Clean up canonical mt benchmarks and reorganize extra versions in /mt. All versions...
[riscv-tests.git] / mt / av_matmul / av_matmul.c
diff --git a/mt/av_matmul/av_matmul.c b/mt/av_matmul/av_matmul.c
deleted file mode 100644 (file)
index ad5ccdb..0000000
+++ /dev/null
@@ -1,2902 +0,0 @@
-//**************************************************************************
-// Multi-threaded Matrix Multiply benchmark
-//--------------------------------------------------------------------------
-// TA     : Christopher Celio
-// Student: 
-//
-//
-// This benchmark multiplies two 2-D arrays together and writes the results to
-// a third vector. The input data (and reference data) should be generated
-// using the matmul_gendata.pl perl script and dumped to a file named
-// dataset.h. 
-
-
-// print out arrays, etc.
-//#define DEBUG
-
-//--------------------------------------------------------------------------
-// Includes 
-
-#include <string.h>
-#include <stdlib.h>
-#include <stdio.h>
-
-
-//--------------------------------------------------------------------------
-// Input/Reference Data
-
-typedef float data_t;
-#include "dataset.h"
-  
-//--------------------------------------------------------------------------
-// Basic Utilities and Multi-thread Support
-
-__thread unsigned long coreid;
-unsigned long ncores;
-
-#include "util.h"
-   
-#define stringify_1(s) #s
-#define stringify(s) stringify_1(s)
-#define stats(code) do { \
-    unsigned long _c = -rdcycle(), _i = -rdinstret(); \
-    code; \
-    _c += rdcycle(), _i += rdinstret(); \
-    if (coreid == 0) \
-      printf("%s: %ld cycles, %ld.%ld cycles/iter, %ld.%ld CPI\n", \
-             stringify(code), _c, _c/DIM_SIZE/DIM_SIZE/DIM_SIZE, 10*_c/DIM_SIZE/DIM_SIZE/DIM_SIZE%10, _c/_i, 10*_c/_i%10); \
-  } while(0)
-
-//--------------------------------------------------------------------------
-// Helper functions
-    
-void printArrayMT( char name[], int n, data_t arr[] )
-{
-   int i;
-   if (coreid != 0)
-      return;
-  
-   printf( " %10s :", name );
-   for ( i = 0; i < n; i++ )
-      printf( " %3ld ", (long) arr[i] );
-   printf( "\n" );
-}
-      
-void __attribute__((noinline)) verifyMT(size_t n, const data_t* test, const data_t* correct)
-{
-   if (coreid != 0)
-      return;
-
-   size_t i;
-   for (i = 0; i < n; i++)
-   {
-      if (test[i] != correct[i])
-      {
-         printf("FAILED test[%d]= %3ld, correct[%d]= %3ld\n", 
-            i, (long)test[i], i, (long)correct[i]);
-         exit(-1);
-      }
-   }
-   
-   return;
-}
-//--------------------------------------------------------------------------
-// matmul function
-// single-thread, naive version
-void __attribute__((noinline)) matmul_naive(const int lda,  const data_t A[], const data_t B[], data_t C[] )
-{
-   int i, j, k;
-
-   if (coreid > 0)
-      return;
-  
-   for ( i = 0; i < lda; i++ )
-      for ( j = 0; j < lda; j++ )  
-      {
-         for ( k = 0; k < lda; k++ ) 
-         {
-            C[i + j*lda] += A[j*lda + k] * B[k*lda + i];
-         }
-      }
-
-}
-
-
-void __attribute__((noinline)) matmul(const int lda,  const data_t A[], const data_t B[], data_t C[] )
-{
-   
-   // ***************************** //
-   // **** ADD YOUR CODE HERE ***** //
-   // ***************************** //
-   //
-   // feel free to make a separate function for MI and MSI versions.
-
-   //-------------------------------------------------------------first working version best 500k
-   /*
-    static __thread int i, j, k;
-       if(coreid == 0)
-       {
-   for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-         for ( i = 0; i < lda; i++) 
-         {
-            C[i + j*lda] += A[j*lda + k] * B[k*lda + i];
-         }
-      }
-        }
-       }
-       
-       if(coreid ==1)
-       {
-          for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0;k < lda; k++)
-      {
-         for ( i = 0; i < lda; i++) 
-         {
-            C[i + j*lda] += A[j*lda + k] * B[k*lda + i];
-
-         }
-      }
-        }
-       }
-       */
-       //-------------------------------------------------------------version1.1, take read out of inner loop,300k
-       /*
-       static __thread int i, j, k;
-       static __thread data_t TempA;
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-         for ( i = 0; i < lda; i++) 
-         {
-            C[i + j*lda] +=  TempA* B[k*lda + i];
-         }
-      }
-        }
-       }
-       
-       if(coreid ==1)
-       {
-          for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0;k < lda; k++)
-      {
-        TempA = A[j*lda + k];
-         for ( i = 0; i < lda; i++) 
-         {
-            C[i + j*lda] +=  TempA* B[k*lda + i];
-         }
-      }
-        }
-       }
-       */
-       //-------------------------------------------------------------version2.0, read 8 elements in B at one time. 140k mi, MSI117.0k
-       /*
-          static __thread int i, j, k, m, n;
-       static __thread data_t TempA;
-       static __thread data_t TempB[8];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 4; n++)
-               {
-
-                TempB[0] = B[k*lda+0+8*n]; 
-                TempB[1] = B[k*lda+1+8*n]; 
-                TempB[2] = B[k*lda+2+8*n]; 
-                TempB[3] = B[k*lda+3+8*n]; 
-                TempB[4] = B[k*lda+4+8*n]; 
-                TempB[5] = B[k*lda+5+8*n]; 
-                TempB[6] = B[k*lda+6+8*n]; 
-                TempB[7] = B[k*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA * TempB[0];
-                C[1+8*n+j*lda] += TempA * TempB[1];
-                C[2+8*n+j*lda] += TempA * TempB[2];
-                C[3+8*n+j*lda] += TempA * TempB[3];
-                C[4+8*n+j*lda] += TempA * TempB[4];
-                C[5+8*n+j*lda] += TempA * TempB[5];
-                C[6+8*n+j*lda] += TempA * TempB[6];
-                C[7+8*n+j*lda] += TempA * TempB[7];
-                
-               }
-
-      }
-        }
-       }
-       
-       if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 4; n++)
-               {
-
-                TempB[0] = B[k*lda+0+8*n]; 
-                TempB[1] = B[k*lda+1+8*n]; 
-                TempB[2] = B[k*lda+2+8*n]; 
-                TempB[3] = B[k*lda+3+8*n]; 
-                TempB[4] = B[k*lda+4+8*n]; 
-                TempB[5] = B[k*lda+5+8*n]; 
-                TempB[6] = B[k*lda+6+8*n]; 
-                TempB[7] = B[k*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA * TempB[0];
-                C[1+8*n+j*lda] += TempA * TempB[1];
-                C[2+8*n+j*lda] += TempA * TempB[2];
-                C[3+8*n+j*lda] += TempA * TempB[3];
-                C[4+8*n+j*lda] += TempA * TempB[4];
-                C[5+8*n+j*lda] += TempA * TempB[5];
-                C[6+8*n+j*lda] += TempA * TempB[6];
-                C[7+8*n+j*lda] += TempA * TempB[7];
-                
-               }
-
-      }
-        }
-       }
-       */
-       
-               //-------------------------------------------------------------version2.1, optimize k. 700k. bad move to v2.2.
-               //-------------------------------------------------------------version2.9 take off all inner loops for both cores, MSI,109K. MI 182k
-               //-------------------------------------------------------------version2.10 use i= j*lda inside the n loop increase speed. but not out m and n. tried replace first 3, get 104.9k
-       /*
-          static __thread int j, m, i,n;
-       static __thread data_t TempA[8];
-       static __thread data_t TempB[8];
-       
-       if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-               i = j*lda;
-
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[0] * TempB[0];
-                C[1+8*n+i] += TempA[0] * TempB[1];
-                C[2+8*n+i] += TempA[0] * TempB[2];
-                C[3+8*n+i] += TempA[0] * TempB[3];
-                C[4+8*n+i] += TempA[0] * TempB[4];
-                C[5+8*n+i] += TempA[0] * TempB[5];
-                C[6+8*n+i] += TempA[0] * TempB[6];
-                C[7+8*n+i] += TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[1] * TempB[0];
-                C[1+8*n+i] += TempA[1] * TempB[1];
-                C[2+8*n+i] += TempA[1] * TempB[2];
-                C[3+8*n+i] += TempA[1] * TempB[3];
-                C[4+8*n+i] += TempA[1] * TempB[4];
-                C[5+8*n+i] += TempA[1] * TempB[5];
-                C[6+8*n+i] += TempA[1] * TempB[6];
-                C[7+8*n+i] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[2] * TempB[0];
-                C[1+8*n+i] += TempA[2] * TempB[1];
-                C[2+8*n+i] += TempA[2] * TempB[2];
-                C[3+8*n+i] += TempA[2] * TempB[3];
-                C[4+8*n+i] += TempA[2] * TempB[4];
-                C[5+8*n+i] += TempA[2] * TempB[5];
-                C[6+8*n+i] += TempA[2] * TempB[6];
-                C[7+8*n+i] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[3] * TempB[0];
-                C[1+8*n+i] += TempA[3] * TempB[1];
-                C[2+8*n+i] += TempA[3] * TempB[2];
-                C[3+8*n+i] += TempA[3] * TempB[3];
-                C[4+8*n+i] += TempA[3] * TempB[4];
-                C[5+8*n+i] += TempA[3] * TempB[5];
-                C[6+8*n+i] += TempA[3] * TempB[6];
-                C[7+8*n+i] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[4] * TempB[0];
-                C[1+8*n+i] += TempA[4] * TempB[1];
-                C[2+8*n+i] += TempA[4] * TempB[2];
-                C[3+8*n+i] += TempA[4] * TempB[3];
-                C[4+8*n+i] += TempA[4] * TempB[4];
-                C[5+8*n+i] += TempA[4] * TempB[5];
-                C[6+8*n+i] += TempA[4] * TempB[6];
-                C[7+8*n+i] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[5] * TempB[0];
-                C[1+8*n+i] += TempA[5] * TempB[1];
-                C[2+8*n+i] += TempA[5] * TempB[2];
-                C[3+8*n+i] += TempA[5] * TempB[3];
-                C[4+8*n+i] += TempA[5] * TempB[4];
-                C[5+8*n+i] += TempA[5] * TempB[5];
-                C[6+8*n+i] += TempA[5] * TempB[6];
-                C[7+8*n+i] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[6] * TempB[0];
-                C[1+8*n+i] += TempA[6] * TempB[1];
-                C[2+8*n+i] += TempA[6] * TempB[2];
-                C[3+8*n+i] += TempA[6] * TempB[3];
-                C[4+8*n+i] += TempA[6] * TempB[4];
-                C[5+8*n+i] += TempA[6] * TempB[5];
-                C[6+8*n+i] += TempA[6] * TempB[6];
-                C[7+8*n+i] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[7] * TempB[0];
-                C[1+8*n+i] += TempA[7] * TempB[1];
-                C[2+8*n+i] += TempA[7] * TempB[2];
-                C[3+8*n+i] += TempA[7] * TempB[3];
-                C[4+8*n+i] += TempA[7] * TempB[4];
-                C[5+8*n+i] += TempA[7] * TempB[5];
-                C[6+8*n+i] += TempA[7] * TempB[6];
-                C[7+8*n+i] += TempA[7] * TempB[7];
-               }
-
-      }
-        }
-       }
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-               i = j*lda;
-
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[0] * TempB[0];
-                C[1+8*n+i] += TempA[0] * TempB[1];
-                C[2+8*n+i] += TempA[0] * TempB[2];
-                C[3+8*n+i] += TempA[0] * TempB[3];
-                C[4+8*n+i] += TempA[0] * TempB[4];
-                C[5+8*n+i] += TempA[0] * TempB[5];
-                C[6+8*n+i] += TempA[0] * TempB[6];
-                C[7+8*n+i] += TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[1] * TempB[0];
-                C[1+8*n+i] += TempA[1] * TempB[1];
-                C[2+8*n+i] += TempA[1] * TempB[2];
-                C[3+8*n+i] += TempA[1] * TempB[3];
-                C[4+8*n+i] += TempA[1] * TempB[4];
-                C[5+8*n+i] += TempA[1] * TempB[5];
-                C[6+8*n+i] += TempA[1] * TempB[6];
-                C[7+8*n+i] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[2] * TempB[0];
-                C[1+8*n+i] += TempA[2] * TempB[1];
-                C[2+8*n+i] += TempA[2] * TempB[2];
-                C[3+8*n+i] += TempA[2] * TempB[3];
-                C[4+8*n+i] += TempA[2] * TempB[4];
-                C[5+8*n+i] += TempA[2] * TempB[5];
-                C[6+8*n+i] += TempA[2] * TempB[6];
-                C[7+8*n+i] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[3] * TempB[0];
-                C[1+8*n+i] += TempA[3] * TempB[1];
-                C[2+8*n+i] += TempA[3] * TempB[2];
-                C[3+8*n+i] += TempA[3] * TempB[3];
-                C[4+8*n+i] += TempA[3] * TempB[4];
-                C[5+8*n+i] += TempA[3] * TempB[5];
-                C[6+8*n+i] += TempA[3] * TempB[6];
-                C[7+8*n+i] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[4] * TempB[0];
-                C[1+8*n+i] += TempA[4] * TempB[1];
-                C[2+8*n+i] += TempA[4] * TempB[2];
-                C[3+8*n+i] += TempA[4] * TempB[3];
-                C[4+8*n+i] += TempA[4] * TempB[4];
-                C[5+8*n+i] += TempA[4] * TempB[5];
-                C[6+8*n+i] += TempA[4] * TempB[6];
-                C[7+8*n+i] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[5] * TempB[0];
-                C[1+8*n+i] += TempA[5] * TempB[1];
-                C[2+8*n+i] += TempA[5] * TempB[2];
-                C[3+8*n+i] += TempA[5] * TempB[3];
-                C[4+8*n+i] += TempA[5] * TempB[4];
-                C[5+8*n+i] += TempA[5] * TempB[5];
-                C[6+8*n+i] += TempA[5] * TempB[6];
-                C[7+8*n+i] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[6] * TempB[0];
-                C[1+8*n+i] += TempA[6] * TempB[1];
-                C[2+8*n+i] += TempA[6] * TempB[2];
-                C[3+8*n+i] += TempA[6] * TempB[3];
-                C[4+8*n+i] += TempA[6] * TempB[4];
-                C[5+8*n+i] += TempA[6] * TempB[5];
-                C[6+8*n+i] += TempA[6] * TempB[6];
-                C[7+8*n+i] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+i] += TempA[7] * TempB[0];
-                C[1+8*n+i] += TempA[7] * TempB[1];
-                C[2+8*n+i] += TempA[7] * TempB[2];
-                C[3+8*n+i] += TempA[7] * TempB[3];
-                C[4+8*n+i] += TempA[7] * TempB[4];
-                C[5+8*n+i] += TempA[7] * TempB[5];
-                C[6+8*n+i] += TempA[7] * TempB[6];
-                C[7+8*n+i] += TempA[7] * TempB[7];
-               }
-
-      }
-        }
-       }
-       
-       */
-               //-------------------------------------------------------------version2.2, optimize k. from 4 instead of 8 like v2.1, random failing on MI, unknown reason, MSI,350K, take off each inner loop for core 0 260k, both cores 134k
-               //-------------------------------------------------------------try false sharing for core 0, 136k.
-               /*
-       static __thread int j, m, n;
-       static __thread data_t TempA[4];
-       static __thread data_t TempB[4];
-       
-       if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( m = 0; m < 8; m++ )  
-      {
-                TempA[0] = A[j*lda+0+4*m];
-                TempA[1] = A[j*lda+1+4*m];
-                TempA[2] = A[j*lda+2+4*m];
-                TempA[3] = A[j*lda+3+4*m];
-                
-               for( n = 0; n < 8; n++)
-               {
-
-                TempB[0] = B[(0+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(0+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(0+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(0+4*m)*lda+3+4*n]; 
-
-                
-                C[0+4*n+j*lda] += TempA[0] * TempB[0];
-                C[1+4*n+j*lda] += TempA[0] * TempB[1];
-                C[2+4*n+j*lda] += TempA[0] * TempB[2];
-                C[3+4*n+j*lda] += TempA[0] * TempB[3];
-
-                
-               
-
-
-                TempB[0] = B[(1+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(1+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(1+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(1+4*m)*lda+3+4*n]; 
-                
-                C[0+4*n+j*lda] += TempA[1] * TempB[0];
-                C[1+4*n+j*lda] += TempA[1] * TempB[1];
-                C[2+4*n+j*lda] += TempA[1] * TempB[2];
-                C[3+4*n+j*lda] += TempA[1] * TempB[3];
-               
-
-                TempB[0] = B[(2+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(2+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(2+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(2+4*m)*lda+3+4*n]; 
-
-                
-                C[0+4*n+j*lda] += TempA[2] * TempB[0];
-                C[1+4*n+j*lda] += TempA[2] * TempB[1];
-                C[2+4*n+j*lda] += TempA[2] * TempB[2];
-                C[3+4*n+j*lda] += TempA[2] * TempB[3];
-       
-                
-
-
-                TempB[0] = B[(3+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(3+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(3+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(3+4*m)*lda+3+4*n]; 
-
-                
-                C[0+4*n+j*lda] += TempA[3] * TempB[0];
-                C[1+4*n+j*lda] += TempA[3] * TempB[1];
-                C[2+4*n+j*lda] += TempA[3] * TempB[2];
-                C[3+4*n+j*lda] += TempA[3] * TempB[3];
-
-                
-               }
-         }
-        }
-       }
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( m = 0; m < 8; m++ )  
-      {
-                TempA[0] = A[j*lda+0+4*m];
-                TempA[1] = A[j*lda+1+4*m];
-                TempA[2] = A[j*lda+2+4*m];
-                TempA[3] = A[j*lda+3+4*m];
-                
-               for( n = 0; n < 8; n++)
-               {
-
-
-
-                
-               
-
-
-                TempB[0] = B[(1+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(1+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(1+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(1+4*m)*lda+3+4*n]; 
-                
-                C[0+4*n+j*lda] += TempA[1] * TempB[0];
-                C[1+4*n+j*lda] += TempA[1] * TempB[1];
-                C[2+4*n+j*lda] += TempA[1] * TempB[2];
-                C[3+4*n+j*lda] += TempA[1] * TempB[3];
-               
-
-                TempB[0] = B[(2+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(2+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(2+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(2+4*m)*lda+3+4*n]; 
-
-                
-                C[0+4*n+j*lda] += TempA[2] * TempB[0];
-                C[1+4*n+j*lda] += TempA[2] * TempB[1];
-                C[2+4*n+j*lda] += TempA[2] * TempB[2];
-                C[3+4*n+j*lda] += TempA[2] * TempB[3];
-       
-                
-
-
-                TempB[0] = B[(3+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(3+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(3+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(3+4*m)*lda+3+4*n]; 
-
-                
-                C[0+4*n+j*lda] += TempA[3] * TempB[0];
-                C[1+4*n+j*lda] += TempA[3] * TempB[1];
-                C[2+4*n+j*lda] += TempA[3] * TempB[2];
-                C[3+4*n+j*lda] += TempA[3] * TempB[3];
-                
-                TempB[0] = B[(0+4*m)*lda+0+4*n]; 
-                TempB[1] = B[(0+4*m)*lda+1+4*n]; 
-                TempB[2] = B[(0+4*m)*lda+2+4*n]; 
-                TempB[3] = B[(0+4*m)*lda+3+4*n]; 
-
-                
-                C[0+4*n+j*lda] += TempA[0] * TempB[0];
-                C[1+4*n+j*lda] += TempA[0] * TempB[1];
-                C[2+4*n+j*lda] += TempA[0] * TempB[2];
-                C[3+4*n+j*lda] += TempA[0] * TempB[3];
-
-                
-               }
-         }
-        }
-       }
-       */
-       
-
-       
-       //-------------------------------------------------------------version2.3, read 8 elements in B at one time. make k to 2. 150k mi 128k msi. worse than v2.0
-       /*
-       static __thread int i, j, k, m, n;
-       static __thread data_t TempA[2];
-       static __thread data_t TempB[8];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( m = 0; m < 16; m++ )  
-      {
-                TempA[0] = A[j*lda + 0 + 2*m];
-                TempA[1] = A[j*lda + 1 + 2*m];
-               for( n = 0; n < 4; n++)
-               {
-
-                TempB[0] = B[2*m*lda+0+8*n]; 
-                TempB[1] = B[2*m*lda+1+8*n]; 
-                TempB[2] = B[2*m*lda+2+8*n]; 
-                TempB[3] = B[2*m*lda+3+8*n]; 
-                TempB[4] = B[2*m*lda+4+8*n]; 
-                TempB[5] = B[2*m*lda+5+8*n]; 
-                TempB[6] = B[2*m*lda+6+8*n]; 
-                TempB[7] = B[2*m*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[0] * TempB[0];
-                C[1+8*n+j*lda] += TempA[0] * TempB[1];
-                C[2+8*n+j*lda] += TempA[0] * TempB[2];
-                C[3+8*n+j*lda] += TempA[0] * TempB[3];
-                C[4+8*n+j*lda] += TempA[0] * TempB[4];
-                C[5+8*n+j*lda] += TempA[0] * TempB[5];
-                C[6+8*n+j*lda] += TempA[0] * TempB[6];
-                C[7+8*n+j*lda] += TempA[0] * TempB[7];
-                
-                TempB[0] = B[(1+2*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+2*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+2*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+2*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+2*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+2*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+2*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+2*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[1] * TempB[0];
-                C[1+8*n+j*lda] += TempA[1] * TempB[1];
-                C[2+8*n+j*lda] += TempA[1] * TempB[2];
-                C[3+8*n+j*lda] += TempA[1] * TempB[3];
-                C[4+8*n+j*lda] += TempA[1] * TempB[4];
-                C[5+8*n+j*lda] += TempA[1] * TempB[5];
-                C[6+8*n+j*lda] += TempA[1] * TempB[6];
-                C[7+8*n+j*lda] += TempA[1] * TempB[7];
-                
-               }
-
-      }
-        }
-       }
-       
-       if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( m = 0; m < 16; m++ )  
-      {
-                TempA[0] = A[j*lda + 0 + 2*m];
-                TempA[1] = A[j*lda + 1 + 2*m];
-               for( n = 0; n < 4; n++)
-               {
-
-                TempB[0] = B[2*m*lda+0+8*n]; 
-                TempB[1] = B[2*m*lda+1+8*n]; 
-                TempB[2] = B[2*m*lda+2+8*n]; 
-                TempB[3] = B[2*m*lda+3+8*n]; 
-                TempB[4] = B[2*m*lda+4+8*n]; 
-                TempB[5] = B[2*m*lda+5+8*n]; 
-                TempB[6] = B[2*m*lda+6+8*n]; 
-                TempB[7] = B[2*m*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[0] * TempB[0];
-                C[1+8*n+j*lda] += TempA[0] * TempB[1];
-                C[2+8*n+j*lda] += TempA[0] * TempB[2];
-                C[3+8*n+j*lda] += TempA[0] * TempB[3];
-                C[4+8*n+j*lda] += TempA[0] * TempB[4];
-                C[5+8*n+j*lda] += TempA[0] * TempB[5];
-                C[6+8*n+j*lda] += TempA[0] * TempB[6];
-                C[7+8*n+j*lda] += TempA[0] * TempB[7];
-                
-                TempB[0] = B[(1+2*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+2*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+2*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+2*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+2*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+2*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+2*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+2*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[1] * TempB[0];
-                C[1+8*n+j*lda] += TempA[1] * TempB[1];
-                C[2+8*n+j*lda] += TempA[1] * TempB[2];
-                C[3+8*n+j*lda] += TempA[1] * TempB[3];
-                C[4+8*n+j*lda] += TempA[1] * TempB[4];
-                C[5+8*n+j*lda] += TempA[1] * TempB[5];
-                C[6+8*n+j*lda] += TempA[1] * TempB[6];
-                C[7+8*n+j*lda] += TempA[1] * TempB[7];
-                
-               }
-
-      }
-        }
-       }
-       */
-       //-------------------------------------------------------------version2.4, read 4 170k and 16 140k, error because not enough space elements in B at one time. 
-       /*
-          static __thread int i, j, k, m, n;
-       static __thread data_t TempA;
-       static __thread data_t TempB[16];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 2; n++)
-               {
-
-                TempB[0] = B[k*lda+0+16*n]; 
-                TempB[1] = B[k*lda+1+16*n]; 
-                TempB[2] = B[k*lda+2+16*n]; 
-                TempB[3] = B[k*lda+3+16*n];
-                TempB[4] = B[k*lda+4+16*n]; 
-                TempB[5] = B[k*lda+5+16*n]; 
-                TempB[6] = B[k*lda+6+16*n]; 
-                TempB[7] = B[k*lda+7+16*n]; 
-                TempB[8] = B[k*lda+8+16*n]; 
-                TempB[9] = B[k*lda+9+16*n]; 
-                TempB[10] = B[k*lda+10+16*n]; 
-                TempB[11] = B[k*lda+11+16*n]; 
-                TempB[12] = B[k*lda+12+16*n]; 
-                TempB[13] = B[k*lda+13+16*n]; 
-                TempB[14] = B[k*lda+14+16*n]; 
-                TempB[15] = B[k*lda+15+16*n]; 
-
-                
-                C[0+16*n+j*lda] += TempA * TempB[0];
-                C[1+16*n+j*lda] += TempA * TempB[1];
-                C[2+16*n+j*lda] += TempA * TempB[2];
-                C[3+16*n+j*lda] += TempA * TempB[3];
-                C[4+16*n+j*lda] += TempA * TempB[4];
-                C[5+16*n+j*lda] += TempA * TempB[5];
-                C[6+16*n+j*lda] += TempA * TempB[6];
-                C[7+16*n+j*lda] += TempA * TempB[7];
-                C[8+16*n+j*lda] += TempA * TempB[8];
-                C[9+16*n+j*lda] += TempA * TempB[9];
-                C[10+16*n+j*lda] += TempA * TempB[10];
-                C[11+16*n+j*lda] += TempA * TempB[11];
-                C[12+16*n+j*lda] += TempA * TempB[12];
-                C[13+16*n+j*lda] += TempA * TempB[13];
-                C[14+16*n+j*lda] += TempA * TempB[14];
-                C[15+16*n+j*lda] += TempA * TempB[15];
-                
-       
-                
-               }
-
-      }
-        }
-       }
-               if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 2; n++)
-               {
-
-                TempB[0] = B[k*lda+0+16*n]; 
-                TempB[1] = B[k*lda+1+16*n]; 
-                TempB[2] = B[k*lda+2+16*n]; 
-                TempB[3] = B[k*lda+3+16*n];
-                TempB[4] = B[k*lda+4+16*n]; 
-                TempB[5] = B[k*lda+5+16*n]; 
-                TempB[6] = B[k*lda+6+16*n]; 
-                TempB[7] = B[k*lda+7+16*n]; 
-                TempB[8] = B[k*lda+8+16*n]; 
-                TempB[9] = B[k*lda+9+16*n]; 
-                TempB[10] = B[k*lda+10+16*n]; 
-                TempB[11] = B[k*lda+11+16*n]; 
-                TempB[12] = B[k*lda+12+16*n]; 
-                TempB[13] = B[k*lda+13+16*n]; 
-                TempB[14] = B[k*lda+14+16*n]; 
-                TempB[15] = B[k*lda+15+16*n]; 
-
-                
-                C[0+16*n+j*lda] += TempA * TempB[0];
-                C[1+16*n+j*lda] += TempA * TempB[1];
-                C[2+16*n+j*lda] += TempA * TempB[2];
-                C[3+16*n+j*lda] += TempA * TempB[3];
-                C[4+16*n+j*lda] += TempA * TempB[4];
-                C[5+16*n+j*lda] += TempA * TempB[5];
-                C[6+16*n+j*lda] += TempA * TempB[6];
-                C[7+16*n+j*lda] += TempA * TempB[7];
-                C[8+16*n+j*lda] += TempA * TempB[8];
-                C[9+16*n+j*lda] += TempA * TempB[9];
-                C[10+16*n+j*lda] += TempA * TempB[10];
-                C[11+16*n+j*lda] += TempA * TempB[11];
-                C[12+16*n+j*lda] += TempA * TempB[12];
-                C[13+16*n+j*lda] += TempA * TempB[13];
-                C[14+16*n+j*lda] += TempA * TempB[14];
-                C[15+16*n+j*lda] += TempA * TempB[15];
-                
-       
-                
-               }
-
-      }
-        }
-       }
-       
-       */
-               //-------------------------------------------------------------version2.5, read 10 elements in B at one time. has corner cases. Turns out it hangs.
-       /*
-       static __thread int j, k, n;
-       static __thread data_t TempA;
-       static __thread data_t TempB[10];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 3; n++)
-               {
-                TempB[0] = B[k*lda+0+10*n]; 
-                TempB[1] = B[k*lda+1+10*n]; 
-                TempB[2] = B[k*lda+2+10*n]; 
-                TempB[3] = B[k*lda+3+10*n]; 
-                TempB[4] = B[k*lda+4+10*n]; 
-                TempB[5] = B[k*lda+5+10*n]; 
-                TempB[6] = B[k*lda+6+10*n]; 
-                TempB[7] = B[k*lda+7+10*n]; 
-                TempB[8] = B[k*lda+8+10*n]; 
-                TempB[9] = B[k*lda+9+10*n]; 
-                
-                C[0+10*n+j*lda] += TempA * TempB[0];
-                C[1+10*n+j*lda] += TempA * TempB[1];
-                C[2+10*n+j*lda] += TempA * TempB[2];
-                C[3+10*n+j*lda] += TempA * TempB[3];
-                C[4+10*n+j*lda] += TempA * TempB[4];
-                C[5+10*n+j*lda] += TempA * TempB[5];
-                C[6+10*n+j*lda] += TempA * TempB[6];
-                C[7+10*n+j*lda] += TempA * TempB[7];
-                C[8+10*n+j*lda] += TempA * TempB[8];
-                C[9+10*n+j*lda] += TempA * TempB[9];            
-               }
-                TempB[0] = B[k*lda+30]; 
-                TempB[1] = B[k*lda+31]; 
-                C[30+j*lda] += TempA * TempB[0];
-                C[31+j*lda] += TempA * TempB[1];
-      }
-        }
-       }
-               if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 3; n++)
-               {
-                TempB[0] = B[k*lda+0+10*n]; 
-                TempB[1] = B[k*lda+1+10*n]; 
-                TempB[2] = B[k*lda+2+10*n]; 
-                TempB[3] = B[k*lda+3+10*n]; 
-                TempB[4] = B[k*lda+4+10*n]; 
-                TempB[5] = B[k*lda+5+10*n]; 
-                TempB[6] = B[k*lda+6+10*n]; 
-                TempB[7] = B[k*lda+7+10*n]; 
-                TempB[8] = B[k*lda+8+10*n]; 
-                TempB[9] = B[k*lda+9+10*n]; 
-                
-                C[0+10*n+j*lda] += TempA * TempB[0];
-                C[1+10*n+j*lda] += TempA * TempB[1];
-                C[2+10*n+j*lda] += TempA * TempB[2];
-                C[3+10*n+j*lda] += TempA * TempB[3];
-                C[4+10*n+j*lda] += TempA * TempB[4];
-                C[5+10*n+j*lda] += TempA * TempB[5];
-                C[6+10*n+j*lda] += TempA * TempB[6];
-                C[7+10*n+j*lda] += TempA * TempB[7];
-                C[8+10*n+j*lda] += TempA * TempB[8];
-                C[9+10*n+j*lda] += TempA * TempB[9];            
-               }
-                TempB[0] = B[k*lda+30]; 
-                TempB[1] = B[k*lda+31]; 
-                C[30+j*lda] += TempA * TempB[0];
-                C[31+j*lda] += TempA * TempB[1];
-      }
-        }
-       }
-       
- */
-       //-------------------------------------------------------------version2.6, optimize 2.0. take off n loop and tried different order of reading B 
-       /*
-          static __thread int j, k, n;
-       static __thread data_t TempA;
-       static __thread data_t TempB[8];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-
-                TempB[0] = B[k*lda+0]; 
-                TempB[1] = B[k*lda+1]; 
-                TempB[2] = B[k*lda+2]; 
-                TempB[3] = B[k*lda+3]; 
-                TempB[4] = B[k*lda+4]; 
-                TempB[5] = B[k*lda+5]; 
-                TempB[6] = B[k*lda+6]; 
-                TempB[7] = B[k*lda+7]; 
-                
-                C[0+j*lda] += TempA * TempB[0];
-                C[1+j*lda] += TempA * TempB[1];
-                C[2+j*lda] += TempA * TempB[2];
-                C[3+j*lda] += TempA * TempB[3];
-                C[4+j*lda] += TempA * TempB[4];
-                C[5+j*lda] += TempA * TempB[5];
-                C[6+j*lda] += TempA * TempB[6];
-                C[7+j*lda] += TempA * TempB[7];
-                
-                TempB[0] = B[k*lda+8]; 
-                TempB[1] = B[k*lda+9]; 
-                TempB[2] = B[k*lda+10]; 
-                TempB[3] = B[k*lda+11]; 
-                TempB[4] = B[k*lda+12]; 
-                TempB[5] = B[k*lda+13]; 
-                TempB[6] = B[k*lda+14]; 
-                TempB[7] = B[k*lda+15]; 
-                
-                C[8+j*lda] += TempA * TempB[0];
-                C[9+j*lda] += TempA * TempB[1];
-                C[10+j*lda] += TempA * TempB[2];
-                C[11+j*lda] += TempA * TempB[3];
-                C[12+j*lda] += TempA * TempB[4];
-                C[13+j*lda] += TempA * TempB[5];
-                C[14+j*lda] += TempA * TempB[6];
-                C[15+j*lda] += TempA * TempB[7];
-                
-                TempB[0] = B[k*lda+16]; 
-                TempB[1] = B[k*lda+17]; 
-                TempB[2] = B[k*lda+18]; 
-                TempB[3] = B[k*lda+19]; 
-                TempB[4] = B[k*lda+20]; 
-                TempB[5] = B[k*lda+21]; 
-                TempB[6] = B[k*lda+22]; 
-                TempB[7] = B[k*lda+23]; 
-                
-                C[16+j*lda] += TempA * TempB[0];
-                C[17+j*lda] += TempA * TempB[1];
-                C[18+j*lda] += TempA * TempB[2];
-                C[19+j*lda] += TempA * TempB[3];
-                C[20+j*lda] += TempA * TempB[4];
-                C[21+j*lda] += TempA * TempB[5];
-                C[22+j*lda] += TempA * TempB[6];
-                C[23+j*lda] += TempA * TempB[7];
-                
-                TempB[0] = B[k*lda+24]; 
-                TempB[1] = B[k*lda+25]; 
-                TempB[2] = B[k*lda+26]; 
-                TempB[3] = B[k*lda+27]; 
-                TempB[4] = B[k*lda+28]; 
-                TempB[5] = B[k*lda+29]; 
-                TempB[6] = B[k*lda+30]; 
-                TempB[7] = B[k*lda+31]; 
-                
-                C[24+j*lda] += TempA * TempB[0];
-                C[25+j*lda] += TempA * TempB[1];
-                C[26+j*lda] += TempA * TempB[2];
-                C[27+j*lda] += TempA * TempB[3];
-                C[28+j*lda] += TempA * TempB[4];
-                C[29+j*lda] += TempA * TempB[5];
-                C[30+j*lda] += TempA * TempB[6];
-                C[31+j*lda] += TempA * TempB[7];
-                
-               
-
-      }
-        }
-       }
-       
-       if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-                
-                                
-                TempB[0] = B[k*lda+24]; 
-                TempB[1] = B[k*lda+25]; 
-                TempB[2] = B[k*lda+26]; 
-                TempB[3] = B[k*lda+27]; 
-                TempB[4] = B[k*lda+28]; 
-                TempB[5] = B[k*lda+29]; 
-                TempB[6] = B[k*lda+30]; 
-                TempB[7] = B[k*lda+31]; 
-                
-                C[24+j*lda] += TempA * TempB[0];
-                C[25+j*lda] += TempA * TempB[1];
-                C[26+j*lda] += TempA * TempB[2];
-                C[27+j*lda] += TempA * TempB[3];
-                C[28+j*lda] += TempA * TempB[4];
-                C[29+j*lda] += TempA * TempB[5];
-                C[30+j*lda] += TempA * TempB[6];
-                C[31+j*lda] += TempA * TempB[7];
-
-                TempB[0] = B[k*lda+0]; 
-                TempB[1] = B[k*lda+1]; 
-                TempB[2] = B[k*lda+2]; 
-                TempB[3] = B[k*lda+3]; 
-                TempB[4] = B[k*lda+4]; 
-                TempB[5] = B[k*lda+5]; 
-                TempB[6] = B[k*lda+6]; 
-                TempB[7] = B[k*lda+7]; 
-                
-                C[0+j*lda] += TempA * TempB[0];
-                C[1+j*lda] += TempA * TempB[1];
-                C[2+j*lda] += TempA * TempB[2];
-                C[3+j*lda] += TempA * TempB[3];
-                C[4+j*lda] += TempA * TempB[4];
-                C[5+j*lda] += TempA * TempB[5];
-                C[6+j*lda] += TempA * TempB[6];
-                C[7+j*lda] += TempA * TempB[7];
-
-                TempB[0] = B[k*lda+8]; 
-                TempB[1] = B[k*lda+9]; 
-                TempB[2] = B[k*lda+10]; 
-                TempB[3] = B[k*lda+11]; 
-                TempB[4] = B[k*lda+12]; 
-                TempB[5] = B[k*lda+13]; 
-                TempB[6] = B[k*lda+14]; 
-                TempB[7] = B[k*lda+15]; 
-                
-                C[8+j*lda] += TempA * TempB[0];
-                C[9+j*lda] += TempA * TempB[1];
-                C[10+j*lda] += TempA * TempB[2];
-                C[11+j*lda] += TempA * TempB[3];
-                C[12+j*lda] += TempA * TempB[4];
-                C[13+j*lda] += TempA * TempB[5];
-                C[14+j*lda] += TempA * TempB[6];
-                C[15+j*lda] += TempA * TempB[7];
-                
-                TempB[0] = B[k*lda+16]; 
-                TempB[1] = B[k*lda+17]; 
-                TempB[2] = B[k*lda+18]; 
-                TempB[3] = B[k*lda+19]; 
-                TempB[4] = B[k*lda+20]; 
-                TempB[5] = B[k*lda+21]; 
-                TempB[6] = B[k*lda+22]; 
-                TempB[7] = B[k*lda+23]; 
-                
-                C[16+j*lda] += TempA * TempB[0];
-                C[17+j*lda] += TempA * TempB[1];
-                C[18+j*lda] += TempA * TempB[2];
-                C[19+j*lda] += TempA * TempB[3];
-                C[20+j*lda] += TempA * TempB[4];
-                C[21+j*lda] += TempA * TempB[5];
-                C[22+j*lda] += TempA * TempB[6];
-                C[23+j*lda] += TempA * TempB[7];
-
-                
-
-                
-               
-
-      }
-        }
-       }
-   */
- //-------------------------------------------------------------version2.7, use m=l*da, i=k*lda,out of stack, only i, MI 150k, only m, MSI 117.9k slower than v2.0
-       /*
-          static __thread int i, j, k, m, n;
-       static __thread data_t TempA;
-       static __thread data_t TempB[8];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     { 
-                m = j * lda;
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[m+ k];
-               for( n = 0; n < 4; n++)
-               {
-
-                TempB[0] = B[k *lda+0+8*n]; 
-                TempB[1] = B[k *lda+1+8*n]; 
-                TempB[2] = B[k *lda+2+8*n]; 
-                TempB[3] = B[k *lda+3+8*n]; 
-                TempB[4] = B[k *lda+4+8*n]; 
-                TempB[5] = B[k *lda+5+8*n]; 
-                TempB[6] = B[k *lda+6+8*n]; 
-                TempB[7] = B[k *lda+7+8*n]; 
-                
-                C[0+8*n+m] += TempA * TempB[0];
-                C[1+8*n+m] += TempA * TempB[1];
-                C[2+8*n+m] += TempA * TempB[2];
-                C[3+8*n+m] += TempA * TempB[3];
-                C[4+8*n+m] += TempA * TempB[4];
-                C[5+8*n+m] += TempA * TempB[5];
-                C[6+8*n+m] += TempA * TempB[6];
-                C[7+8*n+m] += TempA * TempB[7];
-                
-               }
-
-      }
-        }
-       }
-if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     { 
-                m = j * lda;
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[m+ k];
-               for( n = 0; n < 4; n++)
-               {
-
-                TempB[0] = B[k *lda+0+8*n]; 
-                TempB[1] = B[k *lda+1+8*n]; 
-                TempB[2] = B[k *lda+2+8*n]; 
-                TempB[3] = B[k *lda+3+8*n]; 
-                TempB[4] = B[k *lda+4+8*n]; 
-                TempB[5] = B[k *lda+5+8*n]; 
-                TempB[6] = B[k *lda+6+8*n]; 
-                TempB[7] = B[k *lda+7+8*n]; 
-                
-                C[0+8*n+m] += TempA * TempB[0];
-                C[1+8*n+m] += TempA * TempB[1];
-                C[2+8*n+m] += TempA * TempB[2];
-                C[3+8*n+m] += TempA * TempB[3];
-                C[4+8*n+m] += TempA * TempB[4];
-                C[5+8*n+m] += TempA * TempB[5];
-                C[6+8*n+m] += TempA * TempB[6];
-                C[7+8*n+m] += TempA * TempB[7];
-                
-               }
-
-      }
-        }
-       }
-       */
-//-------------------------------------------------------------version2.8 deal with false sharing, MSI,118K vs v2.0 117.0K. MI 147.629K. 
-/*     
-static __thread int i, j, k, m, n;
-       static __thread data_t TempA;
-       static __thread data_t TempB[8];
-       
-       if(coreid == 0)
-       {
-       for ( j = 0; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 2; n++)
-               {
-
-                TempB[0] = B[k*lda+0+16*n]; 
-                TempB[1] = B[k*lda+1+16*n]; 
-                TempB[2] = B[k*lda+2+16*n]; 
-                TempB[3] = B[k*lda+3+16*n];
-                TempB[4] = B[k*lda+4+16*n]; 
-                TempB[5] = B[k*lda+5+16*n]; 
-                TempB[6] = B[k*lda+6+16*n]; 
-                TempB[7] = B[k*lda+7+16*n]; 
-
-
-                
-                C[0+16*n+j*lda] += TempA * TempB[0];
-                C[1+16*n+j*lda] += TempA * TempB[1];
-                C[2+16*n+j*lda] += TempA * TempB[2];
-                C[3+16*n+j*lda] += TempA * TempB[3];
-                C[4+16*n+j*lda] += TempA * TempB[4];
-                C[5+16*n+j*lda] += TempA * TempB[5];
-                C[6+16*n+j*lda] += TempA * TempB[6];
-                C[7+16*n+j*lda] += TempA * TempB[7];
-                
-                TempB[0] = B[k*lda+8+16*n]; 
-                TempB[1] = B[k*lda+9+16*n]; 
-                TempB[2] = B[k*lda+10+16*n]; 
-                TempB[3] = B[k*lda+11+16*n]; 
-                TempB[4] = B[k*lda+12+16*n]; 
-                TempB[5] = B[k*lda+13+16*n]; 
-                TempB[6] = B[k*lda+14+16*n]; 
-                TempB[7] = B[k*lda+15+16*n]; 
-                
-                C[8+16*n+j*lda] += TempA * TempB[0];
-                C[9+16*n+j*lda] += TempA * TempB[1];
-                C[10+16*n+j*lda] += TempA * TempB[2];
-                C[11+16*n+j*lda] += TempA * TempB[3];
-                C[12+16*n+j*lda] += TempA * TempB[4];
-                C[13+16*n+j*lda] += TempA * TempB[5];
-                C[14+16*n+j*lda] += TempA * TempB[6];
-                C[15+16*n+j*lda] += TempA * TempB[7];
-                
-       
-                
-               }
-
-      }
-        }
-       }
-               if(coreid == 1)
-       {
-       for ( j = 1; j < lda; j+=2 )
-     {
-      for ( k = 0; k < lda; k++ )  
-      {
-                TempA = A[j*lda + k];
-               for( n = 0; n < 2; n++)
-               {
-
-
-                
-                TempB[0] = B[k*lda+8+16*n]; 
-                TempB[1] = B[k*lda+9+16*n]; 
-                TempB[2] = B[k*lda+10+16*n]; 
-                TempB[3] = B[k*lda+11+16*n]; 
-                TempB[4] = B[k*lda+12+16*n]; 
-                TempB[5] = B[k*lda+13+16*n]; 
-                TempB[6] = B[k*lda+14+16*n]; 
-                TempB[7] = B[k*lda+15+16*n]; 
-                
-                C[8+16*n+j*lda] += TempA * TempB[0];
-                C[9+16*n+j*lda] += TempA * TempB[1];
-                C[10+16*n+j*lda] += TempA * TempB[2];
-                C[11+16*n+j*lda] += TempA * TempB[3];
-                C[12+16*n+j*lda] += TempA * TempB[4];
-                C[13+16*n+j*lda] += TempA * TempB[5];
-                C[14+16*n+j*lda] += TempA * TempB[6];
-                C[15+16*n+j*lda] += TempA * TempB[7];
-                
-                TempB[0] = B[k*lda+0+16*n]; 
-                TempB[1] = B[k*lda+1+16*n]; 
-                TempB[2] = B[k*lda+2+16*n]; 
-                TempB[3] = B[k*lda+3+16*n];
-                TempB[4] = B[k*lda+4+16*n]; 
-                TempB[5] = B[k*lda+5+16*n]; 
-                TempB[6] = B[k*lda+6+16*n]; 
-                TempB[7] = B[k*lda+7+16*n]; 
-
-
-                
-                C[0+16*n+j*lda] += TempA * TempB[0];
-                C[1+16*n+j*lda] += TempA * TempB[1];
-                C[2+16*n+j*lda] += TempA * TempB[2];
-                C[3+16*n+j*lda] += TempA * TempB[3];
-                C[4+16*n+j*lda] += TempA * TempB[4];
-                C[5+16*n+j*lda] += TempA * TempB[5];
-                C[6+16*n+j*lda] += TempA * TempB[6];
-                C[7+16*n+j*lda] += TempA * TempB[7];
-       
-                
-               }
-
-      }
-        }
-       }
-       */
-       
-       //----------------------------------------------------------------version 2.11 optmize j,use core 1 j from 0 to 15 MSI 98k i = j*lda
-       //----------------------------------------------------------------version 2.12 not use i = j *lda MSI  95k
-       /*
-       static __thread data_t TempA[8];
-       static __thread data_t TempB[8];
-       static __thread int j,m,n,i,k;
-       
-       if(coreid == 1)
-       {
-       for ( j = 16; j < 32; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-       
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[0] * TempB[0];
-                C[1+8*n+j*lda] += TempA[0] * TempB[1];
-                C[2+8*n+j*lda] += TempA[0] * TempB[2];
-                C[3+8*n+j*lda] += TempA[0] * TempB[3];
-                C[4+8*n+j*lda] += TempA[0] * TempB[4];
-                C[5+8*n+j*lda] += TempA[0] * TempB[5];
-                C[6+8*n+j*lda] += TempA[0] * TempB[6];
-                C[7+8*n+j*lda] += TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[1] * TempB[0];
-                C[1+8*n+j*lda] += TempA[1] * TempB[1];
-                C[2+8*n+j*lda] += TempA[1] * TempB[2];
-                C[3+8*n+j*lda] += TempA[1] * TempB[3];
-                C[4+8*n+j*lda] += TempA[1] * TempB[4];
-                C[5+8*n+j*lda] += TempA[1] * TempB[5];
-                C[6+8*n+j*lda] += TempA[1] * TempB[6];
-                C[7+8*n+j*lda] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[2] * TempB[0];
-                C[1+8*n+j*lda] += TempA[2] * TempB[1];
-                C[2+8*n+j*lda] += TempA[2] * TempB[2];
-                C[3+8*n+j*lda] += TempA[2] * TempB[3];
-                C[4+8*n+j*lda] += TempA[2] * TempB[4];
-                C[5+8*n+j*lda] += TempA[2] * TempB[5];
-                C[6+8*n+j*lda] += TempA[2] * TempB[6];
-                C[7+8*n+j*lda] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[3] * TempB[0];
-                C[1+8*n+j*lda] += TempA[3] * TempB[1];
-                C[2+8*n+j*lda] += TempA[3] * TempB[2];
-                C[3+8*n+j*lda] += TempA[3] * TempB[3];
-                C[4+8*n+j*lda] += TempA[3] * TempB[4];
-                C[5+8*n+j*lda] += TempA[3] * TempB[5];
-                C[6+8*n+j*lda] += TempA[3] * TempB[6];
-                C[7+8*n+j*lda] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[4] * TempB[0];
-                C[1+8*n+j*lda] += TempA[4] * TempB[1];
-                C[2+8*n+j*lda] += TempA[4] * TempB[2];
-                C[3+8*n+j*lda] += TempA[4] * TempB[3];
-                C[4+8*n+j*lda] += TempA[4] * TempB[4];
-                C[5+8*n+j*lda] += TempA[4] * TempB[5];
-                C[6+8*n+j*lda] += TempA[4] * TempB[6];
-                C[7+8*n+j*lda] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[5] * TempB[0];
-                C[1+8*n+j*lda] += TempA[5] * TempB[1];
-                C[2+8*n+j*lda] += TempA[5] * TempB[2];
-                C[3+8*n+j*lda] += TempA[5] * TempB[3];
-                C[4+8*n+j*lda] += TempA[5] * TempB[4];
-                C[5+8*n+j*lda] += TempA[5] * TempB[5];
-                C[6+8*n+j*lda] += TempA[5] * TempB[6];
-                C[7+8*n+j*lda] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[6] * TempB[0];
-                C[1+8*n+j*lda] += TempA[6] * TempB[1];
-                C[2+8*n+j*lda] += TempA[6] * TempB[2];
-                C[3+8*n+j*lda] += TempA[6] * TempB[3];
-                C[4+8*n+j*lda] += TempA[6] * TempB[4];
-                C[5+8*n+j*lda] += TempA[6] * TempB[5];
-                C[6+8*n+j*lda] += TempA[6] * TempB[6];
-                C[7+8*n+j*lda] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[7] * TempB[0];
-                C[1+8*n+j*lda] += TempA[7] * TempB[1];
-                C[2+8*n+j*lda] += TempA[7] * TempB[2];
-                C[3+8*n+j*lda] += TempA[7] * TempB[3];
-                C[4+8*n+j*lda] += TempA[7] * TempB[4];
-                C[5+8*n+j*lda] += TempA[7] * TempB[5];
-                C[6+8*n+j*lda] += TempA[7] * TempB[6];
-                C[7+8*n+j*lda] += TempA[7] * TempB[7];
-               }
-
-      }
-        }
-       }
-       if(coreid ==0)
-               {
-       for ( j = 0; j < 16; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-               
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[0] * TempB[0];
-                C[1+8*n+j*lda] += TempA[0] * TempB[1];
-                C[2+8*n+j*lda] += TempA[0] * TempB[2];
-                C[3+8*n+j*lda] += TempA[0] * TempB[3];
-                C[4+8*n+j*lda] += TempA[0] * TempB[4];
-                C[5+8*n+j*lda] += TempA[0] * TempB[5];
-                C[6+8*n+j*lda] += TempA[0] * TempB[6];
-                C[7+8*n+j*lda] += TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[1] * TempB[0];
-                C[1+8*n+j*lda] += TempA[1] * TempB[1];
-                C[2+8*n+j*lda] += TempA[1] * TempB[2];
-                C[3+8*n+j*lda] += TempA[1] * TempB[3];
-                C[4+8*n+j*lda] += TempA[1] * TempB[4];
-                C[5+8*n+j*lda] += TempA[1] * TempB[5];
-                C[6+8*n+j*lda] += TempA[1] * TempB[6];
-                C[7+8*n+j*lda] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[2] * TempB[0];
-                C[1+8*n+j*lda] += TempA[2] * TempB[1];
-                C[2+8*n+j*lda] += TempA[2] * TempB[2];
-                C[3+8*n+j*lda] += TempA[2] * TempB[3];
-                C[4+8*n+j*lda] += TempA[2] * TempB[4];
-                C[5+8*n+j*lda] += TempA[2] * TempB[5];
-                C[6+8*n+j*lda] += TempA[2] * TempB[6];
-                C[7+8*n+j*lda] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[3] * TempB[0];
-                C[1+8*n+j*lda] += TempA[3] * TempB[1];
-                C[2+8*n+j*lda] += TempA[3] * TempB[2];
-                C[3+8*n+j*lda] += TempA[3] * TempB[3];
-                C[4+8*n+j*lda] += TempA[3] * TempB[4];
-                C[5+8*n+j*lda] += TempA[3] * TempB[5];
-                C[6+8*n+j*lda] += TempA[3] * TempB[6];
-                C[7+8*n+j*lda] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[4] * TempB[0];
-                C[1+8*n+j*lda] += TempA[4] * TempB[1];
-                C[2+8*n+j*lda] += TempA[4] * TempB[2];
-                C[3+8*n+j*lda] += TempA[4] * TempB[3];
-                C[4+8*n+j*lda] += TempA[4] * TempB[4];
-                C[5+8*n+j*lda] += TempA[4] * TempB[5];
-                C[6+8*n+j*lda] += TempA[4] * TempB[6];
-                C[7+8*n+j*lda] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[5] * TempB[0];
-                C[1+8*n+j*lda] += TempA[5] * TempB[1];
-                C[2+8*n+j*lda] += TempA[5] * TempB[2];
-                C[3+8*n+j*lda] += TempA[5] * TempB[3];
-                C[4+8*n+j*lda] += TempA[5] * TempB[4];
-                C[5+8*n+j*lda] += TempA[5] * TempB[5];
-                C[6+8*n+j*lda] += TempA[5] * TempB[6];
-                C[7+8*n+j*lda] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[6] * TempB[0];
-                C[1+8*n+j*lda] += TempA[6] * TempB[1];
-                C[2+8*n+j*lda] += TempA[6] * TempB[2];
-                C[3+8*n+j*lda] += TempA[6] * TempB[3];
-                C[4+8*n+j*lda] += TempA[6] * TempB[4];
-                C[5+8*n+j*lda] += TempA[6] * TempB[5];
-                C[6+8*n+j*lda] += TempA[6] * TempB[6];
-                C[7+8*n+j*lda] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[7] * TempB[0];
-                C[1+8*n+j*lda] += TempA[7] * TempB[1];
-                C[2+8*n+j*lda] += TempA[7] * TempB[2];
-                C[3+8*n+j*lda] += TempA[7] * TempB[3];
-                C[4+8*n+j*lda] += TempA[7] * TempB[4];
-                C[5+8*n+j*lda] += TempA[7] * TempB[5];
-                C[6+8*n+j*lda] += TempA[7] * TempB[6];
-                C[7+8*n+j*lda] += TempA[7] * TempB[7];
-               }
-
-      }
-        }
-       }
-       */
-       //-----------------------------------------------------------------version 2.14 optimize C. when tempc[8] inside n loop, MSI, 98K MI,158k
-       //-----------------------------------------------------------------version 2.15 optimize v2.14 a little MSI 89k. MI, 161K. don't decare tempc[8]=0 in the loop
-       /*
-       static __thread data_t TempA[8];
-       static __thread data_t TempB[8];
-       static __thread data_t TempC[8];
-       static __thread int j,m,n,i,k;
-       
-       if(coreid == 1)
-       {
-       for ( j = 16; j < 32; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-
-                
-               for( n = 0; n < 4; n++)
-               {
-            
-                
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                
-                TempC[0] = TempA[0] * TempB[0];
-                TempC[1] = TempA[0] * TempB[1];
-                TempC[2] = TempA[0] * TempB[2];
-                TempC[3] = TempA[0] * TempB[3];
-                TempC[4] = TempA[0] * TempB[4];
-                TempC[5] = TempA[0] * TempB[5];
-                TempC[6] = TempA[0] * TempB[6];
-                TempC[7] = TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[1] * TempB[0];
-                TempC[1] += TempA[1] * TempB[1];
-                TempC[2] += TempA[1] * TempB[2];
-                TempC[3] += TempA[1] * TempB[3];
-                TempC[4] += TempA[1] * TempB[4];
-                TempC[5] += TempA[1] * TempB[5];
-                TempC[6] += TempA[1] * TempB[6];
-                TempC[7] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[2] * TempB[0];
-                TempC[1] += TempA[2] * TempB[1];
-                TempC[2] += TempA[2] * TempB[2];
-                TempC[3] += TempA[2] * TempB[3];
-                TempC[4] += TempA[2] * TempB[4];
-                TempC[5] += TempA[2] * TempB[5];
-                TempC[6] += TempA[2] * TempB[6];
-                TempC[7] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[3] * TempB[0];
-                TempC[1] += TempA[3] * TempB[1];
-                TempC[2] += TempA[3] * TempB[2];
-                TempC[3] += TempA[3] * TempB[3];
-                TempC[4] += TempA[3] * TempB[4];
-                TempC[5] += TempA[3] * TempB[5];
-                TempC[6] += TempA[3] * TempB[6];
-                TempC[7] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[4] * TempB[0];
-                TempC[1] += TempA[4] * TempB[1];
-                TempC[2] += TempA[4] * TempB[2];
-                TempC[3] += TempA[4] * TempB[3];
-                TempC[4] += TempA[4] * TempB[4];
-                TempC[5] += TempA[4] * TempB[5];
-                TempC[6] += TempA[4] * TempB[6];
-                TempC[7] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[5] * TempB[0];
-                TempC[1] += TempA[5] * TempB[1];
-                TempC[2] += TempA[5] * TempB[2];
-                TempC[3] += TempA[5] * TempB[3];
-                TempC[4] += TempA[5] * TempB[4];
-                TempC[5] += TempA[5] * TempB[5];
-                TempC[6] += TempA[5] * TempB[6];
-                TempC[7] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[6] * TempB[0];
-                TempC[1] += TempA[6] * TempB[1];
-                TempC[2] += TempA[6] * TempB[2];
-                TempC[3] += TempA[6] * TempB[3];
-                TempC[4] += TempA[6] * TempB[4];
-                TempC[5] += TempA[6] * TempB[5];
-                TempC[6] += TempA[6] * TempB[6];
-                TempC[7] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[7] * TempB[0];
-                TempC[1] += TempA[7] * TempB[1];
-                TempC[2] += TempA[7] * TempB[2];
-                TempC[3] += TempA[7] * TempB[3];
-                TempC[4] += TempA[7] * TempB[4];
-                TempC[5] += TempA[7] * TempB[5];
-                TempC[6] += TempA[7] * TempB[6];
-                TempC[7] += TempA[7] * TempB[7];
-                
-
-               
-                C[0+8*n+j*lda] += TempC[0];
-                C[1+8*n+j*lda] += TempC[1];
-                C[2+8*n+j*lda] += TempC[2];
-                C[3+8*n+j*lda] += TempC[3];
-                C[4+8*n+j*lda] += TempC[4];
-                C[5+8*n+j*lda] += TempC[5];
-                C[6+8*n+j*lda] += TempC[6];
-                C[7+8*n+j*lda] += TempC[7];
-                }
-      }
-        }
-       }
-               if(coreid == 0)
-       {
-       for ( j = 0; j < 16; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-
-                
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                
-                TempC[0] = TempA[0] * TempB[0];
-                TempC[1] = TempA[0] * TempB[1];
-                TempC[2] = TempA[0] * TempB[2];
-                TempC[3] = TempA[0] * TempB[3];
-                TempC[4] = TempA[0] * TempB[4];
-                TempC[5] = TempA[0] * TempB[5];
-                TempC[6] = TempA[0] * TempB[6];
-                TempC[7] = TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[1] * TempB[0];
-                TempC[1] += TempA[1] * TempB[1];
-                TempC[2] += TempA[1] * TempB[2];
-                TempC[3] += TempA[1] * TempB[3];
-                TempC[4] += TempA[1] * TempB[4];
-                TempC[5] += TempA[1] * TempB[5];
-                TempC[6] += TempA[1] * TempB[6];
-                TempC[7] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[2] * TempB[0];
-                TempC[1] += TempA[2] * TempB[1];
-                TempC[2] += TempA[2] * TempB[2];
-                TempC[3] += TempA[2] * TempB[3];
-                TempC[4] += TempA[2] * TempB[4];
-                TempC[5] += TempA[2] * TempB[5];
-                TempC[6] += TempA[2] * TempB[6];
-                TempC[7] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[3] * TempB[0];
-                TempC[1] += TempA[3] * TempB[1];
-                TempC[2] += TempA[3] * TempB[2];
-                TempC[3] += TempA[3] * TempB[3];
-                TempC[4] += TempA[3] * TempB[4];
-                TempC[5] += TempA[3] * TempB[5];
-                TempC[6] += TempA[3] * TempB[6];
-                TempC[7] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[4] * TempB[0];
-                TempC[1] += TempA[4] * TempB[1];
-                TempC[2] += TempA[4] * TempB[2];
-                TempC[3] += TempA[4] * TempB[3];
-                TempC[4] += TempA[4] * TempB[4];
-                TempC[5] += TempA[4] * TempB[5];
-                TempC[6] += TempA[4] * TempB[6];
-                TempC[7] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[5] * TempB[0];
-                TempC[1] += TempA[5] * TempB[1];
-                TempC[2] += TempA[5] * TempB[2];
-                TempC[3] += TempA[5] * TempB[3];
-                TempC[4] += TempA[5] * TempB[4];
-                TempC[5] += TempA[5] * TempB[5];
-                TempC[6] += TempA[5] * TempB[6];
-                TempC[7] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[6] * TempB[0];
-                TempC[1] += TempA[6] * TempB[1];
-                TempC[2] += TempA[6] * TempB[2];
-                TempC[3] += TempA[6] * TempB[3];
-                TempC[4] += TempA[6] * TempB[4];
-                TempC[5] += TempA[6] * TempB[5];
-                TempC[6] += TempA[6] * TempB[6];
-                TempC[7] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                TempC[0] += TempA[7] * TempB[0];
-                TempC[1] += TempA[7] * TempB[1];
-                TempC[2] += TempA[7] * TempB[2];
-                TempC[3] += TempA[7] * TempB[3];
-                TempC[4] += TempA[7] * TempB[4];
-                TempC[5] += TempA[7] * TempB[5];
-                TempC[6] += TempA[7] * TempB[6];
-                TempC[7] += TempA[7] * TempB[7];
-                
-                C[0+8*n+j*lda] += TempC[0];
-                C[1+8*n+j*lda] += TempC[1];
-                C[2+8*n+j*lda] += TempC[2];
-                C[3+8*n+j*lda] += TempC[3];
-                C[4+8*n+j*lda] += TempC[4];
-                C[5+8*n+j*lda] += TempC[5];
-                C[6+8*n+j*lda] += TempC[6];
-                C[7+8*n+j*lda] += TempC[7];
-               }
-
-      }
-        }
-       }
-       */
-       //-----------------------------------------------------------------version 2.16, optimize v2.15 get rid of tempb. MSI 83K.w/ test one 81K.
-
-       
-       static __thread data_t TempA[8];
-       static __thread data_t TempB[8];
-       static __thread data_t TempC[8];
-       static __thread int j,m,n;
-       
-                       if(coreid == 1)
-       {
-       for ( j = 16; j < 32; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-
-                
-               for( n = 0; n < 4; n++)
-               {
-            
-                
-
-                
-                
-                TempC[0] = TempA[0] * B[(0+8*m)*lda+0+8*n]; 
-                TempC[1] = TempA[0] * B[(0+8*m)*lda+1+8*n]; 
-                TempC[2] = TempA[0] * B[(0+8*m)*lda+2+8*n]; 
-                TempC[3] = TempA[0] * B[(0+8*m)*lda+3+8*n]; 
-                TempC[4] = TempA[0] * B[(0+8*m)*lda+4+8*n]; 
-                TempC[5] = TempA[0] * B[(0+8*m)*lda+5+8*n]; 
-                TempC[6] = TempA[0] * B[(0+8*m)*lda+6+8*n]; 
-                TempC[7] = TempA[0] * B[(0+8*m)*lda+7+8*n]; 
-                
-                
-                TempC[0] += TempA[1] * B[(1+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[1] * B[(1+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[1] * B[(1+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[1] * B[(1+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[1] * B[(1+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[1] * B[(1+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[1] * B[(1+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[1] * B[(1+8*m)*lda+7+8*n]; 
-                
-
-
-                TempC[0] += TempA[2] * B[(2+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[2] * B[(2+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[2] * B[(2+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[2] * B[(2+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[2] * B[(2+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[2] * B[(2+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[2] * B[(2+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[2] * B[(2+8*m)*lda+7+8*n]; 
-                
-
-
-                TempC[0] += TempA[3] * B[(3+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[3] * B[(3+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[3] * B[(3+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[3] * B[(3+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[3] * B[(3+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[3] * B[(3+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[3] * B[(3+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[3] * B[(3+8*m)*lda+7+8*n]; 
-
-                TempC[0] += TempA[4] * B[(4+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[4] * B[(4+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[4] * B[(4+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[4] * B[(4+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[4] * B[(4+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[4] * B[(4+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[4] * B[(4+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[4] * B[(4+8*m)*lda+7+8*n]; 
-
-
-                TempC[0] += TempA[5] * B[(5+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[5] * B[(5+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[5] * B[(5+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[5] * B[(5+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[5] * B[(5+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[5] * B[(5+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[5] * B[(5+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[5] * B[(5+8*m)*lda+7+8*n]; 
-                
-
-
-                TempC[0] += TempA[6] * B[(6+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[6] * B[(6+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[6] * B[(6+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[6] * B[(6+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[6] * B[(6+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[6] * B[(6+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[6] * B[(6+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[6] * B[(6+8*m)*lda+7+8*n]; 
-
-
-                TempC[0] += TempA[7] * B[(7+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[7] * B[(7+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[7] * B[(7+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[7] * B[(7+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[7] * B[(7+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[7] * B[(7+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[7] * B[(7+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[7] * B[(7+8*m)*lda+7+8*n]; 
-                
-
-               
-                C[0+8*n+j*lda] += TempC[0];
-                C[1+8*n+j*lda] += TempC[1];
-                C[2+8*n+j*lda] += TempC[2];
-                C[3+8*n+j*lda] += TempC[3];
-                C[4+8*n+j*lda] += TempC[4];
-                C[5+8*n+j*lda] += TempC[5];
-                C[6+8*n+j*lda] += TempC[6];
-                C[7+8*n+j*lda] += TempC[7];
-                }
-      }
-        }
-       }
-                       if(coreid == 0)
-       {
-       for ( j = 0; j < 16; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-
-                
-               for( n = 0; n < 4; n++)
-               {
-            
-                
-
-                
-                
-                TempC[0] = TempA[0] * B[(0+8*m)*lda+0+8*n]; 
-                TempC[1] = TempA[0] * B[(0+8*m)*lda+1+8*n]; 
-                TempC[2] = TempA[0] * B[(0+8*m)*lda+2+8*n]; 
-                TempC[3] = TempA[0] * B[(0+8*m)*lda+3+8*n]; 
-                TempC[4] = TempA[0] * B[(0+8*m)*lda+4+8*n]; 
-                TempC[5] = TempA[0] * B[(0+8*m)*lda+5+8*n]; 
-                TempC[6] = TempA[0] * B[(0+8*m)*lda+6+8*n]; 
-                TempC[7] = TempA[0] * B[(0+8*m)*lda+7+8*n]; 
-                
-                
-                TempC[0] += TempA[1] * B[(1+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[1] * B[(1+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[1] * B[(1+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[1] * B[(1+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[1] * B[(1+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[1] * B[(1+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[1] * B[(1+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[1] * B[(1+8*m)*lda+7+8*n]; 
-                
-
-
-                TempC[0] += TempA[2] * B[(2+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[2] * B[(2+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[2] * B[(2+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[2] * B[(2+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[2] * B[(2+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[2] * B[(2+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[2] * B[(2+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[2] * B[(2+8*m)*lda+7+8*n]; 
-                
-
-
-                TempC[0] += TempA[3] * B[(3+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[3] * B[(3+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[3] * B[(3+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[3] * B[(3+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[3] * B[(3+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[3] * B[(3+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[3] * B[(3+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[3] * B[(3+8*m)*lda+7+8*n]; 
-
-                TempC[0] += TempA[4] * B[(4+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[4] * B[(4+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[4] * B[(4+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[4] * B[(4+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[4] * B[(4+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[4] * B[(4+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[4] * B[(4+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[4] * B[(4+8*m)*lda+7+8*n]; 
-
-
-                TempC[0] += TempA[5] * B[(5+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[5] * B[(5+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[5] * B[(5+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[5] * B[(5+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[5] * B[(5+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[5] * B[(5+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[5] * B[(5+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[5] * B[(5+8*m)*lda+7+8*n]; 
-                
-
-
-                TempC[0] += TempA[6] * B[(6+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[6] * B[(6+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[6] * B[(6+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[6] * B[(6+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[6] * B[(6+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[6] * B[(6+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[6] * B[(6+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[6] * B[(6+8*m)*lda+7+8*n]; 
-
-
-                TempC[0] += TempA[7] * B[(7+8*m)*lda+0+8*n]; 
-                TempC[1] += TempA[7] * B[(7+8*m)*lda+1+8*n]; 
-                TempC[2] += TempA[7] * B[(7+8*m)*lda+2+8*n]; 
-                TempC[3] += TempA[7] * B[(7+8*m)*lda+3+8*n]; 
-                TempC[4] += TempA[7] * B[(7+8*m)*lda+4+8*n]; 
-                TempC[5] += TempA[7] * B[(7+8*m)*lda+5+8*n]; 
-                TempC[6] += TempA[7] * B[(7+8*m)*lda+6+8*n]; 
-                TempC[7] += TempA[7] * B[(7+8*m)*lda+7+8*n]; 
-                
-
-               
-                C[0+8*n+j*lda] += TempC[0];
-                C[1+8*n+j*lda] += TempC[1];
-                C[2+8*n+j*lda] += TempC[2];
-                C[3+8*n+j*lda] += TempC[3];
-                C[4+8*n+j*lda] += TempC[4];
-                C[5+8*n+j*lda] += TempC[5];
-                C[6+8*n+j*lda] += TempC[6];
-                C[7+8*n+j*lda] += TempC[7];
-                }
-      }
-        }
-       }
-       
-               //-----------------------------------------------------------------version 2.13 optimize j
-       /*
-       static __thread data_t TempA[8];
-       static __thread data_t TempB[8];
-       static __thread data_t TempC[8];
-       static __thread int j,m,n,i,k;
-       
-       if(coreid == 1)
-       {
-       for ( j = 16; j < 32; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[0] * TempB[0];
-                C[1+8*n+j*lda] += TempA[0] * TempB[1];
-                C[2+8*n+j*lda] += TempA[0] * TempB[2];
-                C[3+8*n+j*lda] += TempA[0] * TempB[3];
-                C[4+8*n+j*lda] += TempA[0] * TempB[4];
-                C[5+8*n+j*lda] += TempA[0] * TempB[5];
-                C[6+8*n+j*lda] += TempA[0] * TempB[6];
-                C[7+8*n+j*lda] += TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[1] * TempB[0];
-                C[1+8*n+j*lda] += TempA[1] * TempB[1];
-                C[2+8*n+j*lda] += TempA[1] * TempB[2];
-                C[3+8*n+j*lda] += TempA[1] * TempB[3];
-                C[4+8*n+j*lda] += TempA[1] * TempB[4];
-                C[5+8*n+j*lda] += TempA[1] * TempB[5];
-                C[6+8*n+j*lda] += TempA[1] * TempB[6];
-                C[7+8*n+j*lda] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[2] * TempB[0];
-                C[1+8*n+j*lda] += TempA[2] * TempB[1];
-                C[2+8*n+j*lda] += TempA[2] * TempB[2];
-                C[3+8*n+j*lda] += TempA[2] * TempB[3];
-                C[4+8*n+j*lda] += TempA[2] * TempB[4];
-                C[5+8*n+j*lda] += TempA[2] * TempB[5];
-                C[6+8*n+j*lda] += TempA[2] * TempB[6];
-                C[7+8*n+j*lda] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[3] * TempB[0];
-                C[1+8*n+j*lda] += TempA[3] * TempB[1];
-                C[2+8*n+j*lda] += TempA[3] * TempB[2];
-                C[3+8*n+j*lda] += TempA[3] * TempB[3];
-                C[4+8*n+j*lda] += TempA[3] * TempB[4];
-                C[5+8*n+j*lda] += TempA[3] * TempB[5];
-                C[6+8*n+j*lda] += TempA[3] * TempB[6];
-                C[7+8*n+j*lda] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[4] * TempB[0];
-                C[1+8*n+j*lda] += TempA[4] * TempB[1];
-                C[2+8*n+j*lda] += TempA[4] * TempB[2];
-                C[3+8*n+j*lda] += TempA[4] * TempB[3];
-                C[4+8*n+j*lda] += TempA[4] * TempB[4];
-                C[5+8*n+j*lda] += TempA[4] * TempB[5];
-                C[6+8*n+j*lda] += TempA[4] * TempB[6];
-                C[7+8*n+j*lda] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[5] * TempB[0];
-                C[1+8*n+j*lda] += TempA[5] * TempB[1];
-                C[2+8*n+j*lda] += TempA[5] * TempB[2];
-                C[3+8*n+j*lda] += TempA[5] * TempB[3];
-                C[4+8*n+j*lda] += TempA[5] * TempB[4];
-                C[5+8*n+j*lda] += TempA[5] * TempB[5];
-                C[6+8*n+j*lda] += TempA[5] * TempB[6];
-                C[7+8*n+j*lda] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[6] * TempB[0];
-                C[1+8*n+j*lda] += TempA[6] * TempB[1];
-                C[2+8*n+j*lda] += TempA[6] * TempB[2];
-                C[3+8*n+j*lda] += TempA[6] * TempB[3];
-                C[4+8*n+j*lda] += TempA[6] * TempB[4];
-                C[5+8*n+j*lda] += TempA[6] * TempB[5];
-                C[6+8*n+j*lda] += TempA[6] * TempB[6];
-                C[7+8*n+j*lda] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[7] * TempB[0];
-                C[1+8*n+j*lda] += TempA[7] * TempB[1];
-                C[2+8*n+j*lda] += TempA[7] * TempB[2];
-                C[3+8*n+j*lda] += TempA[7] * TempB[3];
-                C[4+8*n+j*lda] += TempA[7] * TempB[4];
-                C[5+8*n+j*lda] += TempA[7] * TempB[5];
-                C[6+8*n+j*lda] += TempA[7] * TempB[6];
-                C[7+8*n+j*lda] += TempA[7] * TempB[7];
-               }
-
-      }
-        }
-       }
-       if(coreid == 0)
-       {
-       for ( j = 0; j < 16; j++ )
-     {         
-                 
-      for ( m = 0; m < 4; m++ )  
-      {
-                 
-                TempA[0] = A[j*lda+0+8*m];
-                TempA[1] = A[j*lda+1+8*m];
-                TempA[2] = A[j*lda+2+8*m];
-                TempA[3] = A[j*lda+3+8*m];
-                TempA[4] = A[j*lda+4+8*m];
-                TempA[5] = A[j*lda+5+8*m];
-                TempA[6] = A[j*lda+6+8*m];
-                TempA[7] = A[j*lda+7+8*m];
-                
-               for( n = 0; n < 4; n++)
-               {
-                TempB[0] = B[(0+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(0+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(0+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(0+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(0+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(0+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(0+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(0+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[0] * TempB[0];
-                C[1+8*n+j*lda] += TempA[0] * TempB[1];
-                C[2+8*n+j*lda] += TempA[0] * TempB[2];
-                C[3+8*n+j*lda] += TempA[0] * TempB[3];
-                C[4+8*n+j*lda] += TempA[0] * TempB[4];
-                C[5+8*n+j*lda] += TempA[0] * TempB[5];
-                C[6+8*n+j*lda] += TempA[0] * TempB[6];
-                C[7+8*n+j*lda] += TempA[0] * TempB[7];
-                
-
-
-                TempB[0] = B[(1+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(1+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(1+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(1+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(1+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(1+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(1+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(1+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[1] * TempB[0];
-                C[1+8*n+j*lda] += TempA[1] * TempB[1];
-                C[2+8*n+j*lda] += TempA[1] * TempB[2];
-                C[3+8*n+j*lda] += TempA[1] * TempB[3];
-                C[4+8*n+j*lda] += TempA[1] * TempB[4];
-                C[5+8*n+j*lda] += TempA[1] * TempB[5];
-                C[6+8*n+j*lda] += TempA[1] * TempB[6];
-                C[7+8*n+j*lda] += TempA[1] * TempB[7];
-                
-
-
-                TempB[0] = B[(2+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(2+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(2+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(2+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(2+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(2+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(2+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(2+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[2] * TempB[0];
-                C[1+8*n+j*lda] += TempA[2] * TempB[1];
-                C[2+8*n+j*lda] += TempA[2] * TempB[2];
-                C[3+8*n+j*lda] += TempA[2] * TempB[3];
-                C[4+8*n+j*lda] += TempA[2] * TempB[4];
-                C[5+8*n+j*lda] += TempA[2] * TempB[5];
-                C[6+8*n+j*lda] += TempA[2] * TempB[6];
-                C[7+8*n+j*lda] += TempA[2] * TempB[7];
-                
-
-
-                TempB[0] = B[(3+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(3+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(3+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(3+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(3+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(3+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(3+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(3+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[3] * TempB[0];
-                C[1+8*n+j*lda] += TempA[3] * TempB[1];
-                C[2+8*n+j*lda] += TempA[3] * TempB[2];
-                C[3+8*n+j*lda] += TempA[3] * TempB[3];
-                C[4+8*n+j*lda] += TempA[3] * TempB[4];
-                C[5+8*n+j*lda] += TempA[3] * TempB[5];
-                C[6+8*n+j*lda] += TempA[3] * TempB[6];
-                C[7+8*n+j*lda] += TempA[3] * TempB[7];
-
-
-                TempB[0] = B[(4+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(4+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(4+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(4+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(4+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(4+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(4+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(4+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[4] * TempB[0];
-                C[1+8*n+j*lda] += TempA[4] * TempB[1];
-                C[2+8*n+j*lda] += TempA[4] * TempB[2];
-                C[3+8*n+j*lda] += TempA[4] * TempB[3];
-                C[4+8*n+j*lda] += TempA[4] * TempB[4];
-                C[5+8*n+j*lda] += TempA[4] * TempB[5];
-                C[6+8*n+j*lda] += TempA[4] * TempB[6];
-                C[7+8*n+j*lda] += TempA[4] * TempB[7];
-                
-
-
-                TempB[0] = B[(5+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(5+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(5+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(5+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(5+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(5+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(5+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(5+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[5] * TempB[0];
-                C[1+8*n+j*lda] += TempA[5] * TempB[1];
-                C[2+8*n+j*lda] += TempA[5] * TempB[2];
-                C[3+8*n+j*lda] += TempA[5] * TempB[3];
-                C[4+8*n+j*lda] += TempA[5] * TempB[4];
-                C[5+8*n+j*lda] += TempA[5] * TempB[5];
-                C[6+8*n+j*lda] += TempA[5] * TempB[6];
-                C[7+8*n+j*lda] += TempA[5] * TempB[7];
-                
-
-
-                TempB[0] = B[(6+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(6+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(6+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(6+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(6+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(6+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(6+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(6+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[6] * TempB[0];
-                C[1+8*n+j*lda] += TempA[6] * TempB[1];
-                C[2+8*n+j*lda] += TempA[6] * TempB[2];
-                C[3+8*n+j*lda] += TempA[6] * TempB[3];
-                C[4+8*n+j*lda] += TempA[6] * TempB[4];
-                C[5+8*n+j*lda] += TempA[6] * TempB[5];
-                C[6+8*n+j*lda] += TempA[6] * TempB[6];
-                C[7+8*n+j*lda] += TempA[6] * TempB[7];
-
-
-                TempB[0] = B[(7+8*m)*lda+0+8*n]; 
-                TempB[1] = B[(7+8*m)*lda+1+8*n]; 
-                TempB[2] = B[(7+8*m)*lda+2+8*n]; 
-                TempB[3] = B[(7+8*m)*lda+3+8*n]; 
-                TempB[4] = B[(7+8*m)*lda+4+8*n]; 
-                TempB[5] = B[(7+8*m)*lda+5+8*n]; 
-                TempB[6] = B[(7+8*m)*lda+6+8*n]; 
-                TempB[7] = B[(7+8*m)*lda+7+8*n]; 
-                
-                C[0+8*n+j*lda] += TempA[7] * TempB[0];
-                C[1+8*n+j*lda] += TempA[7] * TempB[1];
-                C[2+8*n+j*lda] += TempA[7] * TempB[2];
-                C[3+8*n+j*lda] += TempA[7] * TempB[3];
-                C[4+8*n+j*lda] += TempA[7] * TempB[4];
-                C[5+8*n+j*lda] += TempA[7] * TempB[5];
-                C[6+8*n+j*lda] += TempA[7] * TempB[6];
-                C[7+8*n+j*lda] += TempA[7] * TempB[7];
-               }
-
-      }
-        }
-       }
-       */
-}
-
-//--------------------------------------------------------------------------
-// Main
-//
-// all threads start executing thread_entry(). Use their "coreid" to
-// differentiate between threads (each thread is running on a separate core).
-  
-void thread_entry(int cid, int nc)
-{
-   coreid = cid;
-   ncores = nc;
-
-   // static allocates data in the binary, which is visible to both threads
-   static data_t results_data[ARRAY_SIZE];
-   
-       
-//   // Execute the provided, naive matmul
-//   barrier(nc);
-//   stats(matmul_naive(DIM_SIZE, input1_data, input2_data, results_data); barrier(nc));
-// 
-//   
-//   // verify
-//   verifyMT(ARRAY_SIZE, results_data, verify_data);
-//   
-//   // clear results from the first trial
-//   size_t i;
-//   if (coreid == 0) 
-//      for (i=0; i < ARRAY_SIZE; i++)
-//         results_data[i] = 0;
-//   barrier(nc);
-
-   
-   // Execute your faster matmul
-   barrier(nc);
-   stats(matmul(DIM_SIZE, input1_data, input2_data, results_data); barrier(nc));
-#ifdef DEBUG
-   printArrayMT("results:", ARRAY_SIZE, results_data);
-   printArrayMT("verify :", ARRAY_SIZE, verify_data);
-#endif
-   
-   // verify
-   verifyMT(ARRAY_SIZE, results_data, verify_data);
-   barrier(nc);
-
-   exit(0);
-}
-