Received-SPF: pass (google.com: best guess record for domain of linux-kernel-owner@vger.kernel.org designates 209.132.180.67 as permitted sender) client-ip=209.132.180.67;
MIME-Version: 1.0
In-Reply-To: <20180824213849.23647-16-Jason@zx2c4.com>
References: <20180824213849.23647-1-Jason@zx2c4.com> <20180824213849.23647-16-Jason@zx2c4.com>
From:   Ard Biesheuvel <ard.biesheuvel@linaro.org>
Date:   Sun, 26 Aug 2018 14:18:30 +0100
Message-ID: <CAKv+Gu-WVOBZ1sQwOKo29P_jWL86wOnzd1-sB_6mTbPX1Lz0NQ@mail.gmail.com>
Subject: Re: [PATCH v2 15/17] zinc: Curve25519 ARM implementation
To:     "Jason A. Donenfeld" <Jason@zx2c4.com>
Cc:     Linux Kernel Mailing List <linux-kernel@vger.kernel.org>,
        "<netdev@vger.kernel.org>" <netdev@vger.kernel.org>,
        "David S. Miller" <davem@davemloft.net>,
        Andy Lutomirski <luto@kernel.org>,
        Greg KH <gregkh@linuxfoundation.org>,
        Samuel Neves <sneves@dei.uc.pt>,
        "D . J . Bernstein" <djb@cr.yp.to>,
        Jean-Philippe Aumasson <jeanphilippe.aumasson@gmail.com>,
        Russell King <linux@armlinux.org.uk>,
        linux-arm-kernel <linux-arm-kernel@lists.infradead.org>,
        "open list:HARDWARE RANDOM NUMBER GENERATOR CORE" 
        <linux-crypto@vger.kernel.org>
Content-Type: text/plain; charset="UTF-8"
Sender: linux-kernel-owner@vger.kernel.org
Precedence: bulk

On 24 August 2018 at 22:38, Jason A. Donenfeld <Jason@zx2c4.com> wrote:
> This comes from Dan Bernstein and Peter Schwabe's public domain NEON
> code, and has been modified to be friendly for kernel space.
>
> Signed-off-by: Jason A. Donenfeld <Jason@zx2c4.com>
> Cc: Andy Lutomirski <luto@kernel.org>
> Cc: Greg KH <gregkh@linuxfoundation.org>
> Cc: Samuel Neves <sneves@dei.uc.pt>
> Cc: D. J. Bernstein <djb@cr.yp.to>
> Cc: Jean-Philippe Aumasson <jeanphilippe.aumasson@gmail.com>
> Cc: Russell King <linux@armlinux.org.uk>
> Cc: linux-arm-kernel@lists.infradead.org
> Cc: linux-crypto@vger.kernel.org
> ---
>  lib/zinc/Makefile                         |    4 +
>  lib/zinc/curve25519/curve25519-arm-glue.h |   33 +
>  lib/zinc/curve25519/curve25519-arm.S      | 2110 +++++++++++++++++++++

As discussed in the context of patch #2, I have my doubts about the
general approach you are taking. I think this code belongs in arch/arm
somewhere, exposed in a way so it naturally supersedes a dummy
implementation by library search order.

In the mean time, let me comment on the code in this patch.

>  3 files changed, 2147 insertions(+)
>  create mode 100644 lib/zinc/curve25519/curve25519-arm-glue.h
>  create mode 100644 lib/zinc/curve25519/curve25519-arm.S
>
> diff --git a/lib/zinc/Makefile b/lib/zinc/Makefile
> index b6b0614f8743..13e403780ce0 100644
> --- a/lib/zinc/Makefile
> +++ b/lib/zinc/Makefile
> @@ -52,6 +52,10 @@ endif
>
>  ifeq ($(CONFIG_ZINC_CURVE25519),y)
>  zinc-y += curve25519/curve25519.o
> +ifeq ($(CONFIG_ARM)$(CONFIG_KERNEL_MODE_NEON),yy)
> +zinc-y += curve25519/curve25519-arm.o
> +CFLAGS_curve25519.o += -include $(srctree)/$(src)/curve25519/curve25519-arm-glue.h

If you put the code below in arch/arm/lib/curve25519.c, you don't need
this clunkiness.

> +endif
>  endif
>
>  ifeq ($(CONFIG_ZINC_BLAKE2S),y)
> diff --git a/lib/zinc/curve25519/curve25519-arm-glue.h b/lib/zinc/curve25519/curve25519-arm-glue.h
> new file mode 100644
> index 000000000000..1d5c029e9195
> --- /dev/null
> +++ b/lib/zinc/curve25519/curve25519-arm-glue.h
> @@ -0,0 +1,33 @@
> +/* SPDX-License-Identifier: GPL-2.0
> + *
> + * Copyright (C) 2015-2018 Jason A. Donenfeld <Jason@zx2c4.com>. All Rights Reserved.
> + */
> +
> +#include <zinc/curve25519.h>
> +#include <asm/hwcap.h>
> +#include <asm/neon.h>
> +#include <asm/simd.h>
> +
> +asmlinkage void curve25519_neon(u8 mypublic[CURVE25519_POINT_SIZE], const u8 secret[CURVE25519_POINT_SIZE], const u8 basepoint[CURVE25519_POINT_SIZE]);
> +

Please follow the coding style of the kernel.

> +static bool curve25519_use_neon __ro_after_init;
> +
> +void __init curve25519_fpu_init(void)
> +{
> +       curve25519_use_neon = elf_hwcap & HWCAP_NEON;
> +}
> +
> +static inline bool curve25519_arch(u8 mypublic[CURVE25519_POINT_SIZE], const u8 secret[CURVE25519_POINT_SIZE], const u8 basepoint[CURVE25519_POINT_SIZE])
> +{
> +       if (curve25519_use_neon && may_use_simd()) {
> +               kernel_neon_begin();
> +               curve25519_neon(mypublic, secret, basepoint);
> +               kernel_neon_end();
> +               return true;
> +       }
> +       return false;
> +}
> +
> +static inline bool curve25519_base_arch(u8 pub[CURVE25519_POINT_SIZE], const u8 secret[CURVE25519_POINT_SIZE]) { return false; }
> +
> +#define HAVE_CURVE25519_ARCH_IMPLEMENTATION
> diff --git a/lib/zinc/curve25519/curve25519-arm.S b/lib/zinc/curve25519/curve25519-arm.S
> new file mode 100644
> index 000000000000..2c02e66cc87c
> --- /dev/null
> +++ b/lib/zinc/curve25519/curve25519-arm.S
> @@ -0,0 +1,2110 @@
> +/* SPDX-License-Identifier: GPL-2.0
> + *
> + * Copyright (C) 2015-2018 Jason A. Donenfeld <Jason@zx2c4.com>. All Rights Reserved.
> + *
> + * Based on public domain code from Daniel J. Bernstein and Peter Schwabe.
> + */
> +
> +#if IS_ENABLED(CONFIG_KERNEL_MODE_NEON)
> +

This #if is redundant - you only build the file if it is true.

> +#include <linux/linkage.h>
> +
> +       .text
> +       .fpu            neon
> +       .align          4
> +
> +ENTRY(curve25519_neon)

Could you please indent the asm with two tabs for legibility?

> +       vpush {q4,q5,q6,q7}

You can drop this

> +       mov r12,sp
> +       sub r3,sp,#736
> +       and r3,r3,#0xffffffe0

I don't think you need 32 byte alignment, 16 bytes should be sufficient

> +       mov sp,r3
> +       strd r4,[sp,#0]
> +       strd r6,[sp,#8]
> +       strd r8,[sp,#16]
> +       strd r10,[sp,#24]
> +       str r12,[sp,#480]
> +       str r14,[sp,#484]

This is a very odd way to create a stack frame.

> +       mov r0,r0
> +       mov r1,r1
> +       mov r2,r2

Drop these

> +       add r3,sp,#32
> +       ldr r4,=0
> +       ldr r5,=254

NEON implies v7, so you can use movw for any 16-bit immediate. No need for ldr.

> +       vmov.i32 q0,#1
> +       vshr.u64 q1,q0,#7
> +       vshr.u64 q0,q0,#8
> +       vmov.i32 d4,#19
> +       vmov.i32 d5,#38
> +       add r6,sp,#512
> +       vst1.8 {d2-d3},[r6,: 128]
> +       add r6,sp,#528
> +       vst1.8 {d0-d1},[r6,: 128]
> +       add r6,sp,#544
> +       vst1.8 {d4-d5},[r6,: 128]
> +       add r6,r3,#0
> +       vmov.i32 q2,#0
> +       vst1.8 {d4-d5},[r6,: 128]!
> +       vst1.8 {d4-d5},[r6,: 128]!
> +       vst1.8 d4,[r6,: 64]
> +       add r6,r3,#0

> +       ldr r7,=960
> +       sub r7,r7,#2
> +       neg r7,r7
> +       sub r7,r7,r7,LSL #7


What is this little dance for?

> +       str r7,[r6]
> +       add r6,sp,#704
> +       vld1.8 {d4-d5},[r1]!
> +       vld1.8 {d6-d7},[r1]
> +       vst1.8 {d4-d5},[r6,: 128]!
> +       vst1.8 {d6-d7},[r6,: 128]
> +       sub r1,r6,#16
> +       ldrb r6,[r1]
> +       and r6,r6,#248
> +       strb r6,[r1]
> +       ldrb r6,[r1,#31]
> +       and r6,r6,#127
> +       orr r6,r6,#64
> +       strb r6,[r1,#31]
> +       vmov.i64 q2,#0xffffffff
> +       vshr.u64 q3,q2,#7
> +       vshr.u64 q2,q2,#6
> +       vld1.8 {d8},[r2]
> +       vld1.8 {d10},[r2]
> +       add r2,r2,#6
> +       vld1.8 {d12},[r2]
> +       vld1.8 {d14},[r2]
> +       add r2,r2,#6
> +       vld1.8 {d16},[r2]
> +       add r2,r2,#4
> +       vld1.8 {d18},[r2]
> +       vld1.8 {d20},[r2]
> +       add r2,r2,#6
> +       vld1.8 {d22},[r2]
> +       add r2,r2,#2
> +       vld1.8 {d24},[r2]
> +       vld1.8 {d26},[r2]
> +       vshr.u64 q5,q5,#26
> +       vshr.u64 q6,q6,#3
> +       vshr.u64 q7,q7,#29
> +       vshr.u64 q8,q8,#6
> +       vshr.u64 q10,q10,#25
> +       vshr.u64 q11,q11,#3
> +       vshr.u64 q12,q12,#12
> +       vshr.u64 q13,q13,#38
> +       vand q4,q4,q2
> +       vand q6,q6,q2
> +       vand q8,q8,q2
> +       vand q10,q10,q2
> +       vand q2,q12,q2
> +       vand q5,q5,q3
> +       vand q7,q7,q3
> +       vand q9,q9,q3
> +       vand q11,q11,q3
> +       vand q3,q13,q3
> +       add r2,r3,#48
> +       vadd.i64 q12,q4,q1
> +       vadd.i64 q13,q10,q1
> +       vshr.s64 q12,q12,#26
> +       vshr.s64 q13,q13,#26
> +       vadd.i64 q5,q5,q12
> +       vshl.i64 q12,q12,#26
> +       vadd.i64 q14,q5,q0
> +       vadd.i64 q11,q11,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q15,q11,q0
> +       vsub.i64 q4,q4,q12
> +       vshr.s64 q12,q14,#25
> +       vsub.i64 q10,q10,q13
> +       vshr.s64 q13,q15,#25
> +       vadd.i64 q6,q6,q12
> +       vshl.i64 q12,q12,#25
> +       vadd.i64 q14,q6,q1
> +       vadd.i64 q2,q2,q13
> +       vsub.i64 q5,q5,q12
> +       vshr.s64 q12,q14,#26
> +       vshl.i64 q13,q13,#25
> +       vadd.i64 q14,q2,q1
> +       vadd.i64 q7,q7,q12
> +       vshl.i64 q12,q12,#26
> +       vadd.i64 q15,q7,q0
> +       vsub.i64 q11,q11,q13
> +       vshr.s64 q13,q14,#26
> +       vsub.i64 q6,q6,q12
> +       vshr.s64 q12,q15,#25
> +       vadd.i64 q3,q3,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q14,q3,q0
> +       vadd.i64 q8,q8,q12
> +       vshl.i64 q12,q12,#25
> +       vadd.i64 q15,q8,q1
> +       add r2,r2,#8
> +       vsub.i64 q2,q2,q13
> +       vshr.s64 q13,q14,#25
> +       vsub.i64 q7,q7,q12
> +       vshr.s64 q12,q15,#26
> +       vadd.i64 q14,q13,q13
> +       vadd.i64 q9,q9,q12
> +       vtrn.32 d12,d14
> +       vshl.i64 q12,q12,#26
> +       vtrn.32 d13,d15
> +       vadd.i64 q0,q9,q0
> +       vadd.i64 q4,q4,q14
> +       vst1.8 d12,[r2,: 64]!
> +       vshl.i64 q6,q13,#4
> +       vsub.i64 q7,q8,q12
> +       vshr.s64 q0,q0,#25
> +       vadd.i64 q4,q4,q6
> +       vadd.i64 q6,q10,q0
> +       vshl.i64 q0,q0,#25
> +       vadd.i64 q8,q6,q1
> +       vadd.i64 q4,q4,q13
> +       vshl.i64 q10,q13,#25
> +       vadd.i64 q1,q4,q1
> +       vsub.i64 q0,q9,q0
> +       vshr.s64 q8,q8,#26
> +       vsub.i64 q3,q3,q10
> +       vtrn.32 d14,d0
> +       vshr.s64 q1,q1,#26
> +       vtrn.32 d15,d1
> +       vadd.i64 q0,q11,q8
> +       vst1.8 d14,[r2,: 64]
> +       vshl.i64 q7,q8,#26
> +       vadd.i64 q5,q5,q1
> +       vtrn.32 d4,d6
> +       vshl.i64 q1,q1,#26
> +       vtrn.32 d5,d7
> +       vsub.i64 q3,q6,q7
> +       add r2,r2,#16
> +       vsub.i64 q1,q4,q1
> +       vst1.8 d4,[r2,: 64]
> +       vtrn.32 d6,d0
> +       vtrn.32 d7,d1
> +       sub r2,r2,#8
> +       vtrn.32 d2,d10
> +       vtrn.32 d3,d11
> +       vst1.8 d6,[r2,: 64]
> +       sub r2,r2,#24
> +       vst1.8 d2,[r2,: 64]
> +       add r2,r3,#96
> +       vmov.i32 q0,#0
> +       vmov.i64 d2,#0xff
> +       vmov.i64 d3,#0
> +       vshr.u32 q1,q1,#7
> +       vst1.8 {d2-d3},[r2,: 128]!
> +       vst1.8 {d0-d1},[r2,: 128]!
> +       vst1.8 d0,[r2,: 64]
> +       add r2,r3,#144
> +       vmov.i32 q0,#0
> +       vst1.8 {d0-d1},[r2,: 128]!
> +       vst1.8 {d0-d1},[r2,: 128]!
> +       vst1.8 d0,[r2,: 64]
> +       add r2,r3,#240
> +       vmov.i32 q0,#0
> +       vmov.i64 d2,#0xff
> +       vmov.i64 d3,#0
> +       vshr.u32 q1,q1,#7
> +       vst1.8 {d2-d3},[r2,: 128]!
> +       vst1.8 {d0-d1},[r2,: 128]!
> +       vst1.8 d0,[r2,: 64]
> +       add r2,r3,#48
> +       add r6,r3,#192
> +       vld1.8 {d0-d1},[r2,: 128]!
> +       vld1.8 {d2-d3},[r2,: 128]!
> +       vld1.8 {d4},[r2,: 64]
> +       vst1.8 {d0-d1},[r6,: 128]!
> +       vst1.8 {d2-d3},[r6,: 128]!
> +       vst1.8 d4,[r6,: 64]
> +       .Lmainloop:

Please put labels in the first column.

> +       mov r2,r5,LSR #3
> +       and r6,r5,#7
> +       ldrb r2,[r1,r2]
> +       mov r2,r2,LSR r6
> +       and r2,r2,#1
> +       str r5,[sp,#488]
> +       eor r4,r4,r2
> +       str r2,[sp,#492]
> +       neg r2,r4
> +       add r4,r3,#96
> +       add r5,r3,#192
> +       add r6,r3,#144
> +       vld1.8 {d8-d9},[r4,: 128]!
> +       add r7,r3,#240
> +       vld1.8 {d10-d11},[r5,: 128]!
> +       veor q6,q4,q5
> +       vld1.8 {d14-d15},[r6,: 128]!
> +       vdup.i32 q8,r2
> +       vld1.8 {d18-d19},[r7,: 128]!
> +       veor q10,q7,q9
> +       vld1.8 {d22-d23},[r4,: 128]!
> +       vand q6,q6,q8
> +       vld1.8 {d24-d25},[r5,: 128]!
> +       vand q10,q10,q8
> +       vld1.8 {d26-d27},[r6,: 128]!
> +       veor q4,q4,q6
> +       vld1.8 {d28-d29},[r7,: 128]!
> +       veor q5,q5,q6
> +       vld1.8 {d0},[r4,: 64]
> +       veor q6,q7,q10
> +       vld1.8 {d2},[r5,: 64]
> +       veor q7,q9,q10
> +       vld1.8 {d4},[r6,: 64]
> +       veor q9,q11,q12
> +       vld1.8 {d6},[r7,: 64]
> +       veor q10,q0,q1
> +       sub r2,r4,#32
> +       vand q9,q9,q8
> +       sub r4,r5,#32
> +       vand q10,q10,q8
> +       sub r5,r6,#32
> +       veor q11,q11,q9
> +       sub r6,r7,#32
> +       veor q0,q0,q10
> +       veor q9,q12,q9
> +       veor q1,q1,q10
> +       veor q10,q13,q14
> +       veor q12,q2,q3
> +       vand q10,q10,q8
> +       vand q8,q12,q8
> +       veor q12,q13,q10
> +       veor q2,q2,q8
> +       veor q10,q14,q10
> +       veor q3,q3,q8
> +       vadd.i32 q8,q4,q6
> +       vsub.i32 q4,q4,q6
> +       vst1.8 {d16-d17},[r2,: 128]!
> +       vadd.i32 q6,q11,q12
> +       vst1.8 {d8-d9},[r5,: 128]!
> +       vsub.i32 q4,q11,q12
> +       vst1.8 {d12-d13},[r2,: 128]!
> +       vadd.i32 q6,q0,q2
> +       vst1.8 {d8-d9},[r5,: 128]!
> +       vsub.i32 q0,q0,q2
> +       vst1.8 d12,[r2,: 64]
> +       vadd.i32 q2,q5,q7
> +       vst1.8 d0,[r5,: 64]
> +       vsub.i32 q0,q5,q7
> +       vst1.8 {d4-d5},[r4,: 128]!
> +       vadd.i32 q2,q9,q10
> +       vst1.8 {d0-d1},[r6,: 128]!
> +       vsub.i32 q0,q9,q10
> +       vst1.8 {d4-d5},[r4,: 128]!
> +       vadd.i32 q2,q1,q3
> +       vst1.8 {d0-d1},[r6,: 128]!
> +       vsub.i32 q0,q1,q3
> +       vst1.8 d4,[r4,: 64]
> +       vst1.8 d0,[r6,: 64]
> +       add r2,sp,#544
> +       add r4,r3,#96
> +       add r5,r3,#144
> +       vld1.8 {d0-d1},[r2,: 128]
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vld1.8 {d4-d5},[r5,: 128]!
> +       vzip.i32 q1,q2
> +       vld1.8 {d6-d7},[r4,: 128]!
> +       vld1.8 {d8-d9},[r5,: 128]!
> +       vshl.i32 q5,q1,#1
> +       vzip.i32 q3,q4
> +       vshl.i32 q6,q2,#1
> +       vld1.8 {d14},[r4,: 64]
> +       vshl.i32 q8,q3,#1
> +       vld1.8 {d15},[r5,: 64]
> +       vshl.i32 q9,q4,#1
> +       vmul.i32 d21,d7,d1
> +       vtrn.32 d14,d15
> +       vmul.i32 q11,q4,q0
> +       vmul.i32 q0,q7,q0
> +       vmull.s32 q12,d2,d2
> +       vmlal.s32 q12,d11,d1
> +       vmlal.s32 q12,d12,d0
> +       vmlal.s32 q12,d13,d23
> +       vmlal.s32 q12,d16,d22
> +       vmlal.s32 q12,d7,d21
> +       vmull.s32 q10,d2,d11
> +       vmlal.s32 q10,d4,d1
> +       vmlal.s32 q10,d13,d0
> +       vmlal.s32 q10,d6,d23
> +       vmlal.s32 q10,d17,d22
> +       vmull.s32 q13,d10,d4
> +       vmlal.s32 q13,d11,d3
> +       vmlal.s32 q13,d13,d1
> +       vmlal.s32 q13,d16,d0
> +       vmlal.s32 q13,d17,d23
> +       vmlal.s32 q13,d8,d22
> +       vmull.s32 q1,d10,d5
> +       vmlal.s32 q1,d11,d4
> +       vmlal.s32 q1,d6,d1
> +       vmlal.s32 q1,d17,d0
> +       vmlal.s32 q1,d8,d23
> +       vmull.s32 q14,d10,d6
> +       vmlal.s32 q14,d11,d13
> +       vmlal.s32 q14,d4,d4
> +       vmlal.s32 q14,d17,d1
> +       vmlal.s32 q14,d18,d0
> +       vmlal.s32 q14,d9,d23
> +       vmull.s32 q11,d10,d7
> +       vmlal.s32 q11,d11,d6
> +       vmlal.s32 q11,d12,d5
> +       vmlal.s32 q11,d8,d1
> +       vmlal.s32 q11,d19,d0
> +       vmull.s32 q15,d10,d8
> +       vmlal.s32 q15,d11,d17
> +       vmlal.s32 q15,d12,d6
> +       vmlal.s32 q15,d13,d5
> +       vmlal.s32 q15,d19,d1
> +       vmlal.s32 q15,d14,d0
> +       vmull.s32 q2,d10,d9
> +       vmlal.s32 q2,d11,d8
> +       vmlal.s32 q2,d12,d7
> +       vmlal.s32 q2,d13,d6
> +       vmlal.s32 q2,d14,d1
> +       vmull.s32 q0,d15,d1
> +       vmlal.s32 q0,d10,d14
> +       vmlal.s32 q0,d11,d19
> +       vmlal.s32 q0,d12,d8
> +       vmlal.s32 q0,d13,d17
> +       vmlal.s32 q0,d6,d6
> +       add r2,sp,#512
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmull.s32 q3,d16,d7
> +       vmlal.s32 q3,d10,d15
> +       vmlal.s32 q3,d11,d14
> +       vmlal.s32 q3,d12,d9
> +       vmlal.s32 q3,d13,d8
> +       add r2,sp,#528
> +       vld1.8 {d8-d9},[r2,: 128]
> +       vadd.i64 q5,q12,q9
> +       vadd.i64 q6,q15,q9
> +       vshr.s64 q5,q5,#26
> +       vshr.s64 q6,q6,#26
> +       vadd.i64 q7,q10,q5
> +       vshl.i64 q5,q5,#26
> +       vadd.i64 q8,q7,q4
> +       vadd.i64 q2,q2,q6
> +       vshl.i64 q6,q6,#26
> +       vadd.i64 q10,q2,q4
> +       vsub.i64 q5,q12,q5
> +       vshr.s64 q8,q8,#25
> +       vsub.i64 q6,q15,q6
> +       vshr.s64 q10,q10,#25
> +       vadd.i64 q12,q13,q8
> +       vshl.i64 q8,q8,#25
> +       vadd.i64 q13,q12,q9
> +       vadd.i64 q0,q0,q10
> +       vsub.i64 q7,q7,q8
> +       vshr.s64 q8,q13,#26
> +       vshl.i64 q10,q10,#25
> +       vadd.i64 q13,q0,q9
> +       vadd.i64 q1,q1,q8
> +       vshl.i64 q8,q8,#26
> +       vadd.i64 q15,q1,q4
> +       vsub.i64 q2,q2,q10
> +       vshr.s64 q10,q13,#26
> +       vsub.i64 q8,q12,q8
> +       vshr.s64 q12,q15,#25
> +       vadd.i64 q3,q3,q10
> +       vshl.i64 q10,q10,#26
> +       vadd.i64 q13,q3,q4
> +       vadd.i64 q14,q14,q12
> +       add r2,r3,#288
> +       vshl.i64 q12,q12,#25
> +       add r4,r3,#336
> +       vadd.i64 q15,q14,q9
> +       add r2,r2,#8
> +       vsub.i64 q0,q0,q10
> +       add r4,r4,#8
> +       vshr.s64 q10,q13,#25
> +       vsub.i64 q1,q1,q12
> +       vshr.s64 q12,q15,#26
> +       vadd.i64 q13,q10,q10
> +       vadd.i64 q11,q11,q12
> +       vtrn.32 d16,d2
> +       vshl.i64 q12,q12,#26
> +       vtrn.32 d17,d3
> +       vadd.i64 q1,q11,q4
> +       vadd.i64 q4,q5,q13
> +       vst1.8 d16,[r2,: 64]!
> +       vshl.i64 q5,q10,#4
> +       vst1.8 d17,[r4,: 64]!
> +       vsub.i64 q8,q14,q12
> +       vshr.s64 q1,q1,#25
> +       vadd.i64 q4,q4,q5
> +       vadd.i64 q5,q6,q1
> +       vshl.i64 q1,q1,#25
> +       vadd.i64 q6,q5,q9
> +       vadd.i64 q4,q4,q10
> +       vshl.i64 q10,q10,#25
> +       vadd.i64 q9,q4,q9
> +       vsub.i64 q1,q11,q1
> +       vshr.s64 q6,q6,#26
> +       vsub.i64 q3,q3,q10
> +       vtrn.32 d16,d2
> +       vshr.s64 q9,q9,#26
> +       vtrn.32 d17,d3
> +       vadd.i64 q1,q2,q6
> +       vst1.8 d16,[r2,: 64]
> +       vshl.i64 q2,q6,#26
> +       vst1.8 d17,[r4,: 64]
> +       vadd.i64 q6,q7,q9
> +       vtrn.32 d0,d6
> +       vshl.i64 q7,q9,#26
> +       vtrn.32 d1,d7
> +       vsub.i64 q2,q5,q2
> +       add r2,r2,#16
> +       vsub.i64 q3,q4,q7
> +       vst1.8 d0,[r2,: 64]
> +       add r4,r4,#16
> +       vst1.8 d1,[r4,: 64]
> +       vtrn.32 d4,d2
> +       vtrn.32 d5,d3
> +       sub r2,r2,#8
> +       sub r4,r4,#8
> +       vtrn.32 d6,d12
> +       vtrn.32 d7,d13
> +       vst1.8 d4,[r2,: 64]
> +       vst1.8 d5,[r4,: 64]
> +       sub r2,r2,#24
> +       sub r4,r4,#24
> +       vst1.8 d6,[r2,: 64]
> +       vst1.8 d7,[r4,: 64]
> +       add r2,r3,#240
> +       add r4,r3,#96
> +       vld1.8 {d0-d1},[r4,: 128]!
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vld1.8 {d4},[r4,: 64]
> +       add r4,r3,#144
> +       vld1.8 {d6-d7},[r4,: 128]!
> +       vtrn.32 q0,q3
> +       vld1.8 {d8-d9},[r4,: 128]!
> +       vshl.i32 q5,q0,#4
> +       vtrn.32 q1,q4
> +       vshl.i32 q6,q3,#4
> +       vadd.i32 q5,q5,q0
> +       vadd.i32 q6,q6,q3
> +       vshl.i32 q7,q1,#4
> +       vld1.8 {d5},[r4,: 64]
> +       vshl.i32 q8,q4,#4
> +       vtrn.32 d4,d5
> +       vadd.i32 q7,q7,q1
> +       vadd.i32 q8,q8,q4
> +       vld1.8 {d18-d19},[r2,: 128]!
> +       vshl.i32 q10,q2,#4
> +       vld1.8 {d22-d23},[r2,: 128]!
> +       vadd.i32 q10,q10,q2
> +       vld1.8 {d24},[r2,: 64]
> +       vadd.i32 q5,q5,q0
> +       add r2,r3,#192
> +       vld1.8 {d26-d27},[r2,: 128]!
> +       vadd.i32 q6,q6,q3
> +       vld1.8 {d28-d29},[r2,: 128]!
> +       vadd.i32 q8,q8,q4
> +       vld1.8 {d25},[r2,: 64]
> +       vadd.i32 q10,q10,q2
> +       vtrn.32 q9,q13
> +       vadd.i32 q7,q7,q1
> +       vadd.i32 q5,q5,q0
> +       vtrn.32 q11,q14
> +       vadd.i32 q6,q6,q3
> +       add r2,sp,#560
> +       vadd.i32 q10,q10,q2
> +       vtrn.32 d24,d25
> +       vst1.8 {d12-d13},[r2,: 128]
> +       vshl.i32 q6,q13,#1
> +       add r2,sp,#576
> +       vst1.8 {d20-d21},[r2,: 128]
> +       vshl.i32 q10,q14,#1
> +       add r2,sp,#592
> +       vst1.8 {d12-d13},[r2,: 128]
> +       vshl.i32 q15,q12,#1
> +       vadd.i32 q8,q8,q4
> +       vext.32 d10,d31,d30,#0
> +       vadd.i32 q7,q7,q1
> +       add r2,sp,#608
> +       vst1.8 {d16-d17},[r2,: 128]
> +       vmull.s32 q8,d18,d5
> +       vmlal.s32 q8,d26,d4
> +       vmlal.s32 q8,d19,d9
> +       vmlal.s32 q8,d27,d3
> +       vmlal.s32 q8,d22,d8
> +       vmlal.s32 q8,d28,d2
> +       vmlal.s32 q8,d23,d7
> +       vmlal.s32 q8,d29,d1
> +       vmlal.s32 q8,d24,d6
> +       vmlal.s32 q8,d25,d0
> +       add r2,sp,#624
> +       vst1.8 {d14-d15},[r2,: 128]
> +       vmull.s32 q2,d18,d4
> +       vmlal.s32 q2,d12,d9
> +       vmlal.s32 q2,d13,d8
> +       vmlal.s32 q2,d19,d3
> +       vmlal.s32 q2,d22,d2
> +       vmlal.s32 q2,d23,d1
> +       vmlal.s32 q2,d24,d0
> +       add r2,sp,#640
> +       vst1.8 {d20-d21},[r2,: 128]
> +       vmull.s32 q7,d18,d9
> +       vmlal.s32 q7,d26,d3
> +       vmlal.s32 q7,d19,d8
> +       vmlal.s32 q7,d27,d2
> +       vmlal.s32 q7,d22,d7
> +       vmlal.s32 q7,d28,d1
> +       vmlal.s32 q7,d23,d6
> +       vmlal.s32 q7,d29,d0
> +       add r2,sp,#656
> +       vst1.8 {d10-d11},[r2,: 128]
> +       vmull.s32 q5,d18,d3
> +       vmlal.s32 q5,d19,d2
> +       vmlal.s32 q5,d22,d1
> +       vmlal.s32 q5,d23,d0
> +       vmlal.s32 q5,d12,d8
> +       add r2,sp,#672
> +       vst1.8 {d16-d17},[r2,: 128]
> +       vmull.s32 q4,d18,d8
> +       vmlal.s32 q4,d26,d2
> +       vmlal.s32 q4,d19,d7
> +       vmlal.s32 q4,d27,d1
> +       vmlal.s32 q4,d22,d6
> +       vmlal.s32 q4,d28,d0
> +       vmull.s32 q8,d18,d7
> +       vmlal.s32 q8,d26,d1
> +       vmlal.s32 q8,d19,d6
> +       vmlal.s32 q8,d27,d0
> +       add r2,sp,#576
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vmlal.s32 q7,d24,d21
> +       vmlal.s32 q7,d25,d20
> +       vmlal.s32 q4,d23,d21
> +       vmlal.s32 q4,d29,d20
> +       vmlal.s32 q8,d22,d21
> +       vmlal.s32 q8,d28,d20
> +       vmlal.s32 q5,d24,d20
> +       add r2,sp,#576
> +       vst1.8 {d14-d15},[r2,: 128]
> +       vmull.s32 q7,d18,d6
> +       vmlal.s32 q7,d26,d0
> +       add r2,sp,#656
> +       vld1.8 {d30-d31},[r2,: 128]
> +       vmlal.s32 q2,d30,d21
> +       vmlal.s32 q7,d19,d21
> +       vmlal.s32 q7,d27,d20
> +       add r2,sp,#624
> +       vld1.8 {d26-d27},[r2,: 128]
> +       vmlal.s32 q4,d25,d27
> +       vmlal.s32 q8,d29,d27
> +       vmlal.s32 q8,d25,d26
> +       vmlal.s32 q7,d28,d27
> +       vmlal.s32 q7,d29,d26
> +       add r2,sp,#608
> +       vld1.8 {d28-d29},[r2,: 128]
> +       vmlal.s32 q4,d24,d29
> +       vmlal.s32 q8,d23,d29
> +       vmlal.s32 q8,d24,d28
> +       vmlal.s32 q7,d22,d29
> +       vmlal.s32 q7,d23,d28
> +       add r2,sp,#608
> +       vst1.8 {d8-d9},[r2,: 128]
> +       add r2,sp,#560
> +       vld1.8 {d8-d9},[r2,: 128]
> +       vmlal.s32 q7,d24,d9
> +       vmlal.s32 q7,d25,d31
> +       vmull.s32 q1,d18,d2
> +       vmlal.s32 q1,d19,d1
> +       vmlal.s32 q1,d22,d0
> +       vmlal.s32 q1,d24,d27
> +       vmlal.s32 q1,d23,d20
> +       vmlal.s32 q1,d12,d7
> +       vmlal.s32 q1,d13,d6
> +       vmull.s32 q6,d18,d1
> +       vmlal.s32 q6,d19,d0
> +       vmlal.s32 q6,d23,d27
> +       vmlal.s32 q6,d22,d20
> +       vmlal.s32 q6,d24,d26
> +       vmull.s32 q0,d18,d0
> +       vmlal.s32 q0,d22,d27
> +       vmlal.s32 q0,d23,d26
> +       vmlal.s32 q0,d24,d31
> +       vmlal.s32 q0,d19,d20
> +       add r2,sp,#640
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmlal.s32 q2,d18,d7
> +       vmlal.s32 q2,d19,d6
> +       vmlal.s32 q5,d18,d6
> +       vmlal.s32 q5,d19,d21
> +       vmlal.s32 q1,d18,d21
> +       vmlal.s32 q1,d19,d29
> +       vmlal.s32 q0,d18,d28
> +       vmlal.s32 q0,d19,d9
> +       vmlal.s32 q6,d18,d29
> +       vmlal.s32 q6,d19,d28
> +       add r2,sp,#592
> +       vld1.8 {d18-d19},[r2,: 128]
> +       add r2,sp,#512
> +       vld1.8 {d22-d23},[r2,: 128]
> +       vmlal.s32 q5,d19,d7
> +       vmlal.s32 q0,d18,d21
> +       vmlal.s32 q0,d19,d29
> +       vmlal.s32 q6,d18,d6
> +       add r2,sp,#528
> +       vld1.8 {d6-d7},[r2,: 128]
> +       vmlal.s32 q6,d19,d21
> +       add r2,sp,#576
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmlal.s32 q0,d30,d8
> +       add r2,sp,#672
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vmlal.s32 q5,d30,d29
> +       add r2,sp,#608
> +       vld1.8 {d24-d25},[r2,: 128]
> +       vmlal.s32 q1,d30,d28
> +       vadd.i64 q13,q0,q11
> +       vadd.i64 q14,q5,q11
> +       vmlal.s32 q6,d30,d9
> +       vshr.s64 q4,q13,#26
> +       vshr.s64 q13,q14,#26
> +       vadd.i64 q7,q7,q4
> +       vshl.i64 q4,q4,#26
> +       vadd.i64 q14,q7,q3
> +       vadd.i64 q9,q9,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q15,q9,q3
> +       vsub.i64 q0,q0,q4
> +       vshr.s64 q4,q14,#25
> +       vsub.i64 q5,q5,q13
> +       vshr.s64 q13,q15,#25
> +       vadd.i64 q6,q6,q4
> +       vshl.i64 q4,q4,#25
> +       vadd.i64 q14,q6,q11
> +       vadd.i64 q2,q2,q13
> +       vsub.i64 q4,q7,q4
> +       vshr.s64 q7,q14,#26
> +       vshl.i64 q13,q13,#25
> +       vadd.i64 q14,q2,q11
> +       vadd.i64 q8,q8,q7
> +       vshl.i64 q7,q7,#26
> +       vadd.i64 q15,q8,q3
> +       vsub.i64 q9,q9,q13
> +       vshr.s64 q13,q14,#26
> +       vsub.i64 q6,q6,q7
> +       vshr.s64 q7,q15,#25
> +       vadd.i64 q10,q10,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q14,q10,q3
> +       vadd.i64 q1,q1,q7
> +       add r2,r3,#144
> +       vshl.i64 q7,q7,#25
> +       add r4,r3,#96
> +       vadd.i64 q15,q1,q11
> +       add r2,r2,#8
> +       vsub.i64 q2,q2,q13
> +       add r4,r4,#8
> +       vshr.s64 q13,q14,#25
> +       vsub.i64 q7,q8,q7
> +       vshr.s64 q8,q15,#26
> +       vadd.i64 q14,q13,q13
> +       vadd.i64 q12,q12,q8
> +       vtrn.32 d12,d14
> +       vshl.i64 q8,q8,#26
> +       vtrn.32 d13,d15
> +       vadd.i64 q3,q12,q3
> +       vadd.i64 q0,q0,q14
> +       vst1.8 d12,[r2,: 64]!
> +       vshl.i64 q7,q13,#4
> +       vst1.8 d13,[r4,: 64]!
> +       vsub.i64 q1,q1,q8
> +       vshr.s64 q3,q3,#25
> +       vadd.i64 q0,q0,q7
> +       vadd.i64 q5,q5,q3
> +       vshl.i64 q3,q3,#25
> +       vadd.i64 q6,q5,q11
> +       vadd.i64 q0,q0,q13
> +       vshl.i64 q7,q13,#25
> +       vadd.i64 q8,q0,q11
> +       vsub.i64 q3,q12,q3
> +       vshr.s64 q6,q6,#26
> +       vsub.i64 q7,q10,q7
> +       vtrn.32 d2,d6
> +       vshr.s64 q8,q8,#26
> +       vtrn.32 d3,d7
> +       vadd.i64 q3,q9,q6
> +       vst1.8 d2,[r2,: 64]
> +       vshl.i64 q6,q6,#26
> +       vst1.8 d3,[r4,: 64]
> +       vadd.i64 q1,q4,q8
> +       vtrn.32 d4,d14
> +       vshl.i64 q4,q8,#26
> +       vtrn.32 d5,d15
> +       vsub.i64 q5,q5,q6
> +       add r2,r2,#16
> +       vsub.i64 q0,q0,q4
> +       vst1.8 d4,[r2,: 64]
> +       add r4,r4,#16
> +       vst1.8 d5,[r4,: 64]
> +       vtrn.32 d10,d6
> +       vtrn.32 d11,d7
> +       sub r2,r2,#8
> +       sub r4,r4,#8
> +       vtrn.32 d0,d2
> +       vtrn.32 d1,d3
> +       vst1.8 d10,[r2,: 64]
> +       vst1.8 d11,[r4,: 64]
> +       sub r2,r2,#24
> +       sub r4,r4,#24
> +       vst1.8 d0,[r2,: 64]
> +       vst1.8 d1,[r4,: 64]
> +       add r2,r3,#288
> +       add r4,r3,#336
> +       vld1.8 {d0-d1},[r2,: 128]!
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vsub.i32 q0,q0,q1
> +       vld1.8 {d2-d3},[r2,: 128]!
> +       vld1.8 {d4-d5},[r4,: 128]!
> +       vsub.i32 q1,q1,q2
> +       add r5,r3,#240
> +       vld1.8 {d4},[r2,: 64]
> +       vld1.8 {d6},[r4,: 64]
> +       vsub.i32 q2,q2,q3
> +       vst1.8 {d0-d1},[r5,: 128]!
> +       vst1.8 {d2-d3},[r5,: 128]!
> +       vst1.8 d4,[r5,: 64]
> +       add r2,r3,#144
> +       add r4,r3,#96
> +       add r5,r3,#144
> +       add r6,r3,#192
> +       vld1.8 {d0-d1},[r2,: 128]!
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vsub.i32 q2,q0,q1
> +       vadd.i32 q0,q0,q1
> +       vld1.8 {d2-d3},[r2,: 128]!
> +       vld1.8 {d6-d7},[r4,: 128]!
> +       vsub.i32 q4,q1,q3
> +       vadd.i32 q1,q1,q3
> +       vld1.8 {d6},[r2,: 64]
> +       vld1.8 {d10},[r4,: 64]
> +       vsub.i32 q6,q3,q5
> +       vadd.i32 q3,q3,q5
> +       vst1.8 {d4-d5},[r5,: 128]!
> +       vst1.8 {d0-d1},[r6,: 128]!
> +       vst1.8 {d8-d9},[r5,: 128]!
> +       vst1.8 {d2-d3},[r6,: 128]!
> +       vst1.8 d12,[r5,: 64]
> +       vst1.8 d6,[r6,: 64]
> +       add r2,r3,#0
> +       add r4,r3,#240
> +       vld1.8 {d0-d1},[r4,: 128]!
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vld1.8 {d4},[r4,: 64]
> +       add r4,r3,#336
> +       vld1.8 {d6-d7},[r4,: 128]!
> +       vtrn.32 q0,q3
> +       vld1.8 {d8-d9},[r4,: 128]!
> +       vshl.i32 q5,q0,#4
> +       vtrn.32 q1,q4
> +       vshl.i32 q6,q3,#4
> +       vadd.i32 q5,q5,q0
> +       vadd.i32 q6,q6,q3
> +       vshl.i32 q7,q1,#4
> +       vld1.8 {d5},[r4,: 64]
> +       vshl.i32 q8,q4,#4
> +       vtrn.32 d4,d5
> +       vadd.i32 q7,q7,q1
> +       vadd.i32 q8,q8,q4
> +       vld1.8 {d18-d19},[r2,: 128]!
> +       vshl.i32 q10,q2,#4
> +       vld1.8 {d22-d23},[r2,: 128]!
> +       vadd.i32 q10,q10,q2
> +       vld1.8 {d24},[r2,: 64]
> +       vadd.i32 q5,q5,q0
> +       add r2,r3,#288
> +       vld1.8 {d26-d27},[r2,: 128]!
> +       vadd.i32 q6,q6,q3
> +       vld1.8 {d28-d29},[r2,: 128]!
> +       vadd.i32 q8,q8,q4
> +       vld1.8 {d25},[r2,: 64]
> +       vadd.i32 q10,q10,q2
> +       vtrn.32 q9,q13
> +       vadd.i32 q7,q7,q1
> +       vadd.i32 q5,q5,q0
> +       vtrn.32 q11,q14
> +       vadd.i32 q6,q6,q3
> +       add r2,sp,#560
> +       vadd.i32 q10,q10,q2
> +       vtrn.32 d24,d25
> +       vst1.8 {d12-d13},[r2,: 128]
> +       vshl.i32 q6,q13,#1
> +       add r2,sp,#576
> +       vst1.8 {d20-d21},[r2,: 128]
> +       vshl.i32 q10,q14,#1
> +       add r2,sp,#592
> +       vst1.8 {d12-d13},[r2,: 128]
> +       vshl.i32 q15,q12,#1
> +       vadd.i32 q8,q8,q4
> +       vext.32 d10,d31,d30,#0
> +       vadd.i32 q7,q7,q1
> +       add r2,sp,#608
> +       vst1.8 {d16-d17},[r2,: 128]
> +       vmull.s32 q8,d18,d5
> +       vmlal.s32 q8,d26,d4
> +       vmlal.s32 q8,d19,d9
> +       vmlal.s32 q8,d27,d3
> +       vmlal.s32 q8,d22,d8
> +       vmlal.s32 q8,d28,d2
> +       vmlal.s32 q8,d23,d7
> +       vmlal.s32 q8,d29,d1
> +       vmlal.s32 q8,d24,d6
> +       vmlal.s32 q8,d25,d0
> +       add r2,sp,#624
> +       vst1.8 {d14-d15},[r2,: 128]
> +       vmull.s32 q2,d18,d4
> +       vmlal.s32 q2,d12,d9
> +       vmlal.s32 q2,d13,d8
> +       vmlal.s32 q2,d19,d3
> +       vmlal.s32 q2,d22,d2
> +       vmlal.s32 q2,d23,d1
> +       vmlal.s32 q2,d24,d0
> +       add r2,sp,#640
> +       vst1.8 {d20-d21},[r2,: 128]
> +       vmull.s32 q7,d18,d9
> +       vmlal.s32 q7,d26,d3
> +       vmlal.s32 q7,d19,d8
> +       vmlal.s32 q7,d27,d2
> +       vmlal.s32 q7,d22,d7
> +       vmlal.s32 q7,d28,d1
> +       vmlal.s32 q7,d23,d6
> +       vmlal.s32 q7,d29,d0
> +       add r2,sp,#656
> +       vst1.8 {d10-d11},[r2,: 128]
> +       vmull.s32 q5,d18,d3
> +       vmlal.s32 q5,d19,d2
> +       vmlal.s32 q5,d22,d1
> +       vmlal.s32 q5,d23,d0
> +       vmlal.s32 q5,d12,d8
> +       add r2,sp,#672
> +       vst1.8 {d16-d17},[r2,: 128]
> +       vmull.s32 q4,d18,d8
> +       vmlal.s32 q4,d26,d2
> +       vmlal.s32 q4,d19,d7
> +       vmlal.s32 q4,d27,d1
> +       vmlal.s32 q4,d22,d6
> +       vmlal.s32 q4,d28,d0
> +       vmull.s32 q8,d18,d7
> +       vmlal.s32 q8,d26,d1
> +       vmlal.s32 q8,d19,d6
> +       vmlal.s32 q8,d27,d0
> +       add r2,sp,#576
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vmlal.s32 q7,d24,d21
> +       vmlal.s32 q7,d25,d20
> +       vmlal.s32 q4,d23,d21
> +       vmlal.s32 q4,d29,d20
> +       vmlal.s32 q8,d22,d21
> +       vmlal.s32 q8,d28,d20
> +       vmlal.s32 q5,d24,d20
> +       add r2,sp,#576
> +       vst1.8 {d14-d15},[r2,: 128]
> +       vmull.s32 q7,d18,d6
> +       vmlal.s32 q7,d26,d0
> +       add r2,sp,#656
> +       vld1.8 {d30-d31},[r2,: 128]
> +       vmlal.s32 q2,d30,d21
> +       vmlal.s32 q7,d19,d21
> +       vmlal.s32 q7,d27,d20
> +       add r2,sp,#624
> +       vld1.8 {d26-d27},[r2,: 128]
> +       vmlal.s32 q4,d25,d27
> +       vmlal.s32 q8,d29,d27
> +       vmlal.s32 q8,d25,d26
> +       vmlal.s32 q7,d28,d27
> +       vmlal.s32 q7,d29,d26
> +       add r2,sp,#608
> +       vld1.8 {d28-d29},[r2,: 128]
> +       vmlal.s32 q4,d24,d29
> +       vmlal.s32 q8,d23,d29
> +       vmlal.s32 q8,d24,d28
> +       vmlal.s32 q7,d22,d29
> +       vmlal.s32 q7,d23,d28
> +       add r2,sp,#608
> +       vst1.8 {d8-d9},[r2,: 128]
> +       add r2,sp,#560
> +       vld1.8 {d8-d9},[r2,: 128]
> +       vmlal.s32 q7,d24,d9
> +       vmlal.s32 q7,d25,d31
> +       vmull.s32 q1,d18,d2
> +       vmlal.s32 q1,d19,d1
> +       vmlal.s32 q1,d22,d0
> +       vmlal.s32 q1,d24,d27
> +       vmlal.s32 q1,d23,d20
> +       vmlal.s32 q1,d12,d7
> +       vmlal.s32 q1,d13,d6
> +       vmull.s32 q6,d18,d1
> +       vmlal.s32 q6,d19,d0
> +       vmlal.s32 q6,d23,d27
> +       vmlal.s32 q6,d22,d20
> +       vmlal.s32 q6,d24,d26
> +       vmull.s32 q0,d18,d0
> +       vmlal.s32 q0,d22,d27
> +       vmlal.s32 q0,d23,d26
> +       vmlal.s32 q0,d24,d31
> +       vmlal.s32 q0,d19,d20
> +       add r2,sp,#640
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmlal.s32 q2,d18,d7
> +       vmlal.s32 q2,d19,d6
> +       vmlal.s32 q5,d18,d6
> +       vmlal.s32 q5,d19,d21
> +       vmlal.s32 q1,d18,d21
> +       vmlal.s32 q1,d19,d29
> +       vmlal.s32 q0,d18,d28
> +       vmlal.s32 q0,d19,d9
> +       vmlal.s32 q6,d18,d29
> +       vmlal.s32 q6,d19,d28
> +       add r2,sp,#592
> +       vld1.8 {d18-d19},[r2,: 128]
> +       add r2,sp,#512
> +       vld1.8 {d22-d23},[r2,: 128]
> +       vmlal.s32 q5,d19,d7
> +       vmlal.s32 q0,d18,d21
> +       vmlal.s32 q0,d19,d29
> +       vmlal.s32 q6,d18,d6
> +       add r2,sp,#528
> +       vld1.8 {d6-d7},[r2,: 128]
> +       vmlal.s32 q6,d19,d21
> +       add r2,sp,#576
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmlal.s32 q0,d30,d8
> +       add r2,sp,#672
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vmlal.s32 q5,d30,d29
> +       add r2,sp,#608
> +       vld1.8 {d24-d25},[r2,: 128]
> +       vmlal.s32 q1,d30,d28
> +       vadd.i64 q13,q0,q11
> +       vadd.i64 q14,q5,q11
> +       vmlal.s32 q6,d30,d9
> +       vshr.s64 q4,q13,#26
> +       vshr.s64 q13,q14,#26
> +       vadd.i64 q7,q7,q4
> +       vshl.i64 q4,q4,#26
> +       vadd.i64 q14,q7,q3
> +       vadd.i64 q9,q9,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q15,q9,q3
> +       vsub.i64 q0,q0,q4
> +       vshr.s64 q4,q14,#25
> +       vsub.i64 q5,q5,q13
> +       vshr.s64 q13,q15,#25
> +       vadd.i64 q6,q6,q4
> +       vshl.i64 q4,q4,#25
> +       vadd.i64 q14,q6,q11
> +       vadd.i64 q2,q2,q13
> +       vsub.i64 q4,q7,q4
> +       vshr.s64 q7,q14,#26
> +       vshl.i64 q13,q13,#25
> +       vadd.i64 q14,q2,q11
> +       vadd.i64 q8,q8,q7
> +       vshl.i64 q7,q7,#26
> +       vadd.i64 q15,q8,q3
> +       vsub.i64 q9,q9,q13
> +       vshr.s64 q13,q14,#26
> +       vsub.i64 q6,q6,q7
> +       vshr.s64 q7,q15,#25
> +       vadd.i64 q10,q10,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q14,q10,q3
> +       vadd.i64 q1,q1,q7
> +       add r2,r3,#288
> +       vshl.i64 q7,q7,#25
> +       add r4,r3,#96
> +       vadd.i64 q15,q1,q11
> +       add r2,r2,#8
> +       vsub.i64 q2,q2,q13
> +       add r4,r4,#8
> +       vshr.s64 q13,q14,#25
> +       vsub.i64 q7,q8,q7
> +       vshr.s64 q8,q15,#26
> +       vadd.i64 q14,q13,q13
> +       vadd.i64 q12,q12,q8
> +       vtrn.32 d12,d14
> +       vshl.i64 q8,q8,#26
> +       vtrn.32 d13,d15
> +       vadd.i64 q3,q12,q3
> +       vadd.i64 q0,q0,q14
> +       vst1.8 d12,[r2,: 64]!
> +       vshl.i64 q7,q13,#4
> +       vst1.8 d13,[r4,: 64]!
> +       vsub.i64 q1,q1,q8
> +       vshr.s64 q3,q3,#25
> +       vadd.i64 q0,q0,q7
> +       vadd.i64 q5,q5,q3
> +       vshl.i64 q3,q3,#25
> +       vadd.i64 q6,q5,q11
> +       vadd.i64 q0,q0,q13
> +       vshl.i64 q7,q13,#25
> +       vadd.i64 q8,q0,q11
> +       vsub.i64 q3,q12,q3
> +       vshr.s64 q6,q6,#26
> +       vsub.i64 q7,q10,q7
> +       vtrn.32 d2,d6
> +       vshr.s64 q8,q8,#26
> +       vtrn.32 d3,d7
> +       vadd.i64 q3,q9,q6
> +       vst1.8 d2,[r2,: 64]
> +       vshl.i64 q6,q6,#26
> +       vst1.8 d3,[r4,: 64]
> +       vadd.i64 q1,q4,q8
> +       vtrn.32 d4,d14
> +       vshl.i64 q4,q8,#26
> +       vtrn.32 d5,d15
> +       vsub.i64 q5,q5,q6
> +       add r2,r2,#16
> +       vsub.i64 q0,q0,q4
> +       vst1.8 d4,[r2,: 64]
> +       add r4,r4,#16
> +       vst1.8 d5,[r4,: 64]
> +       vtrn.32 d10,d6
> +       vtrn.32 d11,d7
> +       sub r2,r2,#8
> +       sub r4,r4,#8
> +       vtrn.32 d0,d2
> +       vtrn.32 d1,d3
> +       vst1.8 d10,[r2,: 64]
> +       vst1.8 d11,[r4,: 64]
> +       sub r2,r2,#24
> +       sub r4,r4,#24
> +       vst1.8 d0,[r2,: 64]
> +       vst1.8 d1,[r4,: 64]
> +       add r2,sp,#544
> +       add r4,r3,#144
> +       add r5,r3,#192
> +       vld1.8 {d0-d1},[r2,: 128]
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vld1.8 {d4-d5},[r5,: 128]!
> +       vzip.i32 q1,q2
> +       vld1.8 {d6-d7},[r4,: 128]!
> +       vld1.8 {d8-d9},[r5,: 128]!
> +       vshl.i32 q5,q1,#1
> +       vzip.i32 q3,q4
> +       vshl.i32 q6,q2,#1
> +       vld1.8 {d14},[r4,: 64]
> +       vshl.i32 q8,q3,#1
> +       vld1.8 {d15},[r5,: 64]
> +       vshl.i32 q9,q4,#1
> +       vmul.i32 d21,d7,d1
> +       vtrn.32 d14,d15
> +       vmul.i32 q11,q4,q0
> +       vmul.i32 q0,q7,q0
> +       vmull.s32 q12,d2,d2
> +       vmlal.s32 q12,d11,d1
> +       vmlal.s32 q12,d12,d0
> +       vmlal.s32 q12,d13,d23
> +       vmlal.s32 q12,d16,d22
> +       vmlal.s32 q12,d7,d21
> +       vmull.s32 q10,d2,d11
> +       vmlal.s32 q10,d4,d1
> +       vmlal.s32 q10,d13,d0
> +       vmlal.s32 q10,d6,d23
> +       vmlal.s32 q10,d17,d22
> +       vmull.s32 q13,d10,d4
> +       vmlal.s32 q13,d11,d3
> +       vmlal.s32 q13,d13,d1
> +       vmlal.s32 q13,d16,d0
> +       vmlal.s32 q13,d17,d23
> +       vmlal.s32 q13,d8,d22
> +       vmull.s32 q1,d10,d5
> +       vmlal.s32 q1,d11,d4
> +       vmlal.s32 q1,d6,d1
> +       vmlal.s32 q1,d17,d0
> +       vmlal.s32 q1,d8,d23
> +       vmull.s32 q14,d10,d6
> +       vmlal.s32 q14,d11,d13
> +       vmlal.s32 q14,d4,d4
> +       vmlal.s32 q14,d17,d1
> +       vmlal.s32 q14,d18,d0
> +       vmlal.s32 q14,d9,d23
> +       vmull.s32 q11,d10,d7
> +       vmlal.s32 q11,d11,d6
> +       vmlal.s32 q11,d12,d5
> +       vmlal.s32 q11,d8,d1
> +       vmlal.s32 q11,d19,d0
> +       vmull.s32 q15,d10,d8
> +       vmlal.s32 q15,d11,d17
> +       vmlal.s32 q15,d12,d6
> +       vmlal.s32 q15,d13,d5
> +       vmlal.s32 q15,d19,d1
> +       vmlal.s32 q15,d14,d0
> +       vmull.s32 q2,d10,d9
> +       vmlal.s32 q2,d11,d8
> +       vmlal.s32 q2,d12,d7
> +       vmlal.s32 q2,d13,d6
> +       vmlal.s32 q2,d14,d1
> +       vmull.s32 q0,d15,d1
> +       vmlal.s32 q0,d10,d14
> +       vmlal.s32 q0,d11,d19
> +       vmlal.s32 q0,d12,d8
> +       vmlal.s32 q0,d13,d17
> +       vmlal.s32 q0,d6,d6
> +       add r2,sp,#512
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmull.s32 q3,d16,d7
> +       vmlal.s32 q3,d10,d15
> +       vmlal.s32 q3,d11,d14
> +       vmlal.s32 q3,d12,d9
> +       vmlal.s32 q3,d13,d8
> +       add r2,sp,#528
> +       vld1.8 {d8-d9},[r2,: 128]
> +       vadd.i64 q5,q12,q9
> +       vadd.i64 q6,q15,q9
> +       vshr.s64 q5,q5,#26
> +       vshr.s64 q6,q6,#26
> +       vadd.i64 q7,q10,q5
> +       vshl.i64 q5,q5,#26
> +       vadd.i64 q8,q7,q4
> +       vadd.i64 q2,q2,q6
> +       vshl.i64 q6,q6,#26
> +       vadd.i64 q10,q2,q4
> +       vsub.i64 q5,q12,q5
> +       vshr.s64 q8,q8,#25
> +       vsub.i64 q6,q15,q6
> +       vshr.s64 q10,q10,#25
> +       vadd.i64 q12,q13,q8
> +       vshl.i64 q8,q8,#25
> +       vadd.i64 q13,q12,q9
> +       vadd.i64 q0,q0,q10
> +       vsub.i64 q7,q7,q8
> +       vshr.s64 q8,q13,#26
> +       vshl.i64 q10,q10,#25
> +       vadd.i64 q13,q0,q9
> +       vadd.i64 q1,q1,q8
> +       vshl.i64 q8,q8,#26
> +       vadd.i64 q15,q1,q4
> +       vsub.i64 q2,q2,q10
> +       vshr.s64 q10,q13,#26
> +       vsub.i64 q8,q12,q8
> +       vshr.s64 q12,q15,#25
> +       vadd.i64 q3,q3,q10
> +       vshl.i64 q10,q10,#26
> +       vadd.i64 q13,q3,q4
> +       vadd.i64 q14,q14,q12
> +       add r2,r3,#144
> +       vshl.i64 q12,q12,#25
> +       add r4,r3,#192
> +       vadd.i64 q15,q14,q9
> +       add r2,r2,#8
> +       vsub.i64 q0,q0,q10
> +       add r4,r4,#8
> +       vshr.s64 q10,q13,#25
> +       vsub.i64 q1,q1,q12
> +       vshr.s64 q12,q15,#26
> +       vadd.i64 q13,q10,q10
> +       vadd.i64 q11,q11,q12
> +       vtrn.32 d16,d2
> +       vshl.i64 q12,q12,#26
> +       vtrn.32 d17,d3
> +       vadd.i64 q1,q11,q4
> +       vadd.i64 q4,q5,q13
> +       vst1.8 d16,[r2,: 64]!
> +       vshl.i64 q5,q10,#4
> +       vst1.8 d17,[r4,: 64]!
> +       vsub.i64 q8,q14,q12
> +       vshr.s64 q1,q1,#25
> +       vadd.i64 q4,q4,q5
> +       vadd.i64 q5,q6,q1
> +       vshl.i64 q1,q1,#25
> +       vadd.i64 q6,q5,q9
> +       vadd.i64 q4,q4,q10
> +       vshl.i64 q10,q10,#25
> +       vadd.i64 q9,q4,q9
> +       vsub.i64 q1,q11,q1
> +       vshr.s64 q6,q6,#26
> +       vsub.i64 q3,q3,q10
> +       vtrn.32 d16,d2
> +       vshr.s64 q9,q9,#26
> +       vtrn.32 d17,d3
> +       vadd.i64 q1,q2,q6
> +       vst1.8 d16,[r2,: 64]
> +       vshl.i64 q2,q6,#26
> +       vst1.8 d17,[r4,: 64]
> +       vadd.i64 q6,q7,q9
> +       vtrn.32 d0,d6
> +       vshl.i64 q7,q9,#26
> +       vtrn.32 d1,d7
> +       vsub.i64 q2,q5,q2
> +       add r2,r2,#16
> +       vsub.i64 q3,q4,q7
> +       vst1.8 d0,[r2,: 64]
> +       add r4,r4,#16
> +       vst1.8 d1,[r4,: 64]
> +       vtrn.32 d4,d2
> +       vtrn.32 d5,d3
> +       sub r2,r2,#8
> +       sub r4,r4,#8
> +       vtrn.32 d6,d12
> +       vtrn.32 d7,d13
> +       vst1.8 d4,[r2,: 64]
> +       vst1.8 d5,[r4,: 64]
> +       sub r2,r2,#24
> +       sub r4,r4,#24
> +       vst1.8 d6,[r2,: 64]
> +       vst1.8 d7,[r4,: 64]
> +       add r2,r3,#336
> +       add r4,r3,#288
> +       vld1.8 {d0-d1},[r2,: 128]!
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vadd.i32 q0,q0,q1
> +       vld1.8 {d2-d3},[r2,: 128]!
> +       vld1.8 {d4-d5},[r4,: 128]!
> +       vadd.i32 q1,q1,q2
> +       add r5,r3,#288
> +       vld1.8 {d4},[r2,: 64]
> +       vld1.8 {d6},[r4,: 64]
> +       vadd.i32 q2,q2,q3
> +       vst1.8 {d0-d1},[r5,: 128]!
> +       vst1.8 {d2-d3},[r5,: 128]!
> +       vst1.8 d4,[r5,: 64]
> +       add r2,r3,#48
> +       add r4,r3,#144
> +       vld1.8 {d0-d1},[r4,: 128]!
> +       vld1.8 {d2-d3},[r4,: 128]!
> +       vld1.8 {d4},[r4,: 64]
> +       add r4,r3,#288
> +       vld1.8 {d6-d7},[r4,: 128]!
> +       vtrn.32 q0,q3
> +       vld1.8 {d8-d9},[r4,: 128]!
> +       vshl.i32 q5,q0,#4
> +       vtrn.32 q1,q4
> +       vshl.i32 q6,q3,#4
> +       vadd.i32 q5,q5,q0
> +       vadd.i32 q6,q6,q3
> +       vshl.i32 q7,q1,#4
> +       vld1.8 {d5},[r4,: 64]
> +       vshl.i32 q8,q4,#4
> +       vtrn.32 d4,d5
> +       vadd.i32 q7,q7,q1
> +       vadd.i32 q8,q8,q4
> +       vld1.8 {d18-d19},[r2,: 128]!
> +       vshl.i32 q10,q2,#4
> +       vld1.8 {d22-d23},[r2,: 128]!
> +       vadd.i32 q10,q10,q2
> +       vld1.8 {d24},[r2,: 64]
> +       vadd.i32 q5,q5,q0
> +       add r2,r3,#240
> +       vld1.8 {d26-d27},[r2,: 128]!
> +       vadd.i32 q6,q6,q3
> +       vld1.8 {d28-d29},[r2,: 128]!
> +       vadd.i32 q8,q8,q4
> +       vld1.8 {d25},[r2,: 64]
> +       vadd.i32 q10,q10,q2
> +       vtrn.32 q9,q13
> +       vadd.i32 q7,q7,q1
> +       vadd.i32 q5,q5,q0
> +       vtrn.32 q11,q14
> +       vadd.i32 q6,q6,q3
> +       add r2,sp,#560
> +       vadd.i32 q10,q10,q2
> +       vtrn.32 d24,d25
> +       vst1.8 {d12-d13},[r2,: 128]
> +       vshl.i32 q6,q13,#1
> +       add r2,sp,#576
> +       vst1.8 {d20-d21},[r2,: 128]
> +       vshl.i32 q10,q14,#1
> +       add r2,sp,#592
> +       vst1.8 {d12-d13},[r2,: 128]
> +       vshl.i32 q15,q12,#1
> +       vadd.i32 q8,q8,q4
> +       vext.32 d10,d31,d30,#0
> +       vadd.i32 q7,q7,q1
> +       add r2,sp,#608
> +       vst1.8 {d16-d17},[r2,: 128]
> +       vmull.s32 q8,d18,d5
> +       vmlal.s32 q8,d26,d4
> +       vmlal.s32 q8,d19,d9
> +       vmlal.s32 q8,d27,d3
> +       vmlal.s32 q8,d22,d8
> +       vmlal.s32 q8,d28,d2
> +       vmlal.s32 q8,d23,d7
> +       vmlal.s32 q8,d29,d1
> +       vmlal.s32 q8,d24,d6
> +       vmlal.s32 q8,d25,d0
> +       add r2,sp,#624
> +       vst1.8 {d14-d15},[r2,: 128]
> +       vmull.s32 q2,d18,d4
> +       vmlal.s32 q2,d12,d9
> +       vmlal.s32 q2,d13,d8
> +       vmlal.s32 q2,d19,d3
> +       vmlal.s32 q2,d22,d2
> +       vmlal.s32 q2,d23,d1
> +       vmlal.s32 q2,d24,d0
> +       add r2,sp,#640
> +       vst1.8 {d20-d21},[r2,: 128]
> +       vmull.s32 q7,d18,d9
> +       vmlal.s32 q7,d26,d3
> +       vmlal.s32 q7,d19,d8
> +       vmlal.s32 q7,d27,d2
> +       vmlal.s32 q7,d22,d7
> +       vmlal.s32 q7,d28,d1
> +       vmlal.s32 q7,d23,d6
> +       vmlal.s32 q7,d29,d0
> +       add r2,sp,#656
> +       vst1.8 {d10-d11},[r2,: 128]
> +       vmull.s32 q5,d18,d3
> +       vmlal.s32 q5,d19,d2
> +       vmlal.s32 q5,d22,d1
> +       vmlal.s32 q5,d23,d0
> +       vmlal.s32 q5,d12,d8
> +       add r2,sp,#672
> +       vst1.8 {d16-d17},[r2,: 128]
> +       vmull.s32 q4,d18,d8
> +       vmlal.s32 q4,d26,d2
> +       vmlal.s32 q4,d19,d7
> +       vmlal.s32 q4,d27,d1
> +       vmlal.s32 q4,d22,d6
> +       vmlal.s32 q4,d28,d0
> +       vmull.s32 q8,d18,d7
> +       vmlal.s32 q8,d26,d1
> +       vmlal.s32 q8,d19,d6
> +       vmlal.s32 q8,d27,d0
> +       add r2,sp,#576
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vmlal.s32 q7,d24,d21
> +       vmlal.s32 q7,d25,d20
> +       vmlal.s32 q4,d23,d21
> +       vmlal.s32 q4,d29,d20
> +       vmlal.s32 q8,d22,d21
> +       vmlal.s32 q8,d28,d20
> +       vmlal.s32 q5,d24,d20
> +       add r2,sp,#576
> +       vst1.8 {d14-d15},[r2,: 128]
> +       vmull.s32 q7,d18,d6
> +       vmlal.s32 q7,d26,d0
> +       add r2,sp,#656
> +       vld1.8 {d30-d31},[r2,: 128]
> +       vmlal.s32 q2,d30,d21
> +       vmlal.s32 q7,d19,d21
> +       vmlal.s32 q7,d27,d20
> +       add r2,sp,#624
> +       vld1.8 {d26-d27},[r2,: 128]
> +       vmlal.s32 q4,d25,d27
> +       vmlal.s32 q8,d29,d27
> +       vmlal.s32 q8,d25,d26
> +       vmlal.s32 q7,d28,d27
> +       vmlal.s32 q7,d29,d26
> +       add r2,sp,#608
> +       vld1.8 {d28-d29},[r2,: 128]
> +       vmlal.s32 q4,d24,d29
> +       vmlal.s32 q8,d23,d29
> +       vmlal.s32 q8,d24,d28
> +       vmlal.s32 q7,d22,d29
> +       vmlal.s32 q7,d23,d28
> +       add r2,sp,#608
> +       vst1.8 {d8-d9},[r2,: 128]
> +       add r2,sp,#560
> +       vld1.8 {d8-d9},[r2,: 128]
> +       vmlal.s32 q7,d24,d9
> +       vmlal.s32 q7,d25,d31
> +       vmull.s32 q1,d18,d2
> +       vmlal.s32 q1,d19,d1
> +       vmlal.s32 q1,d22,d0
> +       vmlal.s32 q1,d24,d27
> +       vmlal.s32 q1,d23,d20
> +       vmlal.s32 q1,d12,d7
> +       vmlal.s32 q1,d13,d6
> +       vmull.s32 q6,d18,d1
> +       vmlal.s32 q6,d19,d0
> +       vmlal.s32 q6,d23,d27
> +       vmlal.s32 q6,d22,d20
> +       vmlal.s32 q6,d24,d26
> +       vmull.s32 q0,d18,d0
> +       vmlal.s32 q0,d22,d27
> +       vmlal.s32 q0,d23,d26
> +       vmlal.s32 q0,d24,d31
> +       vmlal.s32 q0,d19,d20
> +       add r2,sp,#640
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmlal.s32 q2,d18,d7
> +       vmlal.s32 q2,d19,d6
> +       vmlal.s32 q5,d18,d6
> +       vmlal.s32 q5,d19,d21
> +       vmlal.s32 q1,d18,d21
> +       vmlal.s32 q1,d19,d29
> +       vmlal.s32 q0,d18,d28
> +       vmlal.s32 q0,d19,d9
> +       vmlal.s32 q6,d18,d29
> +       vmlal.s32 q6,d19,d28
> +       add r2,sp,#592
> +       vld1.8 {d18-d19},[r2,: 128]
> +       add r2,sp,#512
> +       vld1.8 {d22-d23},[r2,: 128]
> +       vmlal.s32 q5,d19,d7
> +       vmlal.s32 q0,d18,d21
> +       vmlal.s32 q0,d19,d29
> +       vmlal.s32 q6,d18,d6
> +       add r2,sp,#528
> +       vld1.8 {d6-d7},[r2,: 128]
> +       vmlal.s32 q6,d19,d21
> +       add r2,sp,#576
> +       vld1.8 {d18-d19},[r2,: 128]
> +       vmlal.s32 q0,d30,d8
> +       add r2,sp,#672
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vmlal.s32 q5,d30,d29
> +       add r2,sp,#608
> +       vld1.8 {d24-d25},[r2,: 128]
> +       vmlal.s32 q1,d30,d28
> +       vadd.i64 q13,q0,q11
> +       vadd.i64 q14,q5,q11
> +       vmlal.s32 q6,d30,d9
> +       vshr.s64 q4,q13,#26
> +       vshr.s64 q13,q14,#26
> +       vadd.i64 q7,q7,q4
> +       vshl.i64 q4,q4,#26
> +       vadd.i64 q14,q7,q3
> +       vadd.i64 q9,q9,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q15,q9,q3
> +       vsub.i64 q0,q0,q4
> +       vshr.s64 q4,q14,#25
> +       vsub.i64 q5,q5,q13
> +       vshr.s64 q13,q15,#25
> +       vadd.i64 q6,q6,q4
> +       vshl.i64 q4,q4,#25
> +       vadd.i64 q14,q6,q11
> +       vadd.i64 q2,q2,q13
> +       vsub.i64 q4,q7,q4
> +       vshr.s64 q7,q14,#26
> +       vshl.i64 q13,q13,#25
> +       vadd.i64 q14,q2,q11
> +       vadd.i64 q8,q8,q7
> +       vshl.i64 q7,q7,#26
> +       vadd.i64 q15,q8,q3
> +       vsub.i64 q9,q9,q13
> +       vshr.s64 q13,q14,#26
> +       vsub.i64 q6,q6,q7
> +       vshr.s64 q7,q15,#25
> +       vadd.i64 q10,q10,q13
> +       vshl.i64 q13,q13,#26
> +       vadd.i64 q14,q10,q3
> +       vadd.i64 q1,q1,q7
> +       add r2,r3,#240
> +       vshl.i64 q7,q7,#25
> +       add r4,r3,#144
> +       vadd.i64 q15,q1,q11
> +       add r2,r2,#8
> +       vsub.i64 q2,q2,q13
> +       add r4,r4,#8
> +       vshr.s64 q13,q14,#25
> +       vsub.i64 q7,q8,q7
> +       vshr.s64 q8,q15,#26
> +       vadd.i64 q14,q13,q13
> +       vadd.i64 q12,q12,q8
> +       vtrn.32 d12,d14
> +       vshl.i64 q8,q8,#26
> +       vtrn.32 d13,d15
> +       vadd.i64 q3,q12,q3
> +       vadd.i64 q0,q0,q14
> +       vst1.8 d12,[r2,: 64]!
> +       vshl.i64 q7,q13,#4
> +       vst1.8 d13,[r4,: 64]!
> +       vsub.i64 q1,q1,q8
> +       vshr.s64 q3,q3,#25
> +       vadd.i64 q0,q0,q7
> +       vadd.i64 q5,q5,q3
> +       vshl.i64 q3,q3,#25
> +       vadd.i64 q6,q5,q11
> +       vadd.i64 q0,q0,q13
> +       vshl.i64 q7,q13,#25
> +       vadd.i64 q8,q0,q11
> +       vsub.i64 q3,q12,q3
> +       vshr.s64 q6,q6,#26
> +       vsub.i64 q7,q10,q7
> +       vtrn.32 d2,d6
> +       vshr.s64 q8,q8,#26
> +       vtrn.32 d3,d7
> +       vadd.i64 q3,q9,q6
> +       vst1.8 d2,[r2,: 64]
> +       vshl.i64 q6,q6,#26
> +       vst1.8 d3,[r4,: 64]
> +       vadd.i64 q1,q4,q8
> +       vtrn.32 d4,d14
> +       vshl.i64 q4,q8,#26
> +       vtrn.32 d5,d15
> +       vsub.i64 q5,q5,q6
> +       add r2,r2,#16
> +       vsub.i64 q0,q0,q4
> +       vst1.8 d4,[r2,: 64]
> +       add r4,r4,#16
> +       vst1.8 d5,[r4,: 64]
> +       vtrn.32 d10,d6
> +       vtrn.32 d11,d7
> +       sub r2,r2,#8
> +       sub r4,r4,#8
> +       vtrn.32 d0,d2
> +       vtrn.32 d1,d3
> +       vst1.8 d10,[r2,: 64]
> +       vst1.8 d11,[r4,: 64]
> +       sub r2,r2,#24
> +       sub r4,r4,#24
> +       vst1.8 d0,[r2,: 64]
> +       vst1.8 d1,[r4,: 64]
> +       ldr r2,[sp,#488]
> +       ldr r4,[sp,#492]
> +       subs r5,r2,#1
> +       bge .Lmainloop
> +       add r1,r3,#144
> +       add r2,r3,#336
> +       vld1.8 {d0-d1},[r1,: 128]!
> +       vld1.8 {d2-d3},[r1,: 128]!
> +       vld1.8 {d4},[r1,: 64]
> +       vst1.8 {d0-d1},[r2,: 128]!
> +       vst1.8 {d2-d3},[r2,: 128]!
> +       vst1.8 d4,[r2,: 64]
> +       ldr r1,=0
> +       .Linvertloop:
> +       add r2,r3,#144
> +       ldr r4,=0
> +       ldr r5,=2
> +       cmp r1,#1
> +       ldreq r5,=1
> +       addeq r2,r3,#336
> +       addeq r4,r3,#48
> +       cmp r1,#2
> +       ldreq r5,=1
> +       addeq r2,r3,#48
> +       cmp r1,#3
> +       ldreq r5,=5
> +       addeq r4,r3,#336
> +       cmp r1,#4
> +       ldreq r5,=10
> +       cmp r1,#5
> +       ldreq r5,=20
> +       cmp r1,#6
> +       ldreq r5,=10
> +       addeq r2,r3,#336
> +       addeq r4,r3,#336
> +       cmp r1,#7
> +       ldreq r5,=50
> +       cmp r1,#8
> +       ldreq r5,=100
> +       cmp r1,#9
> +       ldreq r5,=50
> +       addeq r2,r3,#336
> +       cmp r1,#10
> +       ldreq r5,=5
> +       addeq r2,r3,#48
> +       cmp r1,#11
> +       ldreq r5,=0
> +       addeq r2,r3,#96
> +       add r6,r3,#144
> +       add r7,r3,#288
> +       vld1.8 {d0-d1},[r6,: 128]!
> +       vld1.8 {d2-d3},[r6,: 128]!
> +       vld1.8 {d4},[r6,: 64]
> +       vst1.8 {d0-d1},[r7,: 128]!
> +       vst1.8 {d2-d3},[r7,: 128]!
> +       vst1.8 d4,[r7,: 64]
> +       cmp r5,#0
> +       beq .Lskipsquaringloop
> +       .Lsquaringloop:
> +       add r6,r3,#288
> +       add r7,r3,#288
> +       add r8,r3,#288
> +       vmov.i32 q0,#19
> +       vmov.i32 q1,#0
> +       vmov.i32 q2,#1
> +       vzip.i32 q1,q2
> +       vld1.8 {d4-d5},[r7,: 128]!
> +       vld1.8 {d6-d7},[r7,: 128]!
> +       vld1.8 {d9},[r7,: 64]
> +       vld1.8 {d10-d11},[r6,: 128]!
> +       add r7,sp,#416
> +       vld1.8 {d12-d13},[r6,: 128]!
> +       vmul.i32 q7,q2,q0
> +       vld1.8 {d8},[r6,: 64]
> +       vext.32 d17,d11,d10,#1
> +       vmul.i32 q9,q3,q0
> +       vext.32 d16,d10,d8,#1
> +       vshl.u32 q10,q5,q1
> +       vext.32 d22,d14,d4,#1
> +       vext.32 d24,d18,d6,#1
> +       vshl.u32 q13,q6,q1
> +       vshl.u32 d28,d8,d2
> +       vrev64.i32 d22,d22
> +       vmul.i32 d1,d9,d1
> +       vrev64.i32 d24,d24
> +       vext.32 d29,d8,d13,#1
> +       vext.32 d0,d1,d9,#1
> +       vrev64.i32 d0,d0
> +       vext.32 d2,d9,d1,#1
> +       vext.32 d23,d15,d5,#1
> +       vmull.s32 q4,d20,d4
> +       vrev64.i32 d23,d23
> +       vmlal.s32 q4,d21,d1
> +       vrev64.i32 d2,d2
> +       vmlal.s32 q4,d26,d19
> +       vext.32 d3,d5,d15,#1
> +       vmlal.s32 q4,d27,d18
> +       vrev64.i32 d3,d3
> +       vmlal.s32 q4,d28,d15
> +       vext.32 d14,d12,d11,#1
> +       vmull.s32 q5,d16,d23
> +       vext.32 d15,d13,d12,#1
> +       vmlal.s32 q5,d17,d4
> +       vst1.8 d8,[r7,: 64]!
> +       vmlal.s32 q5,d14,d1
> +       vext.32 d12,d9,d8,#0
> +       vmlal.s32 q5,d15,d19
> +       vmov.i64 d13,#0
> +       vmlal.s32 q5,d29,d18
> +       vext.32 d25,d19,d7,#1
> +       vmlal.s32 q6,d20,d5
> +       vrev64.i32 d25,d25
> +       vmlal.s32 q6,d21,d4
> +       vst1.8 d11,[r7,: 64]!
> +       vmlal.s32 q6,d26,d1
> +       vext.32 d9,d10,d10,#0
> +       vmlal.s32 q6,d27,d19
> +       vmov.i64 d8,#0
> +       vmlal.s32 q6,d28,d18
> +       vmlal.s32 q4,d16,d24
> +       vmlal.s32 q4,d17,d5
> +       vmlal.s32 q4,d14,d4
> +       vst1.8 d12,[r7,: 64]!
> +       vmlal.s32 q4,d15,d1
> +       vext.32 d10,d13,d12,#0
> +       vmlal.s32 q4,d29,d19
> +       vmov.i64 d11,#0
> +       vmlal.s32 q5,d20,d6
> +       vmlal.s32 q5,d21,d5
> +       vmlal.s32 q5,d26,d4
> +       vext.32 d13,d8,d8,#0
> +       vmlal.s32 q5,d27,d1
> +       vmov.i64 d12,#0
> +       vmlal.s32 q5,d28,d19
> +       vst1.8 d9,[r7,: 64]!
> +       vmlal.s32 q6,d16,d25
> +       vmlal.s32 q6,d17,d6
> +       vst1.8 d10,[r7,: 64]
> +       vmlal.s32 q6,d14,d5
> +       vext.32 d8,d11,d10,#0
> +       vmlal.s32 q6,d15,d4
> +       vmov.i64 d9,#0
> +       vmlal.s32 q6,d29,d1
> +       vmlal.s32 q4,d20,d7
> +       vmlal.s32 q4,d21,d6
> +       vmlal.s32 q4,d26,d5
> +       vext.32 d11,d12,d12,#0
> +       vmlal.s32 q4,d27,d4
> +       vmov.i64 d10,#0
> +       vmlal.s32 q4,d28,d1
> +       vmlal.s32 q5,d16,d0
> +       sub r6,r7,#32
> +       vmlal.s32 q5,d17,d7
> +       vmlal.s32 q5,d14,d6
> +       vext.32 d30,d9,d8,#0
> +       vmlal.s32 q5,d15,d5
> +       vld1.8 {d31},[r6,: 64]!
> +       vmlal.s32 q5,d29,d4
> +       vmlal.s32 q15,d20,d0
> +       vext.32 d0,d6,d18,#1
> +       vmlal.s32 q15,d21,d25
> +       vrev64.i32 d0,d0
> +       vmlal.s32 q15,d26,d24
> +       vext.32 d1,d7,d19,#1
> +       vext.32 d7,d10,d10,#0
> +       vmlal.s32 q15,d27,d23
> +       vrev64.i32 d1,d1
> +       vld1.8 {d6},[r6,: 64]
> +       vmlal.s32 q15,d28,d22
> +       vmlal.s32 q3,d16,d4
> +       add r6,r6,#24
> +       vmlal.s32 q3,d17,d2
> +       vext.32 d4,d31,d30,#0
> +       vmov d17,d11
> +       vmlal.s32 q3,d14,d1
> +       vext.32 d11,d13,d13,#0
> +       vext.32 d13,d30,d30,#0
> +       vmlal.s32 q3,d15,d0
> +       vext.32 d1,d8,d8,#0
> +       vmlal.s32 q3,d29,d3
> +       vld1.8 {d5},[r6,: 64]
> +       sub r6,r6,#16
> +       vext.32 d10,d6,d6,#0
> +       vmov.i32 q1,#0xffffffff
> +       vshl.i64 q4,q1,#25
> +       add r7,sp,#512
> +       vld1.8 {d14-d15},[r7,: 128]
> +       vadd.i64 q9,q2,q7
> +       vshl.i64 q1,q1,#26
> +       vshr.s64 q10,q9,#26
> +       vld1.8 {d0},[r6,: 64]!
> +       vadd.i64 q5,q5,q10
> +       vand q9,q9,q1
> +       vld1.8 {d16},[r6,: 64]!
> +       add r6,sp,#528
> +       vld1.8 {d20-d21},[r6,: 128]
> +       vadd.i64 q11,q5,q10
> +       vsub.i64 q2,q2,q9
> +       vshr.s64 q9,q11,#25
> +       vext.32 d12,d5,d4,#0
> +       vand q11,q11,q4
> +       vadd.i64 q0,q0,q9
> +       vmov d19,d7
> +       vadd.i64 q3,q0,q7
> +       vsub.i64 q5,q5,q11
> +       vshr.s64 q11,q3,#26
> +       vext.32 d18,d11,d10,#0
> +       vand q3,q3,q1
> +       vadd.i64 q8,q8,q11
> +       vadd.i64 q11,q8,q10
> +       vsub.i64 q0,q0,q3
> +       vshr.s64 q3,q11,#25
> +       vand q11,q11,q4
> +       vadd.i64 q3,q6,q3
> +       vadd.i64 q6,q3,q7
> +       vsub.i64 q8,q8,q11
> +       vshr.s64 q11,q6,#26
> +       vand q6,q6,q1
> +       vadd.i64 q9,q9,q11
> +       vadd.i64 d25,d19,d21
> +       vsub.i64 q3,q3,q6
> +       vshr.s64 d23,d25,#25
> +       vand q4,q12,q4
> +       vadd.i64 d21,d23,d23
> +       vshl.i64 d25,d23,#4
> +       vadd.i64 d21,d21,d23
> +       vadd.i64 d25,d25,d21
> +       vadd.i64 d4,d4,d25
> +       vzip.i32 q0,q8
> +       vadd.i64 d12,d4,d14
> +       add r6,r8,#8
> +       vst1.8 d0,[r6,: 64]
> +       vsub.i64 d19,d19,d9
> +       add r6,r6,#16
> +       vst1.8 d16,[r6,: 64]
> +       vshr.s64 d22,d12,#26
> +       vand q0,q6,q1
> +       vadd.i64 d10,d10,d22
> +       vzip.i32 q3,q9
> +       vsub.i64 d4,d4,d0
> +       sub r6,r6,#8
> +       vst1.8 d6,[r6,: 64]
> +       add r6,r6,#16
> +       vst1.8 d18,[r6,: 64]
> +       vzip.i32 q2,q5
> +       sub r6,r6,#32
> +       vst1.8 d4,[r6,: 64]
> +       subs r5,r5,#1
> +       bhi .Lsquaringloop
> +       .Lskipsquaringloop:
> +       mov r2,r2
> +       add r5,r3,#288
> +       add r6,r3,#144
> +       vmov.i32 q0,#19
> +       vmov.i32 q1,#0
> +       vmov.i32 q2,#1
> +       vzip.i32 q1,q2
> +       vld1.8 {d4-d5},[r5,: 128]!
> +       vld1.8 {d6-d7},[r5,: 128]!
> +       vld1.8 {d9},[r5,: 64]
> +       vld1.8 {d10-d11},[r2,: 128]!
> +       add r5,sp,#416
> +       vld1.8 {d12-d13},[r2,: 128]!
> +       vmul.i32 q7,q2,q0
> +       vld1.8 {d8},[r2,: 64]
> +       vext.32 d17,d11,d10,#1
> +       vmul.i32 q9,q3,q0
> +       vext.32 d16,d10,d8,#1
> +       vshl.u32 q10,q5,q1
> +       vext.32 d22,d14,d4,#1
> +       vext.32 d24,d18,d6,#1
> +       vshl.u32 q13,q6,q1
> +       vshl.u32 d28,d8,d2
> +       vrev64.i32 d22,d22
> +       vmul.i32 d1,d9,d1
> +       vrev64.i32 d24,d24
> +       vext.32 d29,d8,d13,#1
> +       vext.32 d0,d1,d9,#1
> +       vrev64.i32 d0,d0
> +       vext.32 d2,d9,d1,#1
> +       vext.32 d23,d15,d5,#1
> +       vmull.s32 q4,d20,d4
> +       vrev64.i32 d23,d23
> +       vmlal.s32 q4,d21,d1
> +       vrev64.i32 d2,d2
> +       vmlal.s32 q4,d26,d19
> +       vext.32 d3,d5,d15,#1
> +       vmlal.s32 q4,d27,d18
> +       vrev64.i32 d3,d3
> +       vmlal.s32 q4,d28,d15
> +       vext.32 d14,d12,d11,#1
> +       vmull.s32 q5,d16,d23
> +       vext.32 d15,d13,d12,#1
> +       vmlal.s32 q5,d17,d4
> +       vst1.8 d8,[r5,: 64]!
> +       vmlal.s32 q5,d14,d1
> +       vext.32 d12,d9,d8,#0
> +       vmlal.s32 q5,d15,d19
> +       vmov.i64 d13,#0
> +       vmlal.s32 q5,d29,d18
> +       vext.32 d25,d19,d7,#1
> +       vmlal.s32 q6,d20,d5
> +       vrev64.i32 d25,d25
> +       vmlal.s32 q6,d21,d4
> +       vst1.8 d11,[r5,: 64]!
> +       vmlal.s32 q6,d26,d1
> +       vext.32 d9,d10,d10,#0
> +       vmlal.s32 q6,d27,d19
> +       vmov.i64 d8,#0
> +       vmlal.s32 q6,d28,d18
> +       vmlal.s32 q4,d16,d24
> +       vmlal.s32 q4,d17,d5
> +       vmlal.s32 q4,d14,d4
> +       vst1.8 d12,[r5,: 64]!
> +       vmlal.s32 q4,d15,d1
> +       vext.32 d10,d13,d12,#0
> +       vmlal.s32 q4,d29,d19
> +       vmov.i64 d11,#0
> +       vmlal.s32 q5,d20,d6
> +       vmlal.s32 q5,d21,d5
> +       vmlal.s32 q5,d26,d4
> +       vext.32 d13,d8,d8,#0
> +       vmlal.s32 q5,d27,d1
> +       vmov.i64 d12,#0
> +       vmlal.s32 q5,d28,d19
> +       vst1.8 d9,[r5,: 64]!
> +       vmlal.s32 q6,d16,d25
> +       vmlal.s32 q6,d17,d6
> +       vst1.8 d10,[r5,: 64]
> +       vmlal.s32 q6,d14,d5
> +       vext.32 d8,d11,d10,#0
> +       vmlal.s32 q6,d15,d4
> +       vmov.i64 d9,#0
> +       vmlal.s32 q6,d29,d1
> +       vmlal.s32 q4,d20,d7
> +       vmlal.s32 q4,d21,d6
> +       vmlal.s32 q4,d26,d5
> +       vext.32 d11,d12,d12,#0
> +       vmlal.s32 q4,d27,d4
> +       vmov.i64 d10,#0
> +       vmlal.s32 q4,d28,d1
> +       vmlal.s32 q5,d16,d0
> +       sub r2,r5,#32
> +       vmlal.s32 q5,d17,d7
> +       vmlal.s32 q5,d14,d6
> +       vext.32 d30,d9,d8,#0
> +       vmlal.s32 q5,d15,d5
> +       vld1.8 {d31},[r2,: 64]!
> +       vmlal.s32 q5,d29,d4
> +       vmlal.s32 q15,d20,d0
> +       vext.32 d0,d6,d18,#1
> +       vmlal.s32 q15,d21,d25
> +       vrev64.i32 d0,d0
> +       vmlal.s32 q15,d26,d24
> +       vext.32 d1,d7,d19,#1
> +       vext.32 d7,d10,d10,#0
> +       vmlal.s32 q15,d27,d23
> +       vrev64.i32 d1,d1
> +       vld1.8 {d6},[r2,: 64]
> +       vmlal.s32 q15,d28,d22
> +       vmlal.s32 q3,d16,d4
> +       add r2,r2,#24
> +       vmlal.s32 q3,d17,d2
> +       vext.32 d4,d31,d30,#0
> +       vmov d17,d11
> +       vmlal.s32 q3,d14,d1
> +       vext.32 d11,d13,d13,#0
> +       vext.32 d13,d30,d30,#0
> +       vmlal.s32 q3,d15,d0
> +       vext.32 d1,d8,d8,#0
> +       vmlal.s32 q3,d29,d3
> +       vld1.8 {d5},[r2,: 64]
> +       sub r2,r2,#16
> +       vext.32 d10,d6,d6,#0
> +       vmov.i32 q1,#0xffffffff
> +       vshl.i64 q4,q1,#25
> +       add r5,sp,#512
> +       vld1.8 {d14-d15},[r5,: 128]
> +       vadd.i64 q9,q2,q7
> +       vshl.i64 q1,q1,#26
> +       vshr.s64 q10,q9,#26
> +       vld1.8 {d0},[r2,: 64]!
> +       vadd.i64 q5,q5,q10
> +       vand q9,q9,q1
> +       vld1.8 {d16},[r2,: 64]!
> +       add r2,sp,#528
> +       vld1.8 {d20-d21},[r2,: 128]
> +       vadd.i64 q11,q5,q10
> +       vsub.i64 q2,q2,q9
> +       vshr.s64 q9,q11,#25
> +       vext.32 d12,d5,d4,#0
> +       vand q11,q11,q4
> +       vadd.i64 q0,q0,q9
> +       vmov d19,d7
> +       vadd.i64 q3,q0,q7
> +       vsub.i64 q5,q5,q11
> +       vshr.s64 q11,q3,#26
> +       vext.32 d18,d11,d10,#0
> +       vand q3,q3,q1
> +       vadd.i64 q8,q8,q11
> +       vadd.i64 q11,q8,q10
> +       vsub.i64 q0,q0,q3
> +       vshr.s64 q3,q11,#25
> +       vand q11,q11,q4
> +       vadd.i64 q3,q6,q3
> +       vadd.i64 q6,q3,q7
> +       vsub.i64 q8,q8,q11
> +       vshr.s64 q11,q6,#26
> +       vand q6,q6,q1
> +       vadd.i64 q9,q9,q11
> +       vadd.i64 d25,d19,d21
> +       vsub.i64 q3,q3,q6
> +       vshr.s64 d23,d25,#25
> +       vand q4,q12,q4
> +       vadd.i64 d21,d23,d23
> +       vshl.i64 d25,d23,#4
> +       vadd.i64 d21,d21,d23
> +       vadd.i64 d25,d25,d21
> +       vadd.i64 d4,d4,d25
> +       vzip.i32 q0,q8
> +       vadd.i64 d12,d4,d14
> +       add r2,r6,#8
> +       vst1.8 d0,[r2,: 64]
> +       vsub.i64 d19,d19,d9
> +       add r2,r2,#16
> +       vst1.8 d16,[r2,: 64]
> +       vshr.s64 d22,d12,#26
> +       vand q0,q6,q1
> +       vadd.i64 d10,d10,d22
> +       vzip.i32 q3,q9
> +       vsub.i64 d4,d4,d0
> +       sub r2,r2,#8
> +       vst1.8 d6,[r2,: 64]
> +       add r2,r2,#16
> +       vst1.8 d18,[r2,: 64]
> +       vzip.i32 q2,q5
> +       sub r2,r2,#32
> +       vst1.8 d4,[r2,: 64]
> +       cmp r4,#0
> +       beq .Lskippostcopy
> +       add r2,r3,#144
> +       mov r4,r4
> +       vld1.8 {d0-d1},[r2,: 128]!
> +       vld1.8 {d2-d3},[r2,: 128]!
> +       vld1.8 {d4},[r2,: 64]
> +       vst1.8 {d0-d1},[r4,: 128]!
> +       vst1.8 {d2-d3},[r4,: 128]!
> +       vst1.8 d4,[r4,: 64]
> +       .Lskippostcopy:
> +       cmp r1,#1
> +       bne .Lskipfinalcopy
> +       add r2,r3,#288
> +       add r4,r3,#144
> +       vld1.8 {d0-d1},[r2,: 128]!
> +       vld1.8 {d2-d3},[r2,: 128]!
> +       vld1.8 {d4},[r2,: 64]
> +       vst1.8 {d0-d1},[r4,: 128]!
> +       vst1.8 {d2-d3},[r4,: 128]!
> +       vst1.8 d4,[r4,: 64]
> +       .Lskipfinalcopy:
> +       add r1,r1,#1
> +       cmp r1,#12
> +       blo .Linvertloop
> +       add r1,r3,#144
> +       ldr r2,[r1],#4
> +       ldr r3,[r1],#4
> +       ldr r4,[r1],#4
> +       ldr r5,[r1],#4
> +       ldr r6,[r1],#4
> +       ldr r7,[r1],#4
> +       ldr r8,[r1],#4
> +       ldr r9,[r1],#4
> +       ldr r10,[r1],#4
> +       ldr r1,[r1]
> +       add r11,r1,r1,LSL #4
> +       add r11,r11,r1,LSL #1
> +       add r11,r11,#16777216
> +       mov r11,r11,ASR #25
> +       add r11,r11,r2
> +       mov r11,r11,ASR #26
> +       add r11,r11,r3
> +       mov r11,r11,ASR #25
> +       add r11,r11,r4
> +       mov r11,r11,ASR #26
> +       add r11,r11,r5
> +       mov r11,r11,ASR #25
> +       add r11,r11,r6
> +       mov r11,r11,ASR #26
> +       add r11,r11,r7
> +       mov r11,r11,ASR #25
> +       add r11,r11,r8
> +       mov r11,r11,ASR #26
> +       add r11,r11,r9
> +       mov r11,r11,ASR #25
> +       add r11,r11,r10
> +       mov r11,r11,ASR #26
> +       add r11,r11,r1
> +       mov r11,r11,ASR #25
> +       add r2,r2,r11
> +       add r2,r2,r11,LSL #1
> +       add r2,r2,r11,LSL #4
> +       mov r11,r2,ASR #26
> +       add r3,r3,r11
> +       sub r2,r2,r11,LSL #26
> +       mov r11,r3,ASR #25
> +       add r4,r4,r11
> +       sub r3,r3,r11,LSL #25
> +       mov r11,r4,ASR #26
> +       add r5,r5,r11
> +       sub r4,r4,r11,LSL #26
> +       mov r11,r5,ASR #25
> +       add r6,r6,r11
> +       sub r5,r5,r11,LSL #25
> +       mov r11,r6,ASR #26
> +       add r7,r7,r11
> +       sub r6,r6,r11,LSL #26
> +       mov r11,r7,ASR #25
> +       add r8,r8,r11
> +       sub r7,r7,r11,LSL #25
> +       mov r11,r8,ASR #26
> +       add r9,r9,r11
> +       sub r8,r8,r11,LSL #26
> +       mov r11,r9,ASR #25
> +       add r10,r10,r11
> +       sub r9,r9,r11,LSL #25
> +       mov r11,r10,ASR #26
> +       add r1,r1,r11
> +       sub r10,r10,r11,LSL #26
> +       mov r11,r1,ASR #25
> +       sub r1,r1,r11,LSL #25
> +       add r2,r2,r3,LSL #26
> +       mov r3,r3,LSR #6
> +       add r3,r3,r4,LSL #19
> +       mov r4,r4,LSR #13
> +       add r4,r4,r5,LSL #13
> +       mov r5,r5,LSR #19
> +       add r5,r5,r6,LSL #6
> +       add r6,r7,r8,LSL #25
> +       mov r7,r8,LSR #7
> +       add r7,r7,r9,LSL #19
> +       mov r8,r9,LSR #13
> +       add r8,r8,r10,LSL #12
> +       mov r9,r10,LSR #20
> +       add r1,r9,r1,LSL #6
> +       str r2,[r0],#4
> +       str r3,[r0],#4
> +       str r4,[r0],#4
> +       str r5,[r0],#4
> +       str r6,[r0],#4
> +       str r7,[r0],#4
> +       str r8,[r0],#4
> +       str r1,[r0]

Why the post increment? Although it hardly matters here, this should
be more efficient

str r2, [r0]
str r3, [r0, #4]
str r4, [r0, #8]
str r5, [r0, #12]
str r6, [r0, #16]
str r7, [r0, #20]
str r8, [r0, #24]
str r1, [r0, #28]

> +       ldrd r4,[sp,#0]
> +       ldrd r6,[sp,#8]
> +       ldrd r8,[sp,#16]
> +       ldrd r10,[sp,#24]
> +       ldr r12,[sp,#480]
> +       ldr r14,[sp,#484]
> +       ldr r0,=0
> +       mov sp,r12
> +       vpop {q4,q5,q6,q7}

Drop this

> +       bx lr
> +ENDPROC(curve25519_neon)
> +#endif
> --
> 2.18.0
>