT( name, src ) \
956     if( dct_asm.name != dct_ref.name ) \
957     { \
958         set_func_name( #name ); \
959         used_asm = 1; \
960         memcpy( pbuf3, pbuf1, 32*32 * sizeof(pixel) ); \
961         memcpy( pbuf4, pbuf1, 32*32 * sizeof(pixel) ); \
962         memcpy( dct1, src, 256 * sizeof(dctcoef) ); \
963         memcpy( dct2, src, 256 * sizeof(dctcoef) ); \
964         call_c1( dct_c.name, pbuf3, (void*)dct1 ); \
965         call_a1( dct_asm.name, pbuf4, (void*)dct2 ); \
966         if( memcmp( pbuf3, pbuf4, 32*32 * sizeof(pixel) ) ) \
967         { \
968             ok = 0; \
969             fprintf( stderr, #name " [FAILED]\n" ); \
970         } \
971         call_c2( dct_c.name, pbuf3, (void*)dct1 ); \
972         call_a2( dct_asm.name, pbuf4, (void*)dct2 ); \
973     }
974     ok = 1; used_asm = 0;
975     TEST_IDCT( add4x4_idct, dct4 );
976     TEST_IDCT( add8x8_idct, dct4 );
977     TEST_IDCT( add8x8_idct_dc, dct4 );
978     TEST_IDCT( add16x16_idct, dct4 );
979     TEST_IDCT( add16x16_idct_dc, dct4 );
980     report( "add_idct4 :" );
981
982     ok = 1; used_asm = 0;
983     TEST_IDCT( add8x8_idct8, dct8 );
984     TEST_IDCT( add16x16_idct8, dct8 );
985     report( "add_idct8 :" );
986 #undef TEST_IDCT
987
988 #define TEST_DCTDC( name )\
989     ok = 1; used_asm = 0;\
990     if( dct_asm.name != dct_ref.name )\
991     {\
992         set_func_name( #name );\
993         used_asm = 1;\
994         uint16_t *p = (uint16_t*)buf1;\
995         for( int i = 0; i < 16 && ok; i++ )\
996         {\
997             for( int j = 0; j < 16; j++ )\
998                 dct1[0][j] = !i ? (j^j>>1^j>>2^j>>3)&1 ? PIXEL_MAX*16 : -PIXEL_MAX*16 /* max dc */\
999                            : i<8 ? (*p++)&1 ? PIXEL_MAX*16 : -PIXEL_MAX*16 /* max elements */\
1000                            : ((*p++)&0x1fff)-0x1000; /* general case */\
1001             memcpy( dct2, dct1, 16 * sizeof(dctcoef) );\
1002             call_c1( dct_c.name, dct1[0] );\
1003             call_a1( dct_asm.name, dct2[0] );\
1004             if( memcmp( dct1, dct2, 16 * sizeof(dctcoef) ) )\
1005                 ok = 0;\
1006         }\
1007         call_c2( dct_c.name, dct1[0] );\
1008         call_a2( dct_asm.name, dct2[0] );\
1009     }\
1010     report( #name " :" );
1011
1012     TEST_DCTDC(  dct4x4dc );
1013     TEST_DCTDC( idct4x4dc );
1014 #undef TEST_DCTDC
1015
1016 #define TEST_DCTDC_CHROMA( name )\
1017     ok = 1; used_asm = 0;\
1018     if( dct_asm.name != dct_ref.name )\
1019     {\
1020         set_func_name( #name );\
1021         used_asm = 1;\
1022         uint16_t *p = (uint16_t*)buf1;\
1023         for( int i = 0; i < 16 && ok; i++ )\
1024         {\
1025             for( int j = 0; j < 8; j++ )\
1026                 dct1[j][0] = !i ? (j^j>>1^j>>2)&1 ? PIXEL_MAX*16 : -PIXEL_MAX*16 /* max dc */\
1027                            : i<8 ? (*p++)&1 ? PIXEL_MAX*16 : -PIXEL_MAX*16 /* max elements */\
1028                            : ((*p++)&0x1fff)-0x1000; /* general case */\
1029             memcpy( dct2, dct1, 8*16 * sizeof(dctcoef) );\
1030             call_c1( dct_c.name, dctdc[0], dct1 );\
1031             call_a1( dct_asm.name, dctdc[1], dct2 );\
1032             if( memcmp( dctdc[0], dctdc[1], 8 * sizeof(dctcoef) ) || memcmp( dct1, dct2, 8*16 * sizeof(dctcoef) ) )\
1033             {\
1034                 ok = 0;\
1035                 fprintf( stderr, #name " [FAILED]\n" ); \
1036             }\
1037         }\
1038         call_c2( dct_c.name, dctdc[0], dct1 );\
1039         call_a2( dct_asm.name, dctdc[1], dct2 );\
1040     }\
1041     report( #name " :" );
1042
1043     TEST_DCTDC_CHROMA( dct2x4dc );
1044 #undef TEST_DCTDC_CHROMA
1045
1046     x264_zigzag_function_t zigzag_c[2];
1047     x264_zigzag_function_t zigzag_ref[2];
1048     x264_zigzag_function_t zigzag_asm[2];
1049
1050     ALIGNED_ARRAY_64( dctcoef, level1,[64] );
1051     ALIGNED_ARRAY_64( dctcoef, level2,[64] );
1052
1053 #define TEST_ZIGZAG_SCAN( name, t1, t2, dct, size ) \
1054     if( zigzag_asm[interlace].name != zigzag_ref[interlace].name ) \
1055     { \
1056         set_func_name( "zigzag_"#name"_%s", interlace?"field":"frame" ); \
1057         used_asm = 1; \
1058         for( int i = 0; i < size*size; i++ ) \
1059             dct[i] = i; \
1060         call_c( zigzag_c[interlace].name, t1, dct ); \
1061         call_a( zigzag_asm[interlace].name, t2, dct ); \
1062         if( memcmp( t1, t2, size*size*sizeof(dctcoef) ) ) \
1063         { \
1064             ok = 0; \
1065             for( int i = 0; i < 2; i++ ) \
1066             { \
1067                 dctcoef *d = (dctcoef*)(i ? t2 : t1); \
1068                 for( int j = 0; j < size; j++ ) \
1069                 { \
1070                     for( int k = 0; k < size; k++ ) \
1071                         fprintf( stderr, "%2d ", d[k+j*8] ); \
1072                     fprintf( stderr, "\n" ); \
1073                 } \
1074                 fprintf( stderr, "\n" ); \
1075             } \
1076             fprintf( stderr, #name " [FAILED]\n" ); \
1077         } \
1078     }
1079
1080 #define TEST_ZIGZAG_SUB( name, t1, t2, size ) \
1081     if( zigzag_asm[interlace].name != zigzag_ref[interlace].name ) \
1082     { \
1083         int nz_a, nz_c; \
1084         set_func_name( "zigzag_"#name"_%s", interlace?"field":"frame" ); \
1085         used_asm = 1; \
1086         memcpy( pbuf3, pbuf1, 16*FDEC_STRIDE * sizeof(pixel) ); \
1087         memcpy( pbuf4, pbuf1, 16*FDEC_STRIDE * sizeof(pixel) ); \
1088         nz_c = call_c1( zigzag_c[interlace].name, t1, pbuf2, pbuf3 ); \
1089         nz_a = call_a1( zigzag_asm[interlace].name, t2, pbuf2, pbuf4 ); \
1090         if( memcmp( t1, t2, size*sizeof(dctcoef) ) || memcmp( pbuf3, pbuf4, 16*FDEC_STRIDE*sizeof(pixel) ) || nz_c != nz_a ) \
1091         { \
1092             ok = 0; \
1093             fprintf( stderr, #name " [FAILED]\n" ); \
1094         } \
1095         call_c2( zigzag_c[interlace].name, t1, pbuf2, pbuf3 ); \
1096         call_a2( zigzag_asm[interlace].name, t2, pbuf2, pbuf4 ); \
1097     }
1098
1099 #define TEST_ZIGZAG_SUBAC( name, t1, t2 ) \
1100     if( zigzag_asm[interlace].name != zigzag_ref[interlace].name ) \
1101     { \
1102         int nz_a, nz_c; \
1103         dctcoef dc_a, dc_c; \
1104         set_func_name( "zigzag_"#name"_%s", interlace?"field":"frame" ); \
1105         used_asm = 1; \
1106         for( int i = 0; i < 2; i++ ) \
1107         { \
1108             memcpy( pbuf3, pbuf2, 16*FDEC_STRIDE * sizeof(pixel) ); \
1109             memcpy( pbuf4, pbuf2, 16*FDEC_STRIDE * sizeof(pixel) ); \
1110             for( int j = 0; j < 4; j++ ) \
1111             { \
1112                 memcpy( pbuf3 + j*FDEC_STRIDE, (i?pbuf1:pbuf2) + j*FENC_STRIDE, 4 * sizeof(pixel) ); \
1113                 memcpy( pbuf4 + j*FDEC_STRIDE, (i?pbuf1:pbuf2) + j*FENC_STRIDE, 4 * sizeof(pixel) ); \
1114             } \
1115             nz_c = call_c1( zigzag_c[interlace].name, t1, pbuf2, pbuf3, &dc_c ); \
1116             nz_a = call_a1( zigzag_asm[interlace].name, t2, pbuf2, pbuf4, &dc_a ); \
1117             if( memcmp( t1+1, t2+1, 15*sizeof(dctcoef) ) || memcmp( pbuf3, pbuf4, 16*FDEC_STRIDE * sizeof(pixel) ) || nz_c != nz_a || dc_c != dc_a ) \
1118             { \
1119                 ok = 0; \
1120                 fprintf( stderr, #name " [FAILED]\n" ); \
1121                 break; \
1122             } \
1123         } \
1124         call_c2( zigzag_c[interlace].name, t1, pbuf2, pbuf3, &dc_c ); \
1125         call_a2( zigzag_asm[interlace].name, t2, pbuf2, pbuf4, &dc_a ); \
1126     }
1127
1128 #define TEST_INTERLEAVE( name, t1, t2, dct, size ) \
1129     if( zigzag_asm[interlace].name != zigzag_ref[interlace].name ) \
1130     { \
1131         for( int j = 0; j < 100; j++ ) \
1132         { \
1133             set_func_name( "zigzag_"#name"_%s", interlace?"field":"frame" ); \
1134             used_asm = 1; \
1135             memcpy(dct, buf1, size*sizeof(dctcoef)); \
1136             for( int i = 0; i < size; i++ ) \
1137                 dct[i] = rand()&0x1F ? 0 : dct[i]; \
1138             memcpy(buf3, buf4, 10); \
1139             call_c( zigzag_c[interlace].name, t1, dct, buf3 ); \
1140             call_a( zigzag_asm[interlace].name, t2, dct, buf4 ); \
1141             if( memcmp( t1, t2, size*sizeof(dctcoef) ) || memcmp( buf3, buf4, 10 ) ) \
1142             { \
1143                 ok = 0; printf("%d: %d %d %d %d\n%d %d %d %d\n\n",memcmp( t1, t2, size*sizeof(dctcoef) ),buf3[0], buf3[1], buf3[8], buf3[9], buf4[0], buf4[1], buf4[8], buf4[9]);break;\
1144             } \
1145         } \
1146     }
1147
1148     x264_zigzag_init( 0, &zigzag_c[0], &zigzag_c[1] );
1149     x264_zigzag_init( cpu_ref, &zigzag_ref[0], &zigzag_ref[1] );
1150     x264_zigzag_init( cpu_new, &zigzag_asm[0], &zigzag_asm[1] );
1151
1152     ok = 1; used_asm = 0;
1153     TEST_INTERLEAVE( interleave_8x8_cavlc, level1, level2, dct8[0], 64 );
1154     report( "zigzag_interleave :" );
1155
1156     for( interlace = 0; interlace <= 1; interlace++ )
1157     {
1158         ok = 1; used_asm = 0;
1159         TEST_ZIGZAG_SCAN( scan_8x8, level1, level2, dct8[0], 8 );
1160         TEST_ZIGZAG_SCAN( scan_4x4, level1, level2, dct1[0], 4 );
1161         TEST_ZIGZAG_SUB( sub_4x4, level1, level2, 16 );
1162         TEST_ZIGZAG_SUB( sub_8x8, level1, level2, 64 );
1163         TEST_ZIGZAG_SUBAC( sub_4x4ac, level1, level2 );
1164         report( interlace ? "zigzag_field :" : "zigzag_frame :" );
1165     }
1166 #undef TEST_ZIGZAG_SCAN
1167 #undef TEST_ZIGZAG_SUB
1168
1169     return ret;
1170 }
1171
1172 static int check_mc( int cpu_ref, int cpu_new )
1173 {
1174     x264_mc_functions_t mc_c;
1175     x264_mc_functions_t mc_ref;
1176     x264_mc_functions_t mc_a;
1177     x264_pixel_function_t pixf;
1178
1179     pixel *src     = &(pbuf1)[2*64+2];
1180     pixel *src2[4] = { &(pbuf1)[3*64+2], &(pbuf1)[5*64+2],
1181                        &(pbuf1)[7*64+2], &(pbuf1)[9*64+2] };
1182     pixel *dst1    = pbuf3;
1183     pixel *dst2    = pbuf4;
1184
1185     int ret = 0, ok, used_asm;
1186
1187     x264_mc_init( 0, &mc_c, 0 );
1188     x264_mc_init( cpu_ref, &mc_ref, 0 );
1189     x264_mc_init( cpu_new, &mc_a, 0 );
1190     x264_pixel_init( 0, &pixf );
1191
1192 #define MC_TEST_LUMA( w, h ) \
1193         if( mc_a.mc_luma != mc_ref.mc_luma && !(w&(w-1)) && h<=16 ) \
1194         { \
1195             const x264_weight_t *weight = x264_weight_none; \
1196             set_func_name( "mc_luma_%dx%d", w, h ); \
1197             used_asm = 1; \
1198             for( int i = 0; i < 1024; i++ ) \
1199                 pbuf3[i] = pbuf4[i] = 0xCD; \
1200             call_c( mc_c.mc_luma, dst1, (intptr_t)32, src2, (intptr_t)64, dx, dy, w, h, weight ); \
1201             call_a( mc_a.mc_luma, dst2, (intptr_t)32, src2, (intptr_t)64, dx, dy, w, h, weight ); \
1202             if( memcmp( pbuf3, pbuf4, 1024 * sizeof(pixel) ) ) \
1203             { \
1204                 fprintf( stderr, "mc_luma[mv(%d,%d) %2dx%-2d]     [FAILED]\n", dx, dy, w, h ); \
1205                 ok = 0; \
1206             } \
1207         } \
1208         if( mc_a.get_ref != mc_ref.get_ref ) \
1209         { \
1210             pixel *ref = dst2; \
1211             intptr_t ref_stride = 32; \
1212             int w_checked = ( ( sizeof(pixel) == 2 && (w == 12 || w == 20)) ? w-2 : w ); \
1213             const x264_weight_t *weight = x264_weight_none; \
1214             set_func_name( "get_ref_%dx%d", w_checked, h ); \
1215             used_asm = 1; \
1216             for( int i = 0; i < 1024; i++ ) \
1217                 pbuf3[i] = pbuf4[i] = 0xCD; \
1218             call_c( mc_c.mc_luma, dst1, (intptr_t)32, src2, (intptr_t)64, dx, dy, w, h, weight ); \
1219             ref = (pixel*)call_a( mc_a.get_ref, ref, &ref_stride, src2, (intptr_t)64, dx, dy, w, h, weight ); \
1220             for( int i = 0; i < h; i++ ) \
1221                 if( memcmp( dst1+i*32, ref+i*ref_stride, w_checked * sizeof(pixel) ) ) \
1222                 { \
1223                     fprintf( stderr, "get_ref[mv(%d,%d) %2dx%-2d]     [FAILED]\n", dx, dy, w_checked, h ); \
1224                     ok = 0; \
1225                     break; \
1226                 } \
1227         }
1228
1229 #define MC_TEST_CHROMA( w, h ) \
1230         if( mc_a.mc_chroma != mc_ref.mc_chroma ) \
1231         { \
1232             set_func_name( "mc_chroma_%dx%d", w, h ); \
1233             used_asm = 1; \
1234             for( int i = 0; i < 1024; i++ ) \
1235                 pbuf3[i] = pbuf4[i] = 0xCD; \
1236             call_c( mc_c.mc_chroma, dst1, dst1+8, (intptr_t)16, src, (intptr_t)64, dx, dy, w, h ); \
1237             call_a( mc_a.mc_chroma, dst2, dst2+8, (intptr_t)16, src, (intptr_t)64, dx, dy, w, h ); \
1238             /* mc_chroma width=2 may write garbage to the right of dst. ignore that. */ \
1239             for( int j = 0; j < h; j++ ) \
1240                 for( int i = w; i < 8; i++ ) \
1241                 { \
1242                     dst2[i+j*16+8] = dst1[i+j*16+8]; \
1243                     dst2[i+j*16  ] = dst1[i+j*16  ]; \
1244                 } \
1245             if( memcmp( pbuf3, pbuf4, 1024 * sizeof(pixel) ) ) \
1246             { \
1247                 fprintf( stderr, "mc_chroma[mv(%d,%d) %2dx%-2d]     [FAILED]\n", dx, dy, w, h ); \
1248                 ok = 0; \
1249             } \
1250         }
1251     ok = 1; used_asm = 0;
1252     for( int dy = -8; dy < 8; dy++ )
1253         for( int dx = -128; dx < 128; dx++ )
1254         {
1255             if( rand()&15 ) continue; // running all of them is too slow
1256             MC_TEST_LUMA( 20, 18 );
1257             MC_TEST_LUMA( 16, 16 );
1258             MC_TEST_LUMA( 16, 8 );
1259             MC_TEST_LUMA( 12, 10 );
1260             MC_TEST_LUMA( 8, 16 );
1261             MC_TEST_LUMA( 8, 8 );
1262             MC_TEST_LUMA( 8, 4 );
1263             MC_TEST_LUMA( 4, 8 );
1264             MC_TEST_LUMA( 4, 4 );
1265         }
1266     report( "mc luma :" );
1267
1268     ok = 1; used_asm = 0;
1269     for( int dy = -1; dy < 9; dy++ )
1270         for( int dx = -128; dx < 128; dx++ )
1271         {
1272             if( rand()&15 ) continue;
1273             MC_TEST_CHROMA( 8, 8 );
1274             MC_TEST_CHROMA( 8, 4 );
1275             MC_TEST_CHROMA( 4, 8 );
1276             MC_TEST_CHROMA( 4, 4 );
1277             MC_TEST_CHROMA( 4, 2 );
1278             MC_TEST_CHROMA( 2, 4 );
1279             MC_TEST_CHROMA( 2, 2 );
1280         }
1281     report( "mc chroma :" );
1282 #undef MC_TEST_LUMA
1283 #undef MC_TEST_CHROMA
1284
1285 #define MC_TEST_AVG( name, weight ) \
1286 { \
1287     for( int i = 0; i < 12; i++ ) \
1288     { \
1289         memcpy( pbuf3, pbuf1+320, 320 * sizeof(pixel) ); \
1290         memcpy( pbuf4, pbuf1+320, 320 * sizeof(pixel) ); \
1291         if( mc_a.name[i] != mc_ref.name[i] ) \
1292         { \
1293             set_func_name( "%s_%s", #name, pixel_names[i] ); \
1294             used_asm = 1; \
1295             call_c1( mc_c.name[i], pbuf3, (intptr_t)16, pbuf2+1, (intptr_t)16, pbuf1+18, (intptr_t)16, weight ); \
1296             call_a1( mc_a.name[i], pbuf4, (intptr_t)16, pbuf2+1, (intptr_t)16, pbuf1+18, (intptr_t)16, weight ); \
1297             if( memcmp( pbuf3, pbuf4, 320 * sizeof(pixel) ) ) \
1298             { \
1299                 ok = 0; \
1300                 fprintf( stderr, #name "[%d]: [FAILED]\n", i ); \
1301             } \
1302             call_c2( mc_c.name[i], pbuf3, (intptr_t)16, pbuf2+1, (intptr_t)16, pbuf1+18, (intptr_t)16, weight ); \
1303             call_a2( mc_a.name[i], pbuf4, (intptr_t)16, pbuf2+1, (intptr_t)16, pbuf1+18, (intptr_t)16, weight ); \
1304         } \
1305     } \
1306 }
1307
1308     ok = 1, used_asm = 0;
1309     for( int w = -63; w <= 127 && ok; w++ )
1310         MC_TEST_AVG( avg, w );
1311     report( "mc wpredb :" );
1312
1313 #define MC_TEST_WEIGHT( name, weight, aligned ) \
1314     int align_off = (aligned ? 0 : rand()%16); \
1315     for( int i = 1; i <= 5; i++ ) \
1316     { \
1317         ALIGNED_16( pixel buffC[640] ); \
1318         ALIGNED_16( pixel buffA[640] ); \
1319         int j = X264_MAX( i*4, 2 ); \
1320         memset( buffC, 0, 640 * sizeof(pixel) ); \
1321         memset( buffA, 0, 640 * sizeof(pixel) ); \
1322         x264_t ha; \
1323         ha.mc = mc_a; \
1324         /* w12 is the same as w16 in some cases */ \
1325         if( i == 3 && mc_a.name[i] == mc_a.name[i+1] ) \
1326             continue; \
1327         if( mc_a.name[i] != mc_ref.name[i] ) \
1328         { \
1329             set_func_name( "%s_w%d", #name, j ); \
1330             used_asm = 1; \
1331             call_c1( mc_c.weight[i],     buffC, (intptr_t)32, pbuf2+align_off, (intptr_t)32, &weight, 16 ); \
1332             mc_a.weight_cache(&ha, &weight); \
1333             call_a1( weight.weightfn[i], buffA, (intptr_t)32, pbuf2+align_off, (intptr_t)32, &weight, 16 ); \
1334             for( int k = 0; k < 16; k++ ) \
1335                 if( memcmp( &buffC[k*32], &buffA[k*32], j * sizeof(pixel) ) ) \
1336                 { \
1337                     ok = 0; \
1338                     fprintf( stderr, #name "[%d]: [FAILED] s:%d o:%d d%d\n", i, s, o, d ); \
1339                     break; \
1340                 } \
1341             /* omit unlikely high scales for benchmarking */ \
1342             if( (s << (8-d)) < 512 ) \
1343             { \
1344                 call_c2( mc_c.weight[i],     buffC, (intptr_t)32, pbuf2+align_off, (intptr_t)32, &weight, 16 ); \
1345                 call_a2( weight.weightfn[i], buffA, (intptr_t)32, pbuf2+align_off, (intptr_t)32, &weight, 16 ); \
1346             } \
1347         } \
1348     }
1349
1350     ok = 1; used_asm = 0;
1351
1352     int align_cnt = 0;
1353     for( int s = 0; s <= 127 && ok; s++ )
1354     {
1355         for( int o = -128; o <= 127 && ok; o++ )
1356         {
1357             if( rand() & 2047 ) continue;
1358             for( int d = 0; d <= 7 && ok; d++ )
1359             {
1360                 if( s == 1<<d )
1361                     continue;
1362                 x264_weight_t weight = { .i_scale = s, .i_denom = d, .i_offset = o };
1363                 MC_TEST_WEIGHT( weight, weight, (align_cnt++ % 4) );
1364             }
1365         }
1366
1367     }
1368     report( "mc weight :" );
1369
1370     ok = 1; used_asm = 0;
1371     for( int o = 0; o <= 127 && ok; o++ )
1372     {
1373         int s = 1, d = 0;
1374         if( rand() & 15 ) continue;
1375         x264_weight_t weight = { .i_scale = 1, .i_denom = 0, .i_offset = o };
1376         MC_TEST_WEIGHT( offsetadd, weight, (align_cnt++ % 4) );
1377     }
1378     report( "mc offsetadd :" );
1379     ok = 1; used_asm = 0;
1380     for( int o = -128; o < 0 && ok; o++ )
1381     {
1382         int s = 1, d = 0;
1383         if( rand() & 15 ) continue;
1384         x264_weight_t weight = { .i_scale = 1, .i_denom = 0, .i_offset = o };
1385         MC_TEST_WEIGHT( offsetsub, weight, (align_cnt++ % 4) );
1386     }
1387     report( "mc offsetsub :" );
1388
1389     memset( pbuf3, 0, 64*16 );
1390     memset( pbuf4, 0, 64*16 );
1391     ok = 1; used_asm = 0;
1392     for( int height = 8; height <= 16; height += 8 )
1393     {
1394         if( mc_a.store_interleave_chroma != mc_ref.store_interleave_chroma )
1395         {
1396             set_func_name( "store_interleave_chroma" );
1397             used_asm = 1;
1398             call_c( mc_c.store_interleave_chroma, pbuf3, (intptr_t)64, pbuf1, pbuf1+16, height );
1399             call_a( mc_a.store_interleave_chroma, pbuf4, (intptr_t)64, pbuf1, pbuf1+16, height );
1400             if( memcmp( pbuf3, pbuf4, 64*height ) )
1401             {
1402                 ok = 0;
1403                 fprintf( stderr, "store_interleave_chroma FAILED: h=%d\n", height );
1404                 break;
1405             }
1406         }
1407         if( mc_a.load_deinterleave_chroma_fenc != mc_ref.load_deinterleave_chroma_fenc )
1408         {
1409             set_func_name( "load_deinterleave_chroma_fenc" );
1410             used_asm = 1;
1411             call_c( mc_c.load_deinterleave_chroma_fenc, pbuf3, pbuf1, (intptr_t)64, height );
1412             call_a( mc_a.load_deinterleave_chroma_fenc, pbuf4, pbuf1, (intptr_t)64, height );
1413             if( memcmp( pbuf3, pbuf4, FENC_STRIDE*height ) )
1414             {
1415                 ok = 0;
1416                 fprintf( stderr, "load_deinterleave_chroma_fenc FAILED: h=%d\n", height );
1417                 break;
1418             }
1419         }
1420         if( mc_a.load_deinterleave_chroma_fdec != mc_ref.load_deinterleave_chroma_fdec )
1421         {
1422             set_func_name( "load_deinterleave_chroma_fdec" );
1423             used_asm = 1;
1424             call_c( mc_c.load_deinterleave_chroma_fdec, pbuf3, pbuf1, (intptr_t)64, height );
1425             call_a( mc_a.load_deinterleave_chroma_fdec, pbuf4, pbuf1, (intptr_t)64, height );
1426             if( memcmp( pbuf3, pbuf4, FDEC_STRIDE*height ) )
1427             {
1428                 ok = 0;
1429                 fprintf( stderr, "load_deinterleave_chroma_fdec FAILED: h=%d\n", height );
1430                 break;
1431             }
1432         }
1433     }
1434     report( "store_interleave :" );
1435
1436     struct plane_spec {
1437         int w, h, src_stride;
1438     } plane_specs[] = { {2,2,2}, {8,6,8}, {20,31,24}, {32,8,40}, {256,10,272}, {504,7,505}, {528,6,528}, {256,10,-256}, {263,9,-264}, {1904,1,0} };
1439     ok = 1; used_asm = 0;
1440     if( mc_a.plane_copy != mc_ref.plane_copy )
1441     {
1442         set_func_name( "plane_copy" );
1443         used_asm = 1;
1444         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1445         {
1446             int w = plane_specs[i].w;
1447             int h = plane_specs[i].h;
1448             intptr_t src_stride = plane_specs[i].src_stride;
1449             intptr_t dst_stride = (w + 127) & ~63;
1450             assert( dst_stride * h <= 0x1000 );
1451             pixel *src1 = pbuf1 + X264_MAX(0, -src_stride) * (h-1);
1452             memset( pbuf3, 0, 0x1000*sizeof(pixel) );
1453             memset( pbuf4, 0, 0x1000*sizeof(pixel) );
1454             call_c( mc_c.plane_copy, pbuf3, dst_stride, src1, src_stride, w, h );
1455             call_a( mc_a.plane_copy, pbuf4, dst_stride, src1, src_stride, w, h );
1456             for( int y = 0; y < h; y++ )
1457                 if( memcmp( pbuf3+y*dst_stride, pbuf4+y*dst_stride, w*sizeof(pixel) ) )
1458                 {
1459                     ok = 0;
1460                     fprintf( stderr, "plane_copy FAILED: w=%d h=%d stride=%d\n", w, h, (int)src_stride );
1461                     break;
1462                 }
1463         }
1464     }
1465
1466     if( mc_a.plane_copy_swap != mc_ref.plane_copy_swap )
1467     {
1468         set_func_name( "plane_copy_swap" );
1469         used_asm = 1;
1470         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1471         {
1472             int w = (plane_specs[i].w + 1) >> 1;
1473             int h = plane_specs[i].h;
1474             intptr_t src_stride = plane_specs[i].src_stride;
1475             intptr_t dst_stride = (2*w + 127) & ~63;
1476             assert( dst_stride * h <= 0x1000 );
1477             pixel *src1 = pbuf1 + X264_MAX(0, -src_stride) * (h-1);
1478             memset( pbuf3, 0, 0x1000*sizeof(pixel) );
1479             memset( pbuf4, 0, 0x1000*sizeof(pixel) );
1480             call_c( mc_c.plane_copy_swap, pbuf3, dst_stride, src1, src_stride, w, h );
1481             call_a( mc_a.plane_copy_swap, pbuf4, dst_stride, src1, src_stride, w, h );
1482             for( int y = 0; y < h; y++ )
1483                 if( memcmp( pbuf3+y*dst_stride, pbuf4+y*dst_stride, 2*w*sizeof(pixel) ) )
1484                 {
1485                     ok = 0;
1486                     fprintf( stderr, "plane_copy_swap FAILED: w=%d h=%d stride=%d\n", w, h, (int)src_stride );
1487                     break;
1488                 }
1489         }
1490     }
1491
1492     if( mc_a.plane_copy_interleave != mc_ref.plane_copy_interleave )
1493     {
1494         set_func_name( "plane_copy_interleave" );
1495         used_asm = 1;
1496         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1497         {
1498             int w = (plane_specs[i].w + 1) >> 1;
1499             int h = plane_specs[i].h;
1500             intptr_t src_stride = (plane_specs[i].src_stride + 1) >> 1;
1501             intptr_t dst_stride = (2*w + 127) & ~63;
1502             assert( dst_stride * h <= 0x1000 );
1503             pixel *src1 = pbuf1 + X264_MAX(0, -src_stride) * (h-1);
1504             memset( pbuf3, 0, 0x1000*sizeof(pixel) );
1505             memset( pbuf4, 0, 0x1000*sizeof(pixel) );
1506             call_c( mc_c.plane_copy_interleave, pbuf3, dst_stride, src1, src_stride, src1+1024, src_stride+16, w, h );
1507             call_a( mc_a.plane_copy_interleave, pbuf4, dst_stride, src1, src_stride, src1+1024, src_stride+16, w, h );
1508             for( int y = 0; y < h; y++ )
1509                 if( memcmp( pbuf3+y*dst_stride, pbuf4+y*dst_stride, 2*w*sizeof(pixel) ) )
1510                 {
1511                     ok = 0;
1512                     fprintf( stderr, "plane_copy_interleave FAILED: w=%d h=%d stride=%d\n", w, h, (int)src_stride );
1513                     break;
1514                 }
1515         }
1516     }
1517
1518     if( mc_a.plane_copy_deinterleave != mc_ref.plane_copy_deinterleave )
1519     {
1520         set_func_name( "plane_copy_deinterleave" );
1521         used_asm = 1;
1522         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1523         {
1524             int w = (plane_specs[i].w + 1) >> 1;
1525             int h = plane_specs[i].h;
1526             intptr_t dst_stride = w;
1527             intptr_t src_stride = (2*w + 127) & ~63;
1528             intptr_t offv = (dst_stride*h + 63) & ~31;
1529             memset( pbuf3, 0, 0x1000 );
1530             memset( pbuf4, 0, 0x1000 );
1531             call_c( mc_c.plane_copy_deinterleave, pbuf3, dst_stride, pbuf3+offv, dst_stride, pbuf1, src_stride, w, h );
1532             call_a( mc_a.plane_copy_deinterleave, pbuf4, dst_stride, pbuf4+offv, dst_stride, pbuf1, src_stride, w, h );
1533             for( int y = 0; y < h; y++ )
1534                 if( memcmp( pbuf3+y*dst_stride,      pbuf4+y*dst_stride, w ) ||
1535                     memcmp( pbuf3+y*dst_stride+offv, pbuf4+y*dst_stride+offv, w ) )
1536                 {
1537                     ok = 0;
1538                     fprintf( stderr, "plane_copy_deinterleave FAILED: w=%d h=%d stride=%d\n", w, h, (int)src_stride );
1539                     break;
1540                 }
1541         }
1542     }
1543
1544     if( mc_a.plane_copy_deinterleave_yuyv != mc_ref.plane_copy_deinterleave_yuyv )
1545     {
1546         set_func_name( "plane_copy_deinterleave_yuyv" );
1547         used_asm = 1;
1548         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1549         {
1550             int w = (plane_specs[i].w + 1) >> 1;
1551             int h = plane_specs[i].h;
1552             intptr_t dst_stride = ALIGN( w, 32/sizeof(pixel) );
1553             intptr_t src_stride = (plane_specs[i].src_stride + 1) >> 1;
1554             intptr_t offv = dst_stride*h;
1555             pixel *src1 = pbuf1 + X264_MAX(0, -src_stride) * (h-1);
1556             memset( pbuf3, 0, 0x1000 );
1557             memset( pbuf4, 0, 0x1000 );
1558             /* Skip benchmarking since it's the same as plane_copy_deinterleave(), just verify correctness. */
1559             call_c1( mc_c.plane_copy_deinterleave_yuyv, pbuf3, dst_stride, pbuf3+offv, dst_stride, src1, src_stride, w, h );
1560             call_a1( mc_a.plane_copy_deinterleave_yuyv, pbuf4, dst_stride, pbuf4+offv, dst_stride, src1, src_stride, w, h );
1561             for( int y = 0; y < h; y++ )
1562                 if( memcmp( pbuf3+y*dst_stride,      pbuf4+y*dst_stride,      w*sizeof(pixel) ) ||
1563                     memcmp( pbuf3+y*dst_stride+offv, pbuf4+y*dst_stride+offv, w*sizeof(pixel) ) )
1564                 {
1565                     fprintf( stderr, "plane_copy_deinterleave_yuyv FAILED: w=%d h=%d stride=%d\n", w, h, (int)src_stride );
1566                     break;
1567                 }
1568         }
1569     }
1570
1571     if( mc_a.plane_copy_deinterleave_rgb != mc_ref.plane_copy_deinterleave_rgb )
1572     {
1573         set_func_name( "plane_copy_deinterleave_rgb" );
1574         used_asm = 1;
1575         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1576         {
1577             int w = (plane_specs[i].w + 2) >> 2;
1578             int h = plane_specs[i].h;
1579             intptr_t src_stride = plane_specs[i].src_stride;
1580             intptr_t dst_stride = ALIGN( w, 16 );
1581             intptr_t offv = dst_stride*h + 16;
1582
1583             for( int pw = 3; pw <= 4; pw++ )
1584             {
1585                 memset( pbuf3, 0, 0x1000 );
1586                 memset( pbuf4, 0, 0x1000 );
1587                 call_c( mc_c.plane_copy_deinterleave_rgb, pbuf3, dst_stride, pbuf3+offv, dst_stride, pbuf3+2*offv, dst_stride, pbuf1, src_stride, pw, w, h );
1588                 call_a( mc_a.plane_copy_deinterleave_rgb, pbuf4, dst_stride, pbuf4+offv, dst_stride, pbuf4+2*offv, dst_stride, pbuf1, src_stride, pw, w, h );
1589                 for( int y = 0; y < h; y++ )
1590                     if( memcmp( pbuf3+y*dst_stride+0*offv, pbuf4+y*dst_stride+0*offv, w ) ||
1591                         memcmp( pbuf3+y*dst_stride+1*offv, pbuf4+y*dst_stride+1*offv, w ) ||
1592                         memcmp( pbuf3+y*dst_stride+2*offv, pbuf4+y*dst_stride+2*offv, w ) )
1593                     {
1594                         ok = 0;
1595                         fprintf( stderr, "plane_copy_deinterleave_rgb FAILED: w=%d h=%d stride=%d pw=%d\n", w, h, (int)src_stride, pw );
1596                         break;
1597                     }
1598             }
1599         }
1600     }
1601     report( "plane_copy :" );
1602
1603     if( mc_a.plane_copy_deinterleave_v210 != mc_ref.plane_copy_deinterleave_v210 )
1604     {
1605         set_func_name( "plane_copy_deinterleave_v210" );
1606         ok = 1; used_asm = 1;
1607         for( int i = 0; i < sizeof(plane_specs)/sizeof(*plane_specs); i++ )
1608         {
1609             int w = (plane_specs[i].w + 1) >> 1;
1610             int h = plane_specs[i].h;
1611             intptr_t dst_stride = ALIGN( w, 32 );
1612             intptr_t src_stride = (w + 47) / 48 * 128 / sizeof(uint32_t);
1613             intptr_t offv = dst_stride*h + 32;
1614             memset( pbuf3, 0, 0x1000 );
1615             memset( pbuf4, 0, 0x1000 );
1616             call_c( mc_c.plane_copy_deinterleave_v210, pbuf3, dst_stride, pbuf3+offv, dst_stride, (uint32_t *)buf1, src_stride, w, h );
1617             call_a( mc_a.plane_copy_deinterleave_v210, pbuf4, dst_stride, pbuf4+offv, dst_stride, (uint32_t *)buf1, src_stride, w, h );
1618             for( int y = 0; y < h; y++ )
1619                 if( memcmp( pbuf3+y*dst_stride,      pbuf4+y*dst_stride,      w*sizeof(uint16_t) ) ||
1620                     memcmp( pbuf3+y*dst_stride+offv, pbuf4+y*dst_stride+offv, w*sizeof(uint16_t) ) )
1621                 {
1622                     ok = 0;
1623                     fprintf( stderr, "plane_copy_deinterleave_v210 FAILED: w=%d h=%d stride=%d\n", w, h, (int)src_stride );
1624                     break;
1625                 }
1626         }
1627         report( "v210 :" );
1628     }
1629
1630     if( mc_a.hpel_filter != mc_ref.hpel_filter )
1631     {
1632         pixel *srchpel = pbuf1+8+2*64;
1633         pixel *dstc[3] = { pbuf3+8, pbuf3+8+16*64, pbuf3+8+32*64 };
1634         pixel *dsta[3] = { pbuf4+8, pbuf4+8+16*64, pbuf4+8+32*64 };
1635         void *tmp = pbuf3+49*64;
1636         set_func_name( "hpel_filter" );
1637         ok = 1; used_asm = 1;
1638         memset( pbuf3, 0, 4096 * sizeof(pixel) );
1639         memset( pbuf4, 0, 4096 * sizeof(pixel) );
1640         call_c( mc_c.hpel_filter, dstc[0], dstc[1], dstc[2], srchpel, (intptr_t)64, 48, 10, tmp );
1641         call_a( mc_a.hpel_filter, dsta[0], dsta[1], dsta[2], srchpel, (intptr_t)64, 48, 10, tmp );
1642         for( int i = 0; i < 3; i++ )
1643             for( int j = 0; j < 10; j++ )
1644                 //FIXME ideally the first pixels would match too, but they aren't actually used
1645                 if( memcmp( dstc[i]+j*64+2, dsta[i]+j*64+2, 43 * sizeof(pixel) ) )
1646                 {
1647                     ok = 0;
1648                     fprintf( stderr, "hpel filter differs at plane %c line %d\n", "hvc"[i], j );
1649                     for( int k = 0; k < 48; k++ )
1650                         printf( "%02x%s", dstc[i][j*64+k], (k+1)&3 ? "" : " " );
1651                     printf( "\n" );
1652                     for( int k = 0; k < 48; k++ )
1653                         printf( "%02x%s", dsta[i][j*64+k], (k+1)&3 ? "" : " " );
1654                     printf( "\n" );
1655                     break;
1656                 }
1657         report( "hpel filter :" );
1658     }
1659
1660     if( mc_a.frame_init_lowres_core != mc_ref.frame_init_lowres_core )
1661     {
1662         pixel *dstc[4] = { pbuf3, pbuf3+1024, pbuf3+2048, pbuf3+3072 };
1663         pixel *dsta[4] = { pbuf4, pbuf4+1024, pbuf4+2048, pbuf4+3072 };
1664         set_func_name( "lowres_init" );
1665         ok = 1; used_asm = 1;
1666         for( int w = 96; w <= 96+24; w += 8 )
1667         {
1668             intptr_t stride = (w*2+31)&~31;
1669             intptr_t stride_lowres = (w+31)&~31;
1670             call_c( mc_c.frame_init_lowres_core, pbuf1, dstc[0], dstc[1], dstc[2], dstc[3], stride, stride_lowres, w, 8 );
1671             call_a( mc_a.frame_init_lowres_core, pbuf1, dsta[0], dsta[1], dsta[2], dsta[3], stride, stride_lowres, w, 8 );
1672             for( int i = 0; i < 8; i++ )
1673             {
1674                 for( int j = 0; j < 4; j++ )
1675                     if( memcmp( dstc[j]+i*stride_lowres, dsta[j]+i*stride_lowres, w * sizeof(pixel) ) )
1676                     {
1677                         ok = 0;
1678                         fprintf( stderr, "frame_init_lowres differs at plane %d line %d\n", j, i );
1679                         for( int k = 0; k < w; k++ )
1680                             printf( "%d ", dstc[j][k+i*stride_lowres] );
1681                         printf( "\n" );
1682                         for( int k = 0; k < w; k++ )
1683                             printf( "%d ", dsta[j][k+i*stride_lowres] );
1684                         printf( "\n" );
1685                         break;
1686                     }
1687             }
1688         }
1689         report( "lowres init :" );
1690     }
1691
1692 #define INTEGRAL_INIT( name, size, offset, cmp_len, ... )\
1693     if( mc_a.name != mc_ref.name )\
1694     {\
1695         intptr_t stride = 96;\
1696         set_func_name( #name );\
1697         used_asm = 1;\
1698         memcpy( buf3, buf1, size*2*stride );\
1699         memcpy( buf4, buf1, size*2*stride );\
1700         uint16_t *sum = (uint16_t*)buf3;\
1701         call_c1( mc_c.name, sum+offset, __VA_ARGS__ );\
1702         sum = (uint16_t*)buf4;\
1703         call_a1( mc_a.name, sum+offset, __VA_ARGS__ );\
1704         if( memcmp( buf3+2*offset, buf4+2*offset, cmp_len*2 )\
1705             || (size>9 && memcmp( buf3+18*stride, buf4+18*stride, (stride-8)*2 )))\
1706             ok = 0;\
1707         call_c2( mc_c.name, sum+offset, __VA_ARGS__ );\
1708         call_a2( mc_a.name, sum+offset, __VA_ARGS__ );\
1709     }
1710     ok = 1; used_asm = 0;
1711     INTEGRAL_INIT( integral_init4h, 2, stride, stride-4, pbuf2, stride );
1712     INTEGRAL_INIT( integral_init8h, 2, stride, stride-8, pbuf2, stride );
1713     INTEGRAL_INIT( integral_init4v, 14, 0, stride-8, sum+9*stride, stride );
1714     INTEGRAL_INIT( integral_init8v, 9, 0, stride-8, stride );
1715     report( "integral init :" );
1716
1717     ok = 1; used_asm = 0;
1718     if( mc_a.mbtree_propagate_cost != mc_ref.mbtree_propagate_cost )
1719     {
1720         used_asm = 1;
1721         x264_emms();
1722         for( int i = 0; i < 10; i++ )
1723         {
1724             float fps_factor = (rand()&65535) / 65535.0f;
1725             set_func_name( "mbtree_propagate_cost" );
1726             int16_t *dsta = (int16_t*)buf3;
1727             int16_t *dstc = dsta+400;
1728             uint16_t *prop = (uint16_t*)buf1;
1729             uint16_t *intra = (uint16_t*)buf4;
1730             uint16_t *inter = intra+128;
1731             uint16_t *qscale = inter+128;
1732             uint16_t *rnd = (uint16_t*)buf2;
1733             x264_emms();
1734             for( int j = 0; j < 100; j++ )
1735             {
1736                 intra[j]  = *rnd++ & 0x7fff;
1737                 intra[j] += !intra[j];
1738                 inter[j]  = *rnd++ & 0x7fff;
1739                 qscale[j] = *rnd++ & 0x7fff;
1740             }
1741             call_c( mc_c.mbtree_propagate_cost, dstc, prop, intra, inter, qscale, &fps_factor, 100 );
1742             call_a( mc_a.mbtree_propagate_cost, dsta, prop, intra, inter, qscale, &fps_factor, 100 );
1743             // I don't care about exact rounding, this is just how close the floating-point implementation happens to be
1744             x264_emms();
1745             for( int j = 0; j < 100 && ok; j++ )
1746             {
1747                 ok &= abs( dstc[j]-dsta[j] ) <= 1 || fabs( (double)dstc[j]/dsta[j]-1 ) < 1e-4;
1748                 if( !ok )
1749                     fprintf( stderr, "mbtree_propagate_cost FAILED: %d !~= %d\n", dstc[j], dsta[j] );
1750             }
1751         }
1752     }
1753
1754     if( mc_a.mbtree_propagate_list != mc_ref.mbtree_propagate_list )
1755     {
1756         used_asm = 1;
1757         for( int i = 0; i < 8; i++ )
1758         {
1759             set_func_name( "mbtree_propagate_list" );
1760             x264_t h;
1761             int height = 4;
1762             int width = 128;
1763             int size = width*height;
1764             h.mb.i_mb_stride = width;
1765             h.mb.i_mb_width = width;
1766             h.mb.i_mb_height = height;
1767
1768             uint16_t *ref_costsc = (uint16_t*)buf3 + width;
1769             uint16_t *ref_costsa = (uint16_t*)buf4 + width;
1770             int16_t (*mvs)[2] = (int16_t(*)[2])(ref_costsc + width + size);
1771             int16_t *propagate_amount = (int16_t*)(mvs + width);
1772             uint16_t *lowres_costs = (uint16_t*)(propagate_amount + width);
1773             h.scratch_buffer2 = (uint8_t*)(ref_costsa + width + size);
1774             int bipred_weight = (rand()%63)+1;
1775             int mb_y = rand()&3;
1776             int list = i&1;
1777             for( int j = -width; j < size+width; j++ )
1778                 ref_costsc[j] = ref_costsa[j] = rand()&32767;
1779             for( int j = 0; j < width; j++ )
1780             {
1781                 static const uint8_t list_dist[2][8] = {{0,1,1,1,1,1,1,1},{1,1,3,3,3,3,3,2}};
1782                 for( int k = 0; k < 2; k++ )
1783                     mvs[j][k] = (rand()&127) - 64;
1784                 propagate_amount[j] = rand()&32767;
1785                 lowres_costs[j] = list_dist[list][rand()&7] << LOWRES_COST_SHIFT;
1786             }
1787
1788             call_c1( mc_c.mbtree_propagate_list, &h, ref_costsc, mvs, propagate_amount, lowres_costs, bipred_weight, mb_y, width, list );
1789             call_a1( mc_a.mbtree_propagate_list, &h, ref_costsa, mvs, propagate_amount, lowres_costs, bipred_weight, mb_y, width, list );
1790
1791             for( int j = -width; j < size+width && ok; j++ )
1792             {
1793                 ok &= abs(ref_costsa[j] - ref_costsc[j]) <= 1;
1794                 if( !ok )
1795                     fprintf( stderr, "mbtree_propagate_list FAILED at %d: %d !~= %d\n", j, ref_costsc[j], ref_costsa[j] );
1796             }
1797
1798             call_c2( mc_c.mbtree_propagate_list, &h, ref_costsc, mvs, propagate_amount, lowres_costs, bipred_weight, mb_y, width, list );
1799             call_a2( mc_a.mbtree_propagate_list, &h, ref_costsa, mvs, propagate_amount, lowres_costs, bipred_weight, mb_y, width, list );
1800         }
1801     }
1802
1803     if( mc_a.mbtree_fix8_pack != mc_ref.mbtree_fix8_pack )
1804     {
1805         set_func_name( "mbtree_fix8_pack" );
1806         used_asm = 1;
1807         float *fix8_src = (float*)(buf3 + 0x800);
1808         uint16_t *dstc = (uint16_t*)buf3;
1809         uint16_t *dsta = (uint16_t*)buf4;
1810         for( int i = 0; i < 5; i++ )
1811         {
1812             int count = 256 + i;
1813
1814             for( int j = 0; j < count; j++ )
1815                 fix8_src[j] = (int16_t)(rand()) / 256.0f;
1816             dsta[count] = 0xAAAA;
1817
1818             call_c( mc_c.mbtree_fix8_pack, dstc, fix8_src, count );
1819             call_a( mc_a.mbtree_fix8_pack, dsta, fix8_src, count );
1820
1821             if( memcmp( dsta, dstc, count * sizeof(uint16_t) ) || dsta[count] != 0xAAAA )
1822             {
1823                 ok = 0;
1824                 fprintf( stderr, "mbtree_fix8_pack FAILED\n" );
1825                 break;
1826             }
1827         }
1828     }
1829
1830     if( mc_a.mbtree_fix8_unpack != mc_ref.mbtree_fix8_unpack )
1831     {
1832         set_func_name( "mbtree_fix8_unpack" );
1833         used_asm = 1;
1834         uint16_t *fix8_src = (uint16_t*)(buf3 + 0x800);
1835         float *dstc = (float*)buf3;
1836         float *dsta = (float*)buf4;
1837         for( int i = 0; i < 5; i++ )
1838         {
1839             int count = 256 + i;
1840
1841             for( int j = 0; j < count; j++ )
1842                 fix8_src[j] = rand();
1843             M32( &dsta[count] ) = 0xAAAAAAAA;
1844
1845             call_c( mc_c.mbtree_fix8_unpack, dstc, fix8_src, count );
1846             call_a( mc_a.mbtree_fix8_unpack, dsta, fix8_src, count );
1847
1848             if( memcmp( dsta, dstc, count * sizeof(float) ) || M32( &dsta[count] ) != 0xAAAAAAAA )
1849             {
1850                 ok = 0;
1851                 fprintf( stderr, "mbtree_fix8_unpack FAILED\n" );
1852                 break;
1853             }
1854         }
1855     }
1856     report( "mbtree :" );
1857
1858     if( mc_a.memcpy_aligned != mc_ref.memcpy_aligned )
1859     {
1860         set_func_name( "memcpy_aligned" );
1861         ok = 1; used_asm = 1;
1862         for( size_t size = 16; size < 512; size += 16 )
1863         {
1864             for( int i = 0; i < size; i++ )
1865                 buf1[i] = rand();
1866             memset( buf4-1, 0xAA, size + 2 );
1867             call_c( mc_c.memcpy_aligned, buf3, buf1, size );
1868             call_a( mc_a.memcpy_aligned, buf4, buf1, size );
1869             if( memcmp( buf3, buf4, size ) || buf4[-1] != 0xAA || buf4[size] != 0xAA )
1870             {
1871                 ok = 0;
1872                 fprintf( stderr, "memcpy_aligned FAILED: size=%d\n", (int)size );
1873                 break;
1874             }
1875         }
1876         report( "memcpy aligned :" );
1877     }
1878
1879     if( mc_a.memzero_aligned != mc_ref.memzero_aligned )
1880     {
1881         set_func_name( "memzero_aligned" );
1882         ok = 1; used_asm = 1;
1883         for( size_t size = 128; size < 1024; size += 128 )
1884         {
1885             memset( buf4-1, 0xAA, size + 2 );
1886             call_c( mc_c.memzero_aligned, buf3, size );
1887             call_a( mc_a.memzero_aligned, buf4, size );
1888             if( memcmp( buf3, buf4, size ) || buf4[-1] != 0xAA || buf4[size] != 0xAA )
1889             {
1890                 ok = 0;
1891                 fprintf( stderr, "memzero_aligned FAILED: size=%d\n", (int)size );
1892                 break;
1893             }
1894         }
1895         report( "memzero aligned :" );
1896     }
1897
1898     return ret;
1899 }
1900
1901 static int check_deblock( int cpu_ref, int cpu_new )
1902 {
1903     x264_deblock_function_t db_c;
1904     x264_deblock_function_t db_ref;
1905     x264_deblock_function_t db_a;
1906     int ret = 0, ok = 1, used_asm = 0;
1907     int alphas[36], betas[36];
1908     int8_t tcs[36][4];
1909
1910     x264_deblock_init( 0, &db_c, 0 );
1911     x264_deblock_init( cpu_ref, &db_ref, 0 );
1912     x264_deblock_init( cpu_new, &db_a, 0 );
1913
1914     /* not exactly the real values of a,b,tc but close enough */
1915     for( int i = 35, a = 255, c = 250; i >= 0; i-- )
1916     {
1917         alphas[i] = a << (BIT_DEPTH-8);
1918         betas[i] = (i+1)/2 << (BIT_DEPTH-8);
1919         tcs[i][0] = tcs[i][3] = (c+6)/10 << (BIT_DEPTH-8);
1920         tcs[i][1] = (c+7)/15 << (BIT_DEPTH-8);
1921         tcs[i][2] = (c+9)/20 << (BIT_DEPTH-8);
1922         a = a*9/10;
1923         c = c*9/10;
1924     }
1925
1926 #define TEST_DEBLOCK( name, align, ... ) \
1927     for( int i = 0; i < 36; i++ ) \
1928     { \
1929         intptr_t off = 8*32 + (i&15)*4*!align; /* benchmark various alignments of h filter */ \
1930         for( int j = 0; j < 1024; j++ ) \
1931             /* two distributions of random to excersize different failure modes */ \
1932             pbuf3[j] = rand() & (i&1 ? 0xf : PIXEL_MAX ); \
1933         memcpy( pbuf4, pbuf3, 1024 * sizeof(pixel) ); \
1934         if( db_a.name != db_ref.name ) \
1935         { \
1936             set_func_name( #name ); \
1937             used_asm = 1; \
1938             call_c1( db_c.name, pbuf3+off, (intptr_t)32, alphas[i], betas[i], ##__VA_ARGS__ ); \
1939             call_a1( db_a.name, pbuf4+off, (intptr_t)32, alphas[i], betas[i], ##__VA_ARGS__ ); \
1940             if( memcmp( pbuf3, pbuf4, 1024 * sizeof(pixel) ) ) \
1941             { \
1942                 ok = 0; \
1943                 fprintf( stderr, #name "(a=%d, b=%d): [FAILED]\n", alphas[i], betas[i] ); \
1944                 break; \
1945             } \
1946             call_c2( db_c.name, pbuf3+off, (intptr_t)32, alphas[i], betas[i], ##__VA_ARGS__ ); \
1947             call_a2( db_a.name, pbuf4+off, (intptr_t)32, alphas[i], betas[i], ##__VA_ARGS__ ); \
1948         } \
1949     }
1950
1951     TEST_DEBLOCK( deblock_luma[0], 0, tcs[i] );
1952     TEST_DEBLOCK( deblock_luma[1], 1, tcs[i] );
1953     TEST_DEBLOCK( deblock_h_chroma_420, 0, tcs[i] );
1954     TEST_DEBLOCK( deblock_h_chroma_422, 0, tcs[i] );
1955     TEST_DEBLOCK( deblock_chroma_420_mbaff, 0, tcs[i] );
1956     TEST_DEBLOCK( deblock_chroma_422_mbaff, 0, tcs[i] );
1957     TEST_DEBLOCK( deblock_chroma[1], 1, tcs[i] );
1958     TEST_DEBLOCK( deblock_luma_intra[0], 0 );
1959     TEST_DEBLOCK( deblock_luma_intra[1], 1 );
1960     TEST_DEBLOCK( deblock_h_chroma_420_intra, 0 );
1961     TEST_DEBLOCK( deblock_h_chroma_422_intra, 0 );
1962     TEST_DEBLOCK( deblock_chroma_420_intra_mbaff, 0 );
1963     TEST_DEBLOCK( deblock_chroma_422_intra_mbaff, 0 );
1964     TEST_DEBLOCK( deblock_chroma_intra[1], 1 );
1965
1966     if( db_a.deblock_strength != db_ref.deblock_strength )
1967     {
1968         set_func_name( "deblock_strength" );
1969         used_asm = 1;
1970         for( int i = 0; i < 100; i++ )
1971         {
1972             ALIGNED_ARRAY_16( uint8_t, nnz_buf, [X264_SCAN8_SIZE+8] );
1973             uint8_t *nnz = &nnz_buf[8];
1974             ALIGNED_4( int8_t ref[2][X264_SCAN8_LUMA_SIZE] );
1975             ALIGNED_ARRAY_16( int16_t, mv, [2],[X264_SCAN8_LUMA_SIZE][2] );
1976             ALIGNED_ARRAY_32( uint8_t, bs, [2],[2][8][4] );
1977             memset( bs, 99, sizeof(uint8_t)*2*4*8*2 );
1978             for( int j = 0; j < X264_SCAN8_SIZE; j++ )
1979                 nnz[j] = ((rand()&7) == 7) * rand() & 0xf;
1980             for( int j = 0; j < 2; j++ )
1981                 for( int k = 0; k < X264_SCAN8_LUMA_SIZE; k++ )
1982                 {
1983                     ref[j][k] = ((rand()&3) != 3) ? 0 : (rand() & 31) - 2;
1984                     for( int l = 0; l < 2; l++ )
1985                         mv[j][k][l] = ((rand()&7) != 7) ? (rand()&7) - 3 : (rand()&16383) - 8192;
1986                 }
1987             call_c( db_c.deblock_strength, nnz, ref, mv, bs[0], 2<<(i&1), ((i>>1)&1) );
1988             call_a( db_a.deblock_strength, nnz, ref, mv, bs[1], 2<<(i&1), ((i>>1)&1) );
1989             if( memcmp( bs[0], bs[1], sizeof(uint8_t)*2*4*8 ) )
1990             {
1991                 ok = 0;
1992                 fprintf( stderr, "deblock_strength: [FAILED]\n" );
1993                 for( int j = 0; j < 2; j++ )
1994                 {
1995                     for( int k = 0; k < 2; k++ )
1996                         for( int l = 0; l < 4; l++ )
1997                         {
1998                             for( int m = 0; m < 4; m++ )
1999                                 printf("%d ",bs[j][k][l][m]);
2000                             printf("\n");
2001                         }
2002                     printf("\n");
2003                 }
2004                 break;
2005             }
2006         }
2007     }
2008
2009     report( "deblock :" );
2010
2011     return ret;
2012 }
2013
2014 static int check_quant( int cpu_ref, int cpu_new )
2015 {
2016     x264_quant_function_t qf_c;
2017     x264_quant_function_t qf_ref;
2018     x264_quant_function_t qf_a;
2019     ALIGNED_ARRAY_64( dctcoef, dct1,[64] );
2020     ALIGNED_ARRAY_64( dctcoef, dct2,[64] );
2021     ALIGNED_ARRAY_32( dctcoef, dct3,[8],[16] );
2022     ALIGNED_ARRAY_32( dctcoef, dct4,[8],[16] );
2023     ALIGNED_ARRAY_32( uint8_t, cqm_buf,[64] );
2024     int ret = 0, ok, used_asm;
2025     int oks[3] = {1,1,1}, used_asms[3] = {0,0,0};
2026     x264_t h_buf;
2027     x264_t *h = &h_buf;
2028     memset( h, 0, sizeof(*h) );
2029     h->sps->i_chroma_format_idc = 1;
2030     x264_param_default( &h->param );
2031     h->chroma_qp_table = i_chroma_qp_table + 12;
2032     h->param.analyse.b_transform_8x8 = 1;
2033
2034     for( int i_cqm = 0; i_cqm < 4; i_cqm++ )
2035     {
2036         if( i_cqm == 0 )
2037         {
2038             for( int i = 0; i < 6; i++ )
2039                 h->pps->scaling_list[i] = x264_cqm_flat16;
2040             h->param.i_cqm_preset = h->pps->i_cqm_preset = X264_CQM_FLAT;
2041         }
2042         else if( i_cqm == 1 )
2043         {
2044             for( int i = 0; i < 6; i++ )
2045                 h->pps->scaling_list[i] = x264_cqm_jvt[i];
2046             h->param.i_cqm_preset = h->pps->i_cqm_preset = X264_CQM_JVT;
2047         }
2048         else
2049         {
2050             int max_scale = BIT_DEPTH < 10 ? 255 : 228;
2051             if( i_cqm == 2 )
2052                 for( int i = 0; i < 64; i++ )
2053                     cqm_buf[i] = 10 + rand() % (max_scale - 9);
2054             else
2055                 for( int i = 0; i < 64; i++ )
2056                     cqm_buf[i] = 1;
2057             for( int i = 0; i < 6; i++ )
2058                 h->pps->scaling_list[i] = cqm_buf;
2059             h->param.i_cqm_preset = h->pps->i_cqm_preset = X264_CQM_CUSTOM;
2060         }
2061
2062         h->param.rc.i_qp_min = 0;
2063         h->param.rc.i_qp_max = QP_MAX_SPEC;
2064         x264_cqm_init( h );
2065         x264_quant_init( h, 0, &qf_c );
2066         x264_quant_init( h, cpu_ref, &qf_ref );
2067         x264_quant_init( h, cpu_new, &qf_a );
2068
2069 #define INIT_QUANT8(j,max) \
2070         { \
2071             static const int scale1d[8] = {32,31,24,31,32,31,24,31}; \
2072             for( int i = 0; i < max; i++ ) \
2073             { \
2074                 unsigned int scale = (255*scale1d[(i>>3)&7]*scale1d[i&7])/16; \
2075                 dct1[i] = dct2[i] = (j>>(i>>6))&1 ? (rand()%(2*scale+1))-scale : 0; \
2076             } \
2077         }
2078
2079 #define INIT_QUANT4(j,max) \
2080         { \
2081             static const int scale1d[4] = {4,6,4,6}; \
2082             for( int i = 0; i < max; i++ ) \
2083             { \
2084                 unsigned int scale = 255*scale1d[(i>>2)&3]*scale1d[i&3]; \
2085                 dct1[i] = dct2[i] = (j>>(i>>4))&1 ? (rand()%(2*scale+1))-scale : 0; \
2086             } \
2087         }
2088
2089 #define TEST_QUANT_DC( name, cqm ) \
2090         if( qf_a.name != qf_ref.name ) \
2091         { \
2092             set_func_name( #name ); \
2093             used_asms[0] = 1; \
2094             for( int qp = h->param.rc.i_qp_max; qp >= h->param.rc.i_qp_min; qp-- ) \
2095             { \
2096                 for( int j = 0; j < 2; j++ ) \
2097                 { \
2098                     int result_c, result_a; \
2099                     for( int i = 0; i < 16; i++ ) \
2100                         dct1[i] = dct2[i] = j ? (rand() & 0x1fff) - 0xfff : 0; \
2101                     result_c = call_c1( qf_c.name, dct1, h->quant4_mf[CQM_4IY][qp][0], h->quant4_bias[CQM_4IY][qp][0] ); \
2102                     result_a = call_a1( qf_a.name, dct2, h->quant4_mf[CQM_4IY][qp][0], h->quant4_bias[CQM_4IY][qp][0] ); \
2103                     if( memcmp( dct1, dct2, 16*sizeof(dctcoef) ) || result_c != result_a ) \
2104                     { \
2105                         oks[0] = 0; \
2106                         fprintf( stderr, #name "(cqm=%d): [FAILED]\n", i_cqm ); \
2107                         break; \
2108                     } \
2109                     call_c2( qf_c.name, dct1, h->quant4_mf[CQM_4IY][qp][0], h->quant4_bias[CQM_4IY][qp][0] ); \
2110                     call_a2( qf_a.name, dct2, h->quant4_mf[CQM_4IY][qp][0], h->quant4_bias[CQM_4IY][qp][0] ); \
2111                 } \
2112             } \
2113         }
2114
2115 #define TEST_QUANT( qname, block, type, w, maxj ) \
2116         if( qf_a.qname != qf_ref.qname ) \
2117         { \
2118             set_func_name( #qname ); \
2119             used_asms[0] = 1; \
2120             for( int qp = h->param.rc.i_qp_max; qp >= h->param.rc.i_qp_min; qp-- ) \
2121             { \
2122                 for( int j = 0; j < maxj; j++ ) \
2123                 { \
2124                     INIT_QUANT##type(j, w*w) \
2125                     int result_c = call_c1( qf_c.qname, (void*)dct1, h->quant##type##_mf[block][qp], h->quant##type##_bias[block][qp] ); \
2126                     int result_a = call_a1( qf_a.qname, (void*)dct2, h->quant##type##_mf[block][qp], h->quant##type##_bias[block][qp] ); \
2127                     if( memcmp( dct1, dct2, w*w*sizeof(dctcoef) ) || result_c != result_a ) \
2128                     { \
2129                         oks[0] = 0; \
2130                         fprintf( stderr, #qname "(qp=%d, cqm=%d, block="#block"): [FAILED]\n", qp, i_cqm ); \
2131                         break; \
2132                     } \
2133                     call_c2( qf_c.qname, (void*)dct1, h->quant##type##_mf[block][qp], h->quant##type##_bias[block][qp] ); \
2134                     call_a2( qf_a.qname, (void*)dct2, h->quant##type##_mf[block][qp], h->quant##type##_bias[block][qp] ); \
2135                 } \
2136             } \
2137         }
2138
2139         TEST_QUANT( quant_8x8, CQM_8IY, 8, 8, 2 );
2140         TEST_QUANT( quant_8x8, CQM_8PY, 8, 8, 2 );
2141         TEST_QUANT( quant_4x4, CQM_4IY, 4, 4, 2 );
2142         TEST_QUANT( quant_4x4, CQM_4PY, 4, 4, 2 );
2143         TEST_QUANT( quant_4x4x4, CQM_4IY, 4, 8, 16 );
2144         TEST_QUANT( quant_4x4x4, CQM_4PY, 4, 8, 16 );
2145         TEST_QUANT_DC( quant_4x4_dc, **h->quant4_mf[CQM_4IY] );
2146         TEST_QUANT_DC( quant_2x2_dc, **h->quant4_mf[CQM_4IC] );
2147
2148 #define TEST_DEQUANT( qname, dqname, block, w ) \
2149         if( qf_a.dqname != qf_ref.dqname ) \
2150         { \
2151             set_func_name( "%s_%s", #dqname, i_cqm?"cqm":"flat" ); \
2152             used_asms[1] = 1; \
2153             for( int qp = h->param.rc.i_qp_max; qp >= h->param.rc.i_qp_min; qp-- ) \
2154             { \
2155                 INIT_QUANT##w(1, w*w) \
2156                 qf_c.qname( dct1, h->quant##w##_mf[block][qp], h->quant##w##_bias[block][qp] ); \
2157                 memcpy( dct2, dct1, w*w*sizeof(dctcoef) ); \
2158                 call_c1( qf_c.dqname, dct1, h->dequant##w##_mf[block], qp ); \
2159                 call_a1( qf_a.dqname, dct2, h->dequant##w##_mf[block], qp ); \
2160                 if( memcmp( dct1, dct2, w*w*sizeof(dctcoef) ) ) \
2161                 { \
2162                     oks[1] = 0; \
2163                     fprintf( stderr, #dqname "(qp=%d, cqm=%d, block="#block"): [FAILED]\n", qp, i_cqm ); \
2164                     break; \
2165                 } \
2166                 call_c2( qf_c.dqname, dct1, h->dequant##w##_mf[block], qp ); \
2167                 call_a2( qf_a.dqname, dct2, h->dequant##w##_mf[block], qp ); \
2168             } \
2169         }
2170
2171         TEST_DEQUANT( quant_8x8, dequant_8x8, CQM_8IY, 8 );
2172         TEST_DEQUANT( quant_8x8, dequant_8x8, CQM_8PY, 8 );
2173         TEST_DEQUANT( quant_4x4, dequant_4x4, CQM_4IY, 4 );
2174         TEST_DEQUANT( quant_4x4, dequant_4x4, CQM_4PY, 4 );
2175
2176 #define TEST_DEQUANT_DC( qname, dqname, block, w ) \
2177         if( qf_a.dqname != qf_ref.dqname ) \
2178         { \
2179             set_func_name( "%s_%s", #dqname, i_cqm?"cqm":"flat" ); \
2180             used_asms[1] = 1; \
2181             for( int qp = h->param.rc.i_qp_max; qp >= h->param.rc.i_qp_min; qp-- ) \
2182             { \
2183                 for( int i = 0; i < 16; i++ ) \
2184                     dct1[i] = rand()%(PIXEL_MAX*16*2+1) - PIXEL_MAX*16; \
2185                 qf_c.qname( dct1, h->quant##w##_mf[block][qp][0]>>1, h->quant##w##_bias[block][qp][0]>>1 ); \
2186                 memcpy( dct2, dct1, w*w*sizeof(dctcoef) ); \
2187                 call_c1( qf_c.dqname, dct1, h->dequant##w##_mf[block], qp ); \
2188                 call_a1( qf_a.dqname, dct2, h->dequant##w##_mf[block], qp ); \
2189                 if( memcmp( dct1, dct2, w*w*sizeof(dctcoef) ) ) \
2190                 { \
2191                     oks[1] = 0; \
2192                     fprintf( stderr, #dqname "(qp=%d, cqm=%d, block="#block"): [FAILED]\n", qp, i_cqm ); \
2193                 } \
2194                 call_c2( qf_c.dqname, dct1, h->dequant##w##_mf[block], qp ); \
2195                 call_a2( qf_a.dqname, dct2, h->dequant##w##_mf[block], qp ); \
2196             } \
2197         }
2198
2199         TEST_DEQUANT_DC( quant_4x4_dc, dequant_4x4_dc, CQM_4IY, 4 );
2200
2201         if( qf_a.idct_dequant_2x4_dc != qf_ref.idct_dequant_2x4_dc )
2202         {
2203             set_func_name( "idct_dequant_2x4_dc_%s", i_cqm?"cqm":"flat" );
2204             used_asms[1] = 1;
2205             for( int qp = h->chroma_qp_table[h->param.rc.i_qp_max]; qp >= h->chroma_qp_table[h->param.rc.i_qp_min]; qp-- )
2206             {
2207                 for( int i = 0; i < 8; i++ )
2208                     dct1[i] = rand()%(PIXEL_MAX*16*2+1) - PIXEL_MAX*16;
2209                 qf_c.quant_2x2_dc( &dct1[0], h->quant4_mf[CQM_4IC][qp+3][0]>>1, h->quant4_bias[CQM_4IC][qp+3][0]>>1 );
2210                 qf_c.quant_2x2_dc( &dct1[4], h->quant4_mf[CQM_4IC][qp+3][0]>>1, h->quant4_bias[CQM_4IC][qp+3][0]>>1 );
2211                 call_c( qf_c.idct_dequant_2x4_dc, dct1, dct3, h->dequant4_mf[CQM_4IC], qp+3 );
2212                 call_a( qf_a.idct_dequant_2x4_dc, dct1, dct4, h->dequant4_mf[CQM_4IC], qp+3 );
2213                 for( int i = 0; i < 8; i++ )
2214                     if( dct3[i][0] != dct4[i][0] )
2215                     {
2216                         oks[1] = 0;
2217                         fprintf( stderr, "idct_dequant_2x4_dc (qp=%d, cqm=%d): [FAILED]\n", qp, i_cqm );
2218                         break;
2219                     }
2220             }
2221         }
2222
2223         if( qf_a.idct_dequant_2x4_dconly != qf_ref.idct_dequant_2x4_dconly )
2224         {
2225             set_func_name( "idct_dequant_2x4_dconly_%s", i_cqm?"cqm":"flat" );
2226             used_asms[1] = 1;
2227             for( int qp = h->chroma_qp_table[h->param.rc.i_qp_max]; qp >= h->chroma_qp_table[h->param.rc.i_qp_min]; qp-- )
2228             {
2229                 for( int i = 0; i < 8; i++ )
2230                     dct1[i] = rand()%(PIXEL_MAX*16*2+1) - PIXEL_MAX*16;
2231                 qf_c.quant_2x2_dc( &dct1[0], h->quant4_mf[CQM_4IC][qp+3][0]>>1, h->quant4_bias[CQM_4IC][qp+3][0]>>1 );
2232                 qf_c.quant_2x2_dc( &dct1[4], h->quant4_mf[CQM_4IC][qp+3][0]>>1, h->quant4_bias[CQM_4IC][qp+3][0]>>1 );
2233                 memcpy( dct2, dct1, 8*sizeof(dctcoef) );
2234                 call_c1( qf_c.idct_dequant_2x4_dconly, dct1, h->dequant4_mf[CQM_4IC], qp+3 );
2235                 call_a1( qf_a.idct_dequant_2x4_dconly, dct2, h->dequant4_mf[CQM_4IC], qp+3 );
2236                 if( memcmp( dct1, dct2, 8*sizeof(dctcoef) ) )
2237                 {
2238                     oks[1] = 0;
2239                     fprintf( stderr, "idct_dequant_2x4_dconly (qp=%d, cqm=%d): [FAILED]\n", qp, i_cqm );
2240                     break;
2241                 }
2242                 call_c2( qf_c.idct_dequant_2x4_dconly, dct1, h->dequant4_mf[CQM_4IC], qp+3 );
2243                 call_a2( qf_a.idct_dequant_2x4_dconly, dct2, h->dequant4_mf[CQM_4IC], qp+3 );
2244             }
2245         }
2246
2247 #define TEST_OPTIMIZE_CHROMA_DC( optname, size ) \
2248         if( qf_a.optname != qf_ref.optname ) \
2249         { \
2250             set_func_name( #optname ); \
2251             used_asms[2] = 1; \
2252             for( int qp = h->param.rc.i_qp_max; qp >= h->param.rc.i_qp_min; qp-- ) \
2253             { \
2254                 int qpdc = qp + (size == 8 ? 3 : 0); \
2255                 int dmf = h->dequant4_mf[CQM_4IC][qpdc%6][0] << qpdc/6; \
2256                 if( dmf > 32*64 ) \
2257                     continue; \
2258                 for( int i = 16;; i <<= 1 ) \
2259                 { \
2260                     int res_c, res_asm; \
2261                     int max = X264_MIN( i, PIXEL_MAX*16 ); \
2262                     for( int j = 0; j < size; j++ ) \
2263                         dct1[j] = rand()%(max*2+1) - max; \
2264                     for( int j = 0; j <= size; j += 4 ) \
2265                         qf_c.quant_2x2_dc( &dct1[j], h->quant4_mf[CQM_4IC][qpdc][0]>>1, h->quant4_bias[CQM_4IC][qpdc][0]>>1 ); \
2266                     memcpy( dct2, dct1, size*sizeof(dctcoef) ); \
2267                     res_c   = call_c1( qf_c.optname, dct1, dmf ); \
2268                     res_asm = call_a1( qf_a.optname, dct2, dmf ); \
2269                     if( res_c != res_asm || memcmp( dct1, dct2, size*sizeof(dctcoef) ) ) \
2270                     { \
2271                         oks[2] = 0; \
2272                         fprintf( stderr, #optname "(qp=%d, res_c=%d, res_asm=%d): [FAILED]\n", qp, res_c, res_asm ); \
2273                     } \
2274                     call_c2( qf_c.optname, dct1, dmf ); \
2275                     call_a2( qf_a.optname, dct2, dmf ); \
2276                     if( i >= PIXEL_MAX*16 ) \
2277                         break; \
2278                 } \
2279             } \
2280         }
2281
2282         TEST_OPTIMIZE_CHROMA_DC( optimize_chroma_2x2_dc, 4 );
2283         TEST_OPTIMIZE_CHROMA_DC( optimize_chroma_2x4_dc, 8 );
2284
2285         x264_cqm_delete( h );
2286     }
2287
2288     ok = oks[0]; used_asm = used_asms[0];
2289     report( "quant :" );
2290
2291     ok = oks[1]; used_asm = used_asms[1];
2292     report( "dequant :" );
2293
2294     ok = oks[2]; used_asm = used_asms[2];
2295     report( "optimize chroma dc :" );
2296
2297     ok = 1; used_asm = 0;
2298     if( qf_a.denoise_dct != qf_ref.denoise_dct )
2299     {
2300         used_asm = 1;
2301         for( int size = 16; size <= 64; size += 48 )
2302         {
2303             set_func_name( "denoise_dct" );
2304             memcpy( dct1, buf1, size*sizeof(dctcoef) );
2305             memcpy( dct2, buf1, size*sizeof(dctcoef) );
2306             memcpy( buf3+256, buf3, 256 );
2307             call_c1( qf_c.denoise_dct, dct1, (uint32_t*)buf3,       (udctcoef*)buf2, size );
2308             call_a1( qf_a.denoise_dct, dct2, (uint32_t*)(buf3+256), (udctcoef*)buf2, size );
2309             if( memcmp( dct1, dct2, size*sizeof(dctcoef) ) || memcmp( buf3+4, buf3+256+4, (size-1)*sizeof(uint32_t) ) )
2310                 ok = 0;
2311             call_c2( qf_c.denoise_dct, dct1, (uint32_t*)buf3,       (udctcoef*)buf2, size );
2312             call_a2( qf_a.denoise_dct, dct2, (uint32_t*)(buf3+256), (udctcoef*)buf2, size );
2313         }
2314     }
2315     report( "denoise dct :" );
2316
2317 #define TEST_DECIMATE( decname, w, ac, thresh ) \
2318     if( qf_a.decname != qf_ref.decname ) \
2319     { \
2320         set_func_name( #decname ); \
2321         used_asm = 1; \
2322         for( int i = 0; i < 100; i++ ) \
2323         { \
2324             static const int distrib[16] = {1,1,1,1,1,1,1,1,1,1,1,1,2,3,4};\
2325             static const int zerorate_lut[4] = {3,7,15,31};\
2326             int zero_rate = zerorate_lut[i&3];\
2327             for( int idx = 0; idx < w*w; idx++ ) \
2328             { \
2329                 int sign = (rand()&1) ? -1 : 1; \
2330                 int abs_level = distrib[rand()&15]; \
2331                 if( abs_level == 4 ) abs_level = rand()&0x3fff; \
2332                 int zero = !(rand()&zero_rate); \
2333                 dct1[idx] = zero * abs_level * sign; \
2334             } \
2335             if( ac ) \
2336                 dct1[0] = 0; \
2337             int result_c = call_c( qf_c.decname, dct1 ); \
2338             int result_a = call_a( qf_a.decname, dct1 ); \
2339             if( X264_MIN(result_c,thresh) != X264_MIN(result_a,thresh) ) \
2340             { \
2341                 ok = 0; \
2342                 fprintf( stderr, #decname ": [FAILED]\n" ); \
2343                 break; \
2344             } \
2345         } \
2346     }
2347
2348     ok = 1; used_asm = 0;
2349     TEST_DECIMATE( decimate_score64, 8, 0, 6 );
2350     TEST_DECIMATE( decimate_score16, 4, 0, 6 );
2351     TEST_DECIMATE( decimate_score15, 4, 1, 7 );
2352     report( "decimate_score :" );
2353
2354 #define TEST_LAST( last, lastname, size, ac ) \
2355     if( qf_a.last != qf_ref.last ) \
2356     { \
2357         set_func_name( #lastname ); \
2358         used_asm = 1; \
2359         for( int i = 0; i < 100; i++ ) \
2360         { \
2361             int nnz = 0; \
2362             int max = rand() & (size-1); \
2363             memset( dct1, 0, size*sizeof(dctcoef) ); \
2364             for( int idx = ac; idx < max; idx++ ) \
2365                 nnz |= dct1[idx] = !(rand()&3) + (!(rand()&15))*rand(); \
2366             if( !nnz ) \
2367                 dct1[ac] = 1; \
2368             int result_c = call_c( qf_c.last, dct1+ac ); \
2369             int result_a = call_a( qf_a.last, dct1+ac ); \
2370             if( result_c != result_a ) \
2371             { \
2372                 ok = 0; \
2373                 fprintf( stderr, #lastname ": [FAILED]\n" ); \
2374                 break; \
2375             } \
2376         } \
2377     }
2378
2379     ok = 1; used_asm = 0;
2380     TEST_LAST( coeff_last4              , coeff_last4,   4, 0 );
2381     TEST_LAST( coeff_last8              , coeff_last8,   8, 0 );
2382     TEST_LAST( coeff_last[  DCT_LUMA_AC], coeff_last15, 16, 1 );
2383     TEST_LAST( coeff_last[ DCT_LUMA_4x4], coeff_last16, 16, 0 );
2384     TEST_LAST( coeff_last[ DCT_LUMA_8x8], coeff_last64, 64, 0 );
2385     report( "coeff_last :" );
2386
2387 #define TEST_LEVELRUN( lastname, name, size, ac ) \
2388     if( qf_a.lastname != qf_ref.lastname ) \
2389     { \
2390         set_func_name( #name ); \
2391         used_asm = 1; \
2392         for( int i = 0; i < 100; i++ ) \
2393         { \
2394             x264_run_level_t runlevel_c, runlevel_a; \
2395             int nnz = 0; \
2396             int max = rand() & (size-1); \
2397             memset( dct1, 0, size*sizeof(dctcoef) ); \
2398             memcpy( &runlevel_a, buf1+i, sizeof(x264_run_level_t) ); \
2399             memcpy( &runlevel_c, buf1+i, sizeof(x264_run_level_t) ); \
2400             for( int idx = ac; idx < max; idx++ ) \
2401                 nnz |= dct1[idx] = !(rand()&3) + (!(rand()&15))*rand(); \
2402             if( !nnz ) \
2403                 dct1[ac] = 1; \
2404             int result_c = call_c( qf_c.lastname, dct1+ac, &runlevel_c ); \
2405             int result_a = call_a( qf_a.lastname, dct1+ac, &runlevel_a ); \
2406             if( result_c != result_a || runlevel_c.last != runlevel_a.last || \
2407                 runlevel_c.mask != runlevel_a.mask || \
2408                 memcmp(runlevel_c.level, runlevel_a.level, sizeof(dctcoef)*result_c)) \
2409             { \
2410                 ok = 0; \
2411                 fprintf( stderr, #name ": [FAILED]\n" ); \
2412                 break; \
2413             } \
2414         } \
2415     }
2416
2417     ok = 1; used_asm = 0;
2418     TEST_LEVELRUN( coeff_level_run4              , coeff_level_run4,   4, 0 );
2419     TEST_LEVELRUN( coeff_level_run8              , coeff_level_run8,   8, 0 );
2420     TEST_LEVELRUN( coeff_level_run[  DCT_LUMA_AC], coeff_level_run15, 16, 1 );
2421     TEST_LEVELRUN( coeff_level_run[ DCT_LUMA_4x4], coeff_level_run16, 16, 0 );
2422     report( "coeff_level_run :" );
2423
2424     return ret;
2425 }
2426
2427 static int check_intra( int cpu_ref, int cpu_new )
2428 {
2429     int ret = 0, ok = 1, used_asm = 0;
2430     ALIGNED_ARRAY_32( pixel, edge,[36] );
2431     ALIGNED_ARRAY_32( pixel, edge2,[36] );
2432     ALIGNED_ARRAY_32( pixel, fdec,[FDEC_STRIDE*20] );
2433     struct
2434     {
2435         x264_predict_t      predict_16x16[4+3];
2436         x264_predict_t      predict_8x8c[4+3];
2437         x264_predict_t      predict_8x16c[4+3];
2438         x264_predict8x8_t   predict_8x8[9+3];
2439         x264_predict_t      predict_4x4[9+3];
2440         x264_predict_8x8_filter_t predict_8x8_filter;
2441     } ip_c, ip_ref, ip_a;
2442
2443     x264_predict_16x16_init( 0, ip_c.predict_16x16 );
2444     x264_predict_8x8c_init( 0, ip_c.predict_8x8c );
2445     x264_predict_8x16c_init( 0, ip_c.predict_8x16c );
2446     x264_predict_8x8_init( 0, ip_c.predict_8x8, &ip_c.predict_8x8_filter );
2447     x264_predict_4x4_init( 0, ip_c.predict_4x4 );
2448
2449     x264_predict_16x16_init( cpu_ref, ip_ref.predict_16x16 );
2450     x264_predict_8x8c_init( cpu_ref, ip_ref.predict_8x8c );
2451     x264_predict_8x16c_init( cpu_ref, ip_ref.predict_8x16c );
2452     x264_predict_8x8_init( cpu_ref, ip_ref.predict_8x8, &ip_ref.predict_8x8_filter );
2453     x264_predict_4x4_init( cpu_ref, ip_ref.predict_4x4 );
2454
2455     x264_predict_16x16_init( cpu_new, ip_a.predict_16x16 );
2456     x264_predict_8x8c_init( cpu_new, ip_a.predict_8x8c );
2457     x264_predict_8x16c_init( cpu_new, ip_a.predict_8x16c );
2458     x264_predict_8x8_init( cpu_new, ip_a.predict_8x8, &ip_a.predict_8x8_filter );
2459     x264_predict_4x4_init( cpu_new, ip_a.predict_4x4 );
2460
2461     memcpy( fdec, pbuf1, 32*20 * sizeof(pixel) );\
2462
2463     ip_c.predict_8x8_filter( fdec+48, edge, ALL_NEIGHBORS, ALL_NEIGHBORS );
2464
2465 #define INTRA_TEST( name, dir, w, h, align, bench, ... )\
2466     if( ip_a.name[dir] != ip_ref.name[dir] )\
2467     {\
2468         set_func_name( "intra_%s_%s", #name, intra_##name##_names[dir] );\
2469         used_asm = 1;\
2470         memcpy( pbuf3, fdec, FDEC_STRIDE*20 * sizeof(pixel) );\
2471         memcpy( pbuf4, fdec, FDEC_STRIDE*20 * sizeof(pixel) );\
2472         for( int a = 0; a < (do_bench ? 64/sizeof(pixel) : 1); a += align )\
2473         {\
2474             call_c##bench( ip_c.name[dir], pbuf3+48+a, ##__VA_ARGS__ );\
2475             call_a##bench( ip_a.name[dir], pbuf4+48+a, ##__VA_ARGS__ );\
2476             if( memcmp( pbuf3, pbuf4, FDEC_STRIDE*20 * sizeof(pixel) ) )\
2477             {\
2478                 fprintf( stderr, #name "[%d] :  [FAILED]\n", dir );\
2479                 ok = 0;\
2480                 if( ip_c.name == (void *)ip_c.predict_8x8 )\
2481                 {\
2482                     for( int k = -1; k < 16; k++ )\
2483                         printf( "%2x ", edge[16+k] );\
2484                     printf( "\n" );\
2485                 }\
2486                 for( int j = 0; j < h; j++ )\
2487                 {\
2488                     if( ip_c.name == (void *)ip_c.predict_8x8 )\
2489                         printf( "%2x ", edge[14-j] );\
2490                     for( int k = 0; k < w; k++ )\
2491                         printf( "%2x ", pbuf4[48+k+j*FDEC_STRIDE] );\
2492                     printf( "\n" );\
2493                 }\
2494                 printf( "\n" );\
2495                 for( int j = 0; j < h; j++ )\
2496                 {\
2497                     if( ip_c.name == (void *)ip_c.predict_8x8 )\
2498                         printf( "   " );\
2499                     for( int k = 0; k < w; k++ )\
2500                         printf( "%2x ", pbuf3[48+k+j*FDEC_STRIDE] );\
2501                     printf( "\n" );\
2502                 }\
2503                 break;\
2504             }\
2505         }\
2506     }
2507
2508     for( int i = 0; i < 12; i++ )
2509         INTRA_TEST(   predict_4x4, i,  4,  4,  4, );
2510     for( int i = 0; i < 7; i++ )
2511         INTRA_TEST(  predict_8x8c, i,  8,  8, 16, );
2512     for( int i = 0; i < 7; i++ )
2513         INTRA_TEST( predict_8x16c, i,  8, 16, 16, );
2514     for( int i = 0; i < 7; i++ )
2515         INTRA_TEST( predict_16x16, i, 16, 16, 16, );
2516     for( int i = 0; i < 12; i++ )
2517         INTRA_TEST(   predict_8x8, i,  8,  8,  8, , edge );
2518
2519     set_func_name("intra_predict_8x8_filter");
2520     if( ip_a.predict_8x8_filter != ip_ref.predict_8x8_filter )
2521     {
2522         used_asm = 1;
2523         for( int i = 0; i < 32; i++ )
2524         {
2525             if( !(i&7) || ((i&MB_TOPRIGHT) && !(i&MB_TOP)) )
2526                 continue;
2527             int neighbor = (i&24)>>1;
2528             memset( edge,  0, 36*sizeof(pixel) );
2529             memset( edge2, 0, 36*sizeof(pixel) );
2530             call_c( ip_c.predict_8x8_filter, pbuf1+48, edge,  neighbor, i&7 );
2531             call_a( ip_a.predict_8x8_filter, pbuf1+48, edge2, neighbor, i&7 );
2532             if( !(neighbor&MB_TOPLEFT) )
2533                 edge[15] = edge2[15] = 0;
2534             if( memcmp( edge+7, edge2+7, (i&MB_TOPRIGHT ? 26 : i&MB_TOP ? 17 : 8) * sizeof(pixel) ) )
2535             {
2536                 fprintf( stderr, "predict_8x8_filter :  [FAILED] %d %d\n", (i&24)>>1, i&7);
2537                 ok = 0;
2538             }
2539         }
2540     }
2541
2542 #define EXTREMAL_PLANE( w, h ) \
2543     { \
2544         int max[7]; \
2545         for( int j = 0; j < 7; j++ ) \
2546             max[j] = test ? rand()&PIXEL_MAX : PIXEL_MAX; \
2547         fdec[48-1-FDEC_STRIDE] = (i&1)*max[0]; \
2548         for( int j = 0; j < w/2; j++ ) \
2549             fdec[48+j-FDEC_STRIDE] = (!!(i&2))*max[1]; \
2550         for( int j = w/2; j < w-1; j++ ) \
2551             fdec[48+j-FDEC_STRIDE] = (!!(i&4))*max[2]; \
2552         fdec[48+(w-1)-FDEC_STRIDE] = (!!(i&8))*max[3]; \
2553         for( int j = 0; j < h/2; j++ ) \
2554             fdec[48+j*FDEC_STRIDE-1] = (!!(i&16))*max[4]; \
2555         for( int j = h/2; j < h-1; j++ ) \
2556             fdec[48+j*FDEC_STRIDE-1] = (!!(i&32))*max[5]; \
2557         fdec[48+(h-1)*FDEC_STRIDE-1] = (!!(i&64))*max[6]; \
2558     }
2559     /* Extremal test case for planar prediction. */
2560     for( int test = 0; test < 100 && ok; test++ )
2561         for( int i = 0; i < 128 && ok; i++ )
2562         {
2563             EXTREMAL_PLANE(  8,  8 );
2564             INTRA_TEST(  predict_8x8c, I_PRED_CHROMA_P,  8,  8, 64, 1 );
2565             EXTREMAL_PLANE(  8, 16 );
2566             INTRA_TEST( predict_8x16c, I_PRED_CHROMA_P,  8, 16, 64, 1 );
2567             EXTREMAL_PLANE( 16, 16 );
2568             INTRA_TEST( predict_16x16,  I_PRED_16x16_P, 16, 16, 64, 1 );
2569         }
2570     report( "intra pred :" );
2571     return ret;
2572 }
2573
2574 #define DECL_CABAC(cpu) \
2575 static void run_cabac_decision_##cpu( x264_t *h, uint8_t *dst )\
2576 {\
2577     x264_cabac_t cb;\
2578     x264_cabac_context_init( h, &cb, SLICE_TYPE_P, 26, 0 );\
2579     x264_cabac_encode_init( &cb, dst, dst+0xff0 );\
2580     for( int i = 0; i < 0x1000; i++ )\
2581         x264_cabac_encode_decision_##cpu( &cb, buf1[i]>>1, buf1[i]&1 );\
2582 }\
2583 static void run_cabac_bypass_##cpu( x264_t *h, uint8_t *dst )\
2584 {\
2585     x264_cabac_t cb;\
2586     x264_cabac_context_init( h, &cb, SLICE_TYPE_P, 26, 0 );\
2587     x264_cabac_encode_init( &cb, dst, dst+0xff0 );\
2588     for( int i = 0; i < 0x1000; i++ )\
2589         x264_cabac_encode_bypass_##cpu( &cb, buf1[i]&1 );\
2590 }\
2591 static void run_cabac_terminal_##cpu( x264_t *h, uint8_t *dst )\
2592 {\
2593     x264_cabac_t cb;\
2594     x264_cabac_context_init( h, &cb, SLICE_TYPE_P, 26, 0 );\
2595     x264_cabac_encode_init( &cb, dst, dst+0xff0 );\
2596     for( int i = 0; i < 0x1000; i++ )\
2597         x264_cabac_encode_terminal_##cpu( &cb );\
2598 }
2599 DECL_CABAC(c)
2600 #if HAVE_MMX
2601 DECL_CABAC(asm)
2602 #elif defined(ARCH_AARCH64)
2603 DECL_CABAC(asm)
2604 #else
2605 #define run_cabac_decision_asm run_cabac_decision_c
2606 #define run_cabac_bypass_asm run_cabac_bypass_c
2607 #define run_cabac_terminal_asm run_cabac_terminal_c
2608 #endif
2609
2610 extern const uint8_t x264_count_cat_m1[14];
2611
2612 static int check_cabac( int cpu_ref, int cpu_new )
2613 {
2614     int ret = 0, ok = 1, used_asm = 0;
2615     x264_t h;
2616     h.sps->i_chroma_format_idc = 3;
2617
2618     x264_bitstream_function_t bs_ref;
2619     x264_bitstream_function_t bs_a;
2620     x264_bitstream_init( cpu_ref, &bs_ref );
2621     x264_bitstream_init( cpu_new, &bs_a );
2622     x264_quant_init( &h, cpu_new, &h.quantf );
2623     h.quantf.coeff_last[DCT_CHROMA_DC] = h.quantf.coeff_last4;
2624
2625 /* Reset cabac state to avoid buffer overruns in do_bench() with large BENCH_RUNS values. */
2626 #define GET_CB( i ) (\
2627     x264_cabac_encode_init( &cb[i], bitstream[i], bitstream[i]+0xfff0 ),\
2628     cb[i].f8_bits_encoded = 0, &cb[i] )
2629
2630 #define CABAC_RESIDUAL(name, start, end, rd)\
2631 {\
2632     if( bs_a.name##_internal && (bs_a.name##_internal != bs_ref.name##_internal || (cpu_new&X264_CPU_SSE2_IS_SLOW)) )\
2633     {\
2634         used_asm = 1;\
2635         set_func_name( #name );\
2636         for( int i = 0; i < 2; i++ )\
2637         {\
2638             for( intptr_t ctx_block_cat = start; ctx_block_cat <= end; ctx_block_cat++ )\
2639             {\
2640                 for( int j = 0; j < 256; j++ )\
2641                 {\
2642                     ALIGNED_ARRAY_64( dctcoef, dct, [2],[64] );\
2643                     uint8_t bitstream[2][1<<16];\
2644                     static const uint8_t ctx_ac[14] = {0,1,0,0,1,0,0,1,0,0,0,1,0,0};\
2645                     int ac = ctx_ac[ctx_block_cat];\
2646                     int nz = 0;\
2647                     while( !nz )\
2648                     {\
2649                         for( int k = 0; k <= x264_count_cat_m1[ctx_block_cat]; k++ )\
2650                         {\
2651                             /* Very rough distribution that covers possible inputs */\
2652                             int rnd = rand();\
2653                             int coef = !(rnd&3);\
2654                             coef += !(rnd&  15) * (rand()&0x0006);\
2655                             coef += !(rnd&  63) * (rand()&0x0008);\
2656                             coef += !(rnd& 255) * (rand()&0x00F0);\
2657                             coef += !(rnd&1023) * (rand()&0x7F00);\
2658                             nz |= dct[0][ac+k] = dct[1][ac+k] = coef * ((rand()&1) ? 1 : -1);\
2659                         }\
2660                     }\
2661                     h.mb.b_interlaced = i;\
2662                     x264_cabac_t cb[2];\
2663                     x264_cabac_context_init( &h, &cb[0], SLICE_TYPE_P, 26, 0 );\
2664                     x264_cabac_context_init( &h, &cb[1], SLICE_TYPE_P, 26, 0 );\
2665                     if( !rd ) memcpy( bitstream[1], bitstream[0], 0x400 );\
2666                     call_c1( x264_##name##_c, &h, GET_CB( 0 ), ctx_block_cat, dct[0]+ac );\
2667                     call_a1( bs_a.name##_internal, dct[1]+ac, i, ctx_block_cat, GET_CB( 1 ) );\
2668                     ok = cb[0].f8_bits_encoded == cb[1].f8_bits_encoded && !memcmp(cb[0].state, cb[1].state, 1024);\
2669                     if( !rd ) ok |= !memcmp( bitstream[1], bitstream[0], 0x400 ) && !memcmp( &cb[1], &cb[0], offsetof(x264_cabac_t, p_start) );\
2670                     if( !ok )\
2671                     {\
2672                         fprintf( stderr, #name " :  [FAILED] ctx_block_cat %d", (int)ctx_block_cat );\
2673                         if( rd && cb[0].f8_bits_encoded != cb[1].f8_bits_encoded )\
2674                             fprintf( stderr, " (%d != %d)", cb[0].f8_bits_encoded, cb[1].f8_bits_encoded );\
2675                         fprintf( stderr, "\n");\
2676                         goto name##fail;\
2677                     }\
2678                     if( (j&15) == 0 )\
2679                     {\
2680                         call_c2( x264_##name##_c, &h, GET_CB( 0 ), ctx_block_cat, dct[0]+ac );\
2681                         call_a2( bs_a.name##_internal, dct[1]+ac, i, ctx_block_cat, GET_CB( 1 ) );\
2682                     }\
2683                 }\
2684             }\
2685         }\
2686     }\
2687 }\
2688 name##fail:
2689
2690     CABAC_RESIDUAL( cabac_block_residual, 0, DCT_LUMA_8x8, 0 )
2691     report( "cabac residual:" );
2692
2693     ok = 1; used_asm = 0;
2694     CABAC_RESIDUAL( cabac_block_residual_rd, 0, DCT_LUMA_8x8-1, 1 )
2695     CABAC_RESIDUAL( cabac_block_residual_8x8_rd, DCT_LUMA_8x8, DCT_LUMA_8x8, 1 )
2696     report( "cabac residual rd:" );
2697
2698     if( cpu_ref || run_cabac_decision_c == run_cabac_decision_asm )
2699         return ret;
2700     ok = 1; used_asm = 0;
2701     x264_cabac_init( &h );
2702
2703     set_func_name( "cabac_encode_decision" );
2704     memcpy( buf4, buf3, 0x1000 );
2705     call_c( run_cabac_decision_c, &h, buf3 );
2706     call_a( run_cabac_decision_asm, &h, buf4 );
2707     ok = !memcmp( buf3, buf4, 0x1000 );
2708     report( "cabac decision:" );
2709
2710     set_func_name( "cabac_encode_bypass" );
2711     memcpy( buf4, buf3, 0x1000 );
2712     call_c( run_cabac_bypass_c, &h, buf3 );
2713     call_a( run_cabac_bypass_asm, &h, buf4 );
2714     ok = !memcmp( buf3, buf4, 0x1000 );
2715     report( "cabac bypass:" );
2716
2717     set_func_name( "cabac_encode_terminal" );
2718     memcpy( buf4, buf3, 0x1000 );
2719     call_c( run_cabac_terminal_c, &h, buf3 );
2720     call_a( run_cabac_terminal_asm, &h, buf4 );
2721     ok = !memcmp( buf3, buf4, 0x1000 );
2722     report( "cabac terminal:" );
2723
2724     return ret;
2725 }
2726
2727 static int check_bitstream( int cpu_ref, int cpu_new )
2728 {
2729     x264_bitstream_function_t bs_c;
2730     x264_bitstream_function_t bs_ref;
2731     x264_bitstream_function_t bs_a;
2732
2733     int ret = 0, ok = 1, used_asm = 0;
2734
2735     x264_bitstream_init( 0, &bs_c );
2736     x264_bitstream_init( cpu_ref, &bs_ref );
2737     x264_bitstream_init( cpu_new, &bs_a );
2738     if( bs_a.nal_escape != bs_ref.nal_escape )
2739     {
2740         int size = 0x4000;
2741         uint8_t *input = malloc(size+100);
2742         uint8_t *output1 = malloc(size*2);
2743         uint8_t *output2 = malloc(size*2);
2744         used_asm = 1;
2745         set_func_name( "nal_escape" );
2746         for( int i = 0; i < 100; i++ )
2747         {
2748             /* Test corner-case sizes */
2749             int test_size = i < 10 ? i+1 : rand() & 0x3fff;
2750             /* Test 8 different probability distributions of zeros */
2751             for( int j = 0; j < test_size+32; j++ )
2752                 input[j] = (rand()&((1 << ((i&7)+1)) - 1)) * rand();
2753             uint8_t *end_c = (uint8_t*)call_c1( bs_c.nal_escape, output1, input, input+test_size );
2754             uint8_t *end_a = (uint8_t*)call_a1( bs_a.nal_escape, output2, input, input+test_size );
2755             int size_c = end_c-output1;
2756             int size_a = end_a-output2;
2757             if( size_c != size_a || memcmp( output1, output2, size_c ) )
2758             {
2759                 fprintf( stderr, "nal_escape :  [FAILED] %d %d\n", size_c, size_a );
2760                 ok = 0;
2761                 break;
2762             }
2763         }
2764         for( int j = 0; j < size+32; j++ )
2765             input[j] = rand();
2766         call_c2( bs_c.nal_escape, output1, input, input+size );
2767         call_a2( bs_a.nal_escape, output2, input, input+size );
2768         free(input);
2769         free(output1);
2770         free(output2);
2771     }
2772     report( "nal escape:" );
2773
2774     return ret;
2775 }
2776
2777 static int check_all_funcs( int cpu_ref, int cpu_new )
2778 {
2779     return check_pixel( cpu_ref, cpu_new )
2780          + check_dct( cpu_ref, cpu_new )
2781          + check_mc( cpu_ref, cpu_new )
2782          + check_intra( cpu_ref, cpu_new )
2783          + check_deblock( cpu_ref, cpu_new )
2784          + check_quant( cpu_ref, cpu_new )
2785          + check_cabac( cpu_ref, cpu_new )
2786          + check_bitstream( cpu_ref, cpu_new );
2787 }
2788
2789 static int add_flags( int *cpu_ref, int *cpu_new, int flags, const char *name )
2790 {
2791     *cpu_ref = *cpu_new;
2792     *cpu_new |= flags;
2793 #if STACK_ALIGNMENT < 16
2794     *cpu_new |= X264_CPU_STACK_MOD4;
2795 #endif
2796     if( *cpu_new & X264_CPU_SSE2_IS_FAST )
2797         *cpu_new &= ~X264_CPU_SSE2_IS_SLOW;
2798     if( !quiet )
2799         fprintf( stderr, "x264: %s\n", name );
2800     return check_all_funcs( *cpu_ref, *cpu_new );
2801 }
2802
2803 static int check_all_flags( void )
2804 {
2805     int ret = 0;
2806     int cpu0 = 0, cpu1 = 0;
2807     uint32_t cpu_detect = x264_cpu_detect();
2808 #if ARCH_X86 || ARCH_X86_64
2809     if( cpu_detect & X264_CPU_AVX512 )
2810         simd_warmup_func = x264_checkasm_warmup_avx512;
2811     else if( cpu_detect & X264_CPU_AVX )
2812         simd_warmup_func = x264_checkasm_warmup_avx;
2813 #endif
2814     simd_warmup();
2815
2816 #if HAVE_MMX
2817     if( cpu_detect & X264_CPU_MMX2 )
2818     {
2819         ret |= add_flags( &cpu0, &cpu1, X264_CPU_MMX | X264_CPU_MMX2, "MMX" );
2820         ret |= add_flags( &cpu0, &cpu1, X264_CPU_CACHELINE_64, "MMX Cache64" );
2821         cpu1 &= ~X264_CPU_CACHELINE_64;
2822 #if ARCH_X86
2823         ret |= add_flags( &cpu0, &cpu1, X264_CPU_CACHELINE_32, "MMX Cache32" );
2824         cpu1 &= ~X264_CPU_CACHELINE_32;
2825 #endif
2826     }
2827     if( cpu_detect & X264_CPU_SSE )
2828         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSE, "SSE" );
2829     if( cpu_detect & X264_CPU_SSE2 )
2830     {
2831         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSE2 | X264_CPU_SSE2_IS_SLOW, "SSE2Slow" );
2832         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSE2_IS_FAST, "SSE2Fast" );
2833         ret |= add_flags( &cpu0, &cpu1, X264_CPU_CACHELINE_64, "SSE2Fast Cache64" );
2834         cpu1 &= ~X264_CPU_CACHELINE_64;
2835         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SLOW_SHUFFLE, "SSE2 SlowShuffle" );
2836         cpu1 &= ~X264_CPU_SLOW_SHUFFLE;
2837     }
2838     if( cpu_detect & X264_CPU_LZCNT )
2839     {
2840         ret |= add_flags( &cpu0, &cpu1, X264_CPU_LZCNT, "LZCNT" );
2841         cpu1 &= ~X264_CPU_LZCNT;
2842     }
2843     if( cpu_detect & X264_CPU_SSE3 )
2844     {
2845         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSE3 | X264_CPU_CACHELINE_64, "SSE3" );
2846         cpu1 &= ~X264_CPU_CACHELINE_64;
2847     }
2848     if( cpu_detect & X264_CPU_SSSE3 )
2849     {
2850         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSSE3, "SSSE3" );
2851         ret |= add_flags( &cpu0, &cpu1, X264_CPU_CACHELINE_64, "SSSE3 Cache64" );
2852         cpu1 &= ~X264_CPU_CACHELINE_64;
2853         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SLOW_SHUFFLE, "SSSE3 SlowShuffle" );
2854         cpu1 &= ~X264_CPU_SLOW_SHUFFLE;
2855         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SLOW_ATOM, "SSSE3 SlowAtom" );
2856         ret |= add_flags( &cpu0, &cpu1, X264_CPU_CACHELINE_64, "SSSE3 Cache64 SlowAtom" );
2857         cpu1 &= ~X264_CPU_CACHELINE_64;
2858         cpu1 &= ~X264_CPU_SLOW_ATOM;
2859         if( cpu_detect & X264_CPU_LZCNT )
2860         {
2861             ret |= add_flags( &cpu0, &cpu1, X264_CPU_LZCNT, "SSSE3 LZCNT" );
2862             cpu1 &= ~X264_CPU_LZCNT;
2863         }
2864     }
2865     if( cpu_detect & X264_CPU_SSE4 )
2866         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSE4, "SSE4" );
2867     if( cpu_detect & X264_CPU_SSE42 )
2868         ret |= add_flags( &cpu0, &cpu1, X264_CPU_SSE42, "SSE4.2" );
2869     if( cpu_detect & X264_CPU_AVX )
2870         ret |= add_flags( &cpu0, &cpu1, X264_CPU_AVX, "AVX" );
2871     if( cpu_detect & X264_CPU_XOP )
2872         ret |= add_flags( &cpu0, &cpu1, X264_CPU_XOP, "XOP" );
2873     if( cpu_detect & X264_CPU_FMA4 )
2874     {
2875         ret |= add_flags( &cpu0, &cpu1, X264_CPU_FMA4, "FMA4" );
2876         cpu1 &= ~X264_CPU_FMA4;
2877     }
2878     if( cpu_detect & X264_CPU_FMA3 )
2879         ret |= add_flags( &cpu0, &cpu1, X264_CPU_FMA3, "FMA3" );
2880     if( cpu_detect & X264_CPU_BMI1 )
2881         ret |= add_flags( &cpu0, &cpu1, X264_CPU_BMI1, "BMI1" );
2882     if( cpu_detect & X264_CPU_BMI2 )
2883         ret |= add_flags( &cpu0, &cpu1, X264_CPU_BMI2, "BMI2" );
2884     if( cpu_detect & X264_CPU_AVX2 )
2885         ret |= add_flags( &cpu0, &cpu1, X264_CPU_AVX2, "AVX2" );
2886     if( cpu_detect & X264_CPU_AVX512 )
2887         ret |= add_flags( &cpu0, &cpu1, X264_CPU_AVX512, "AVX512" );
2888 #elif ARCH_PPC
2889     if( cpu_detect & X264_CPU_ALTIVEC )
2890     {
2891         fprintf( stderr, "x264: ALTIVEC against C\n" );
2892         ret = check_all_funcs( 0, X264_CPU_ALTIVEC );
2893     }
2894 #elif ARCH_ARM
2895     if( cpu_detect & X264_CPU_NEON )
2896         x264_checkasm_call = x264_checkasm_call_neon;
2897     if( cpu_detect & X264_CPU_ARMV6 )
2898         ret |= add_flags( &cpu0, &cpu1, X264_CPU_ARMV6, "ARMv6" );
2899     if( cpu_detect & X264_CPU_NEON )
2900         ret |= add_flags( &cpu0, &cpu1, X264_CPU_NEON, "NEON" );
2901     if( cpu_detect & X264_CPU_FAST_NEON_MRC )
2902         ret |= add_flags( &cpu0, &cpu1, X264_CPU_FAST_NEON_MRC, "Fast NEON MRC" );
2903 #elif ARCH_AARCH64
2904     if( cpu_detect & X264_CPU_ARMV8 )
2905         ret |= add_flags( &cpu0, &cpu1, X264_CPU_ARMV8, "ARMv8" );
2906     if( cpu_detect & X264_CPU_NEON )
2907         ret |= add_flags( &cpu0, &cpu1, X264_CPU_NEON, "NEON" );
2908 #elif ARCH_MIPS
2909     if( cpu_detect & X264_CPU_MSA )
2910         ret |= add_flags( &cpu0, &cpu1, X264_CPU_MSA, "MSA" );
2911 #endif
2912     return ret;
2913 }
2914
2915 int main(int argc, char *argv[])
2916 {
2917 #ifdef _WIN32
2918     /* Disable the Windows Error Reporting dialog */
2919     SetErrorMode( SEM_NOGPFAULTERRORBOX );
2920 #endif
2921
2922     if( argc > 1 && !strncmp( argv[1], "--bench", 7 ) )
2923     {
2924 #if !ARCH_X86 && !ARCH_X86_64 && !ARCH_PPC && !ARCH_ARM && !ARCH_AARCH64 && !ARCH_MIPS
2925         fprintf( stderr, "no --bench for your cpu until you port rdtsc\n" );
2926         return 1;
2927 #endif
2928         do_bench = 1;
2929         if( argv[1][7] == '=' )
2930         {
2931             bench_pattern = argv[1]+8;
2932             bench_pattern_len = strlen(bench_pattern);
2933         }
2934         argc--;
2935         argv++;
2936     }
2937
2938     int seed = ( argc > 1 ) ? atoi(argv[1]) : x264_mdate();
2939     fprintf( stderr, "x264: using random seed %u\n", seed );
2940     srand( seed );
2941
2942     buf1 = x264_malloc( 0x1e00 + 0x2000*sizeof(pixel) );
2943     pbuf1 = x264_malloc( 0x1e00*sizeof(pixel) );
2944     if( !buf1 || !pbuf1 )
2945     {
2946         fprintf( stderr, "malloc failed, unable to initiate tests!\n" );
2947         return -1;
2948     }
2949 #define INIT_POINTER_OFFSETS\
2950     buf2 = buf1 + 0xf00;\
2951     buf3 = buf2 + 0xf00;\
2952     buf4 = buf3 + 0x1000*sizeof(pixel);\
2953     pbuf2 = pbuf1 + 0xf00;\
2954     pbuf3 = (pixel*)buf3;\
2955     pbuf4 = (pixel*)buf4;
2956     INIT_POINTER_OFFSETS;
2957     for( int i = 0; i < 0x1e00; i++ )
2958     {
2959         buf1[i] = rand() & 0xFF;
2960         pbuf1[i] = rand() & PIXEL_MAX;
2961     }
2962     memset( buf1+0x1e00, 0, 0x2000*sizeof(pixel) );
2963
2964     if( x264_stack_pagealign( check_all_flags, 0 ) )
2965     {
2966         fprintf( stderr, "x264: at least one test has failed. Go and fix that Right Now!\n" );
2967         return -1;
2968     }
2969     fprintf( stderr, "x264: All tests passed Yeah :)\n" );
2970     if( do_bench )
2971         print_bench();
2972     return 0;
2973 }
2974