diff --git a/CMakeLists.txt b/CMakeLists.txt
index 157c38b2..8fa64994 100644
--- a/CMakeLists.txt
+++ b/CMakeLists.txt
@@ -1,5 +1,4 @@
-# TODO: check the minimum cmake version
-cmake_minimum_required(VERSION 3.9) # Required by find_package(OpenMP)
+cmake_minimum_required(VERSION 3.10) # Required by CMAKE_CUDA_HOST_COMPILER
 include(CMakeDependentOption)
 project(InfiniTensor C CXX)
 
@@ -16,6 +15,7 @@ set(DEFAULT_BUILD_TYPE "RelWithDebInfo")
 
 set(CMAKE_CXX_STANDARD 17)
 set(CMAKE_CXX_EXTENSIONS OFF) # -std=gnu++11 when on, -std=c++11 when off
+
 set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -g -Wall -Werror -Wno-error=deprecated-declarations")
 set(CMAKE_CXX_FLAGS_RELEASE "${CMAKE_CXX_FLAGS_RELEASE} -UNDEBUG") # Enable assertion
 set(CMAKE_CXX_FLAGS_RELWITHDEBINFO "${CMAKE_CXX_FLAGS_RELWITHDEBINFO} -UNDEBUG") # Enable assertion
@@ -67,11 +67,12 @@ if(USE_BACKTRACE)
 endif()
 
 if(USE_CUDA)
-  # set(CUDA_HOST_COMPILER /home/spack/spack/opt/spack/linux-ubuntu22.04-broadwell/gcc-9.4.0/gcc-9.4.0-st36klijpsnquihiy463hmedsyhoc3g6/bin/gcc)
+  # Since enable_language only executes once, rerun cmake is required if CMAKE_CUDA_HOST_COMPILER is wrong
+  set(CMAKE_CUDA_HOST_COMPILER
+      ${CMAKE_CXX_COMPILER}
+      CACHE STRING "Set cuda host compiler path")
   enable_language(CUDA)
-  # TODO: how to set option for CUDA_HOST_COMPILER. Now env var CUDAHOSTCXX=/home/spack/spack/opt/spack/linux-ubuntu22.04-broadwell/gcc-9.4.0/gcc-9.4.0-st36klijpsnquihiy463hmedsyhoc3g6/bin/gcc takes effect.
-  # option(CUDA_HOST_COMPILER "" ${CMAKE_C_COMPILER})
-  # TODO:  find_package seems unnecessary for CMake >= 3.8
+  # TODO: find_package seems unnecessary for CMake >= 3.8
   find_package(CUDA REQUIRED)
   # message("CUBLAS_LIBRARIES: ${CUDA_LIBRARIES}")
   target_link_libraries(InfiniTensor cudnn curand cublas ${CUDA_LIBRARIES})
diff --git a/include/core/operator.h b/include/core/operator.h
index 0575f705..79e880cf 100644
--- a/include/core/operator.h
+++ b/include/core/operator.h
@@ -10,7 +10,7 @@ enum class OpType {
     Matmul,
     ConvTrans,
     G2BMM,
-    GBMML,
+    GBMM,
     Pad,
     Slice,
     Concat,
@@ -53,7 +53,7 @@ class OpRegistry {
             FOP(Matmul);
             FOP(ConvTrans);
             FOP(G2BMM);
-            FOP(GBMML);
+            FOP(GBMM);
             FOP(Pad);
             FOP(Slice);
             FOP(Concat);
diff --git a/include/custom_ops.cuh b/include/custom_ops.cuh
new file mode 100644
index 00000000..d3d00e94
--- /dev/null
+++ b/include/custom_ops.cuh
@@ -0,0 +1,5802 @@
+#ifndef CUSTOM_OPS_CUH
+#define CUSTOM_OPS_CUH
+
+#include <cassert>
+
+namespace infini {
+
+#ifdef _WIN32
+using uint = unsigned int;
+using uchar = unsigned char;
+using ushort = unsigned short;
+using int64_t = long long;
+using uint64_t = unsigned long long;
+#else
+#define uint unsigned int
+#define uchar unsigned char
+#define ushort unsigned short
+#define int64_t long long
+#define uint64_t unsigned long long
+#endif
+
+__global__ void __launch_bounds__(58)
+    sg2bmm_bs1_n10000_m64_w1000_d1_kernel0(float *__restrict__ q,
+                                           float *__restrict__ k,
+                                           float *__restrict__ SG2BMM) {
+    float SG2BMM_local[120];
+    __shared__ float q_shared[320];
+    __shared__ float Kpad_shared[664];
+    SG2BMM_local[(0)] = 0.000000e+00f;
+    SG2BMM_local[(3)] = 0.000000e+00f;
+    SG2BMM_local[(6)] = 0.000000e+00f;
+    SG2BMM_local[(9)] = 0.000000e+00f;
+    SG2BMM_local[(12)] = 0.000000e+00f;
+    SG2BMM_local[(15)] = 0.000000e+00f;
+    SG2BMM_local[(18)] = 0.000000e+00f;
+    SG2BMM_local[(21)] = 0.000000e+00f;
+    SG2BMM_local[(24)] = 0.000000e+00f;
+    SG2BMM_local[(27)] = 0.000000e+00f;
+    SG2BMM_local[(30)] = 0.000000e+00f;
+    SG2BMM_local[(33)] = 0.000000e+00f;
+    SG2BMM_local[(36)] = 0.000000e+00f;
+    SG2BMM_local[(39)] = 0.000000e+00f;
+    SG2BMM_local[(42)] = 0.000000e+00f;
+    SG2BMM_local[(45)] = 0.000000e+00f;
+    SG2BMM_local[(48)] = 0.000000e+00f;
+    SG2BMM_local[(51)] = 0.000000e+00f;
+    SG2BMM_local[(54)] = 0.000000e+00f;
+    SG2BMM_local[(57)] = 0.000000e+00f;
+    SG2BMM_local[(60)] = 0.000000e+00f;
+    SG2BMM_local[(63)] = 0.000000e+00f;
+    SG2BMM_local[(66)] = 0.000000e+00f;
+    SG2BMM_local[(69)] = 0.000000e+00f;
+    SG2BMM_local[(72)] = 0.000000e+00f;
+    SG2BMM_local[(75)] = 0.000000e+00f;
+    SG2BMM_local[(78)] = 0.000000e+00f;
+    SG2BMM_local[(81)] = 0.000000e+00f;
+    SG2BMM_local[(84)] = 0.000000e+00f;
+    SG2BMM_local[(87)] = 0.000000e+00f;
+    SG2BMM_local[(90)] = 0.000000e+00f;
+    SG2BMM_local[(93)] = 0.000000e+00f;
+    SG2BMM_local[(96)] = 0.000000e+00f;
+    SG2BMM_local[(99)] = 0.000000e+00f;
+    SG2BMM_local[(102)] = 0.000000e+00f;
+    SG2BMM_local[(105)] = 0.000000e+00f;
+    SG2BMM_local[(108)] = 0.000000e+00f;
+    SG2BMM_local[(111)] = 0.000000e+00f;
+    SG2BMM_local[(114)] = 0.000000e+00f;
+    SG2BMM_local[(117)] = 0.000000e+00f;
+    SG2BMM_local[(1)] = 0.000000e+00f;
+    SG2BMM_local[(4)] = 0.000000e+00f;
+    SG2BMM_local[(7)] = 0.000000e+00f;
+    SG2BMM_local[(10)] = 0.000000e+00f;
+    SG2BMM_local[(13)] = 0.000000e+00f;
+    SG2BMM_local[(16)] = 0.000000e+00f;
+    SG2BMM_local[(19)] = 0.000000e+00f;
+    SG2BMM_local[(22)] = 0.000000e+00f;
+    SG2BMM_local[(25)] = 0.000000e+00f;
+    SG2BMM_local[(28)] = 0.000000e+00f;
+    SG2BMM_local[(31)] = 0.000000e+00f;
+    SG2BMM_local[(34)] = 0.000000e+00f;
+    SG2BMM_local[(37)] = 0.000000e+00f;
+    SG2BMM_local[(40)] = 0.000000e+00f;
+    SG2BMM_local[(43)] = 0.000000e+00f;
+    SG2BMM_local[(46)] = 0.000000e+00f;
+    SG2BMM_local[(49)] = 0.000000e+00f;
+    SG2BMM_local[(52)] = 0.000000e+00f;
+    SG2BMM_local[(55)] = 0.000000e+00f;
+    SG2BMM_local[(58)] = 0.000000e+00f;
+    SG2BMM_local[(61)] = 0.000000e+00f;
+    SG2BMM_local[(64)] = 0.000000e+00f;
+    SG2BMM_local[(67)] = 0.000000e+00f;
+    SG2BMM_local[(70)] = 0.000000e+00f;
+    SG2BMM_local[(73)] = 0.000000e+00f;
+    SG2BMM_local[(76)] = 0.000000e+00f;
+    SG2BMM_local[(79)] = 0.000000e+00f;
+    SG2BMM_local[(82)] = 0.000000e+00f;
+    SG2BMM_local[(85)] = 0.000000e+00f;
+    SG2BMM_local[(88)] = 0.000000e+00f;
+    SG2BMM_local[(91)] = 0.000000e+00f;
+    SG2BMM_local[(94)] = 0.000000e+00f;
+    SG2BMM_local[(97)] = 0.000000e+00f;
+    SG2BMM_local[(100)] = 0.000000e+00f;
+    SG2BMM_local[(103)] = 0.000000e+00f;
+    SG2BMM_local[(106)] = 0.000000e+00f;
+    SG2BMM_local[(109)] = 0.000000e+00f;
+    SG2BMM_local[(112)] = 0.000000e+00f;
+    SG2BMM_local[(115)] = 0.000000e+00f;
+    SG2BMM_local[(118)] = 0.000000e+00f;
+    SG2BMM_local[(2)] = 0.000000e+00f;
+    SG2BMM_local[(5)] = 0.000000e+00f;
+    SG2BMM_local[(8)] = 0.000000e+00f;
+    SG2BMM_local[(11)] = 0.000000e+00f;
+    SG2BMM_local[(14)] = 0.000000e+00f;
+    SG2BMM_local[(17)] = 0.000000e+00f;
+    SG2BMM_local[(20)] = 0.000000e+00f;
+    SG2BMM_local[(23)] = 0.000000e+00f;
+    SG2BMM_local[(26)] = 0.000000e+00f;
+    SG2BMM_local[(29)] = 0.000000e+00f;
+    SG2BMM_local[(32)] = 0.000000e+00f;
+    SG2BMM_local[(35)] = 0.000000e+00f;
+    SG2BMM_local[(38)] = 0.000000e+00f;
+    SG2BMM_local[(41)] = 0.000000e+00f;
+    SG2BMM_local[(44)] = 0.000000e+00f;
+    SG2BMM_local[(47)] = 0.000000e+00f;
+    SG2BMM_local[(50)] = 0.000000e+00f;
+    SG2BMM_local[(53)] = 0.000000e+00f;
+    SG2BMM_local[(56)] = 0.000000e+00f;
+    SG2BMM_local[(59)] = 0.000000e+00f;
+    SG2BMM_local[(62)] = 0.000000e+00f;
+    SG2BMM_local[(65)] = 0.000000e+00f;
+    SG2BMM_local[(68)] = 0.000000e+00f;
+    SG2BMM_local[(71)] = 0.000000e+00f;
+    SG2BMM_local[(74)] = 0.000000e+00f;
+    SG2BMM_local[(77)] = 0.000000e+00f;
+    SG2BMM_local[(80)] = 0.000000e+00f;
+    SG2BMM_local[(83)] = 0.000000e+00f;
+    SG2BMM_local[(86)] = 0.000000e+00f;
+    SG2BMM_local[(89)] = 0.000000e+00f;
+    SG2BMM_local[(92)] = 0.000000e+00f;
+    SG2BMM_local[(95)] = 0.000000e+00f;
+    SG2BMM_local[(98)] = 0.000000e+00f;
+    SG2BMM_local[(101)] = 0.000000e+00f;
+    SG2BMM_local[(104)] = 0.000000e+00f;
+    SG2BMM_local[(107)] = 0.000000e+00f;
+    SG2BMM_local[(110)] = 0.000000e+00f;
+    SG2BMM_local[(113)] = 0.000000e+00f;
+    SG2BMM_local[(116)] = 0.000000e+00f;
+    SG2BMM_local[(119)] = 0.000000e+00f;
+    for (int p_outer_outer = 0; p_outer_outer < 16; ++p_outer_outer) {
+        __syncthreads();
+        q_shared[(((int)threadIdx.x))] =
+            q[((((((((int)blockIdx.x) / 23) * 5120) +
+                  ((((int)threadIdx.x) >> 2) * 64)) +
+                 (p_outer_outer * 4)) +
+                (((int)threadIdx.x) & 3)))];
+        q_shared[((((int)threadIdx.x) + 58))] =
+            q[((((((((int)blockIdx.x) / 23) * 5120) +
+                  (((((int)threadIdx.x) + 58) >> 2) * 64)) +
+                 (p_outer_outer * 4)) +
+                ((((int)threadIdx.x) + 2) & 3)))];
+        q_shared[((((int)threadIdx.x) + 116))] =
+            q[(((((((((int)blockIdx.x) / 23) * 5120) +
+                   ((((int)threadIdx.x) >> 2) * 64)) +
+                  (p_outer_outer * 4)) +
+                 (((int)threadIdx.x) & 3)) +
+                1856))];
+        q_shared[((((int)threadIdx.x) + 174))] =
+            q[((((((((int)blockIdx.x) / 23) * 5120) +
+                  (((((int)threadIdx.x) + 174) >> 2) * 64)) +
+                 (p_outer_outer * 4)) +
+                ((((int)threadIdx.x) + 2) & 3)))];
+        q_shared[((((int)threadIdx.x) + 232))] =
+            q[(((((((((int)blockIdx.x) / 23) * 5120) +
+                   ((((int)threadIdx.x) >> 2) * 64)) +
+                  (p_outer_outer * 4)) +
+                 (((int)threadIdx.x) & 3)) +
+                3712))];
+        if (((int)threadIdx.x) < 30) {
+            q_shared[((((int)threadIdx.x) + 290))] =
+                q[((((((((int)blockIdx.x) / 23) * 5120) +
+                      (((((int)threadIdx.x) + 290) >> 2) * 64)) +
+                     (p_outer_outer * 4)) +
+                    ((((int)threadIdx.x) + 2) & 3)))];
+        }
+        Kpad_shared[(((int)threadIdx.x))] =
+            (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                         (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                        (((int)threadIdx.x) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                (((int)threadIdx.x) >> 2)) < 11000))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          ((((int)threadIdx.x) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        (((int)threadIdx.x) & 3)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 58))] =
+            (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                         (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                        ((((int)threadIdx.x) + 58) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                ((((int)threadIdx.x) + 58) >> 2)) < 11000))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          (((((int)threadIdx.x) + 58) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        ((((int)threadIdx.x) + 2) & 3)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 116))] =
+            (((971 <= ((((((int)blockIdx.x) % 23) * 87) +
+                        (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                       (((int)threadIdx.x) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                (((int)threadIdx.x) >> 2)) < 10971))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          ((((int)threadIdx.x) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        (((int)threadIdx.x) & 3)) -
+                       62144))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 174))] =
+            (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                         (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                        ((((int)threadIdx.x) + 174) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                ((((int)threadIdx.x) + 174) >> 2)) < 11000))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          (((((int)threadIdx.x) + 174) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        ((((int)threadIdx.x) + 2) & 3)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 232))] =
+            (((942 <= ((((((int)blockIdx.x) % 23) * 87) +
+                        (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                       (((int)threadIdx.x) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                (((int)threadIdx.x) >> 2)) < 10942))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          ((((int)threadIdx.x) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        (((int)threadIdx.x) & 3)) -
+                       60288))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 290))] =
+            (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                         (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                        ((((int)threadIdx.x) + 290) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                ((((int)threadIdx.x) + 290) >> 2)) < 11000))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          (((((int)threadIdx.x) + 290) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        ((((int)threadIdx.x) + 2) & 3)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 348))] =
+            (((913 <= ((((((int)blockIdx.x) % 23) * 87) +
+                        (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                       (((int)threadIdx.x) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                (((int)threadIdx.x) >> 2)) < 10913))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          ((((int)threadIdx.x) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        (((int)threadIdx.x) & 3)) -
+                       58432))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 406))] =
+            (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                         (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                        ((((int)threadIdx.x) + 406) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                ((((int)threadIdx.x) + 406) >> 2)) < 11000))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          (((((int)threadIdx.x) + 406) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        ((((int)threadIdx.x) + 2) & 3)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 464))] =
+            (((884 <= ((((((int)blockIdx.x) % 23) * 87) +
+                        (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                       (((int)threadIdx.x) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                (((int)threadIdx.x) >> 2)) < 10884))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          ((((int)threadIdx.x) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        (((int)threadIdx.x) & 3)) -
+                       56576))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 522))] =
+            (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                         (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                        ((((int)threadIdx.x) + 522) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                ((((int)threadIdx.x) + 522) >> 2)) < 11000))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          (((((int)threadIdx.x) + 522) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        ((((int)threadIdx.x) + 2) & 3)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 580))] =
+            (((855 <= ((((((int)blockIdx.x) % 23) * 87) +
+                        (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                       (((int)threadIdx.x) >> 2))) &&
+              (((((((int)blockIdx.x) % 23) * 87) +
+                 (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                (((int)threadIdx.x) >> 2)) < 10855))
+                 ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                           ((((int)blockIdx.x) / 23) * 5120)) +
+                          ((((int)threadIdx.x) >> 2) * 64)) +
+                         (p_outer_outer * 4)) +
+                        (((int)threadIdx.x) & 3)) -
+                       54720))]
+                 : 0.000000e+00f);
+        if (((int)threadIdx.x) < 26) {
+            Kpad_shared[((((int)threadIdx.x) + 638))] =
+                (((1000 <= ((((((int)blockIdx.x) % 23) * 87) +
+                             (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                            ((((int)threadIdx.x) + 638) >> 2))) &&
+                  (((((((int)blockIdx.x) % 23) * 87) +
+                     (((((int)blockIdx.x) % 2875) / 23) * 80)) +
+                    ((((int)threadIdx.x) + 638) >> 2)) < 11000))
+                     ? k[((((((((((int)blockIdx.x) % 23) * 5568) +
+                               ((((int)blockIdx.x) / 23) * 5120)) +
+                              (((((int)threadIdx.x) + 638) >> 2) * 64)) +
+                             (p_outer_outer * 4)) +
+                            ((((int)threadIdx.x) + 2) & 3)) -
+                           64000))]
+                     : 0.000000e+00f);
+        }
+        __syncthreads();
+        SG2BMM_local[(0)] =
+            (SG2BMM_local[(0)] +
+             (q_shared[(((((int)threadIdx.x) / 29) * 160))] *
+              Kpad_shared[((((((int)threadIdx.x) / 29) * 160) +
+                            ((((int)threadIdx.x) % 29) * 12)))]));
+        SG2BMM_local[(3)] =
+            (SG2BMM_local[(3)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 4))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            4))]));
+        SG2BMM_local[(6)] =
+            (SG2BMM_local[(6)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 8))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            8))]));
+        SG2BMM_local[(9)] =
+            (SG2BMM_local[(9)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 12))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            12))]));
+        SG2BMM_local[(12)] =
+            (SG2BMM_local[(12)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 16))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            16))]));
+        SG2BMM_local[(15)] =
+            (SG2BMM_local[(15)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 20))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            20))]));
+        SG2BMM_local[(18)] =
+            (SG2BMM_local[(18)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 24))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            24))]));
+        SG2BMM_local[(21)] =
+            (SG2BMM_local[(21)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 28))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            28))]));
+        SG2BMM_local[(24)] =
+            (SG2BMM_local[(24)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 32))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            32))]));
+        SG2BMM_local[(27)] =
+            (SG2BMM_local[(27)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 36))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            36))]));
+        SG2BMM_local[(30)] =
+            (SG2BMM_local[(30)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 40))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            40))]));
+        SG2BMM_local[(33)] =
+            (SG2BMM_local[(33)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 44))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            44))]));
+        SG2BMM_local[(36)] =
+            (SG2BMM_local[(36)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 48))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            48))]));
+        SG2BMM_local[(39)] =
+            (SG2BMM_local[(39)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 52))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            52))]));
+        SG2BMM_local[(42)] =
+            (SG2BMM_local[(42)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 56))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            56))]));
+        SG2BMM_local[(45)] =
+            (SG2BMM_local[(45)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 60))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            60))]));
+        SG2BMM_local[(48)] =
+            (SG2BMM_local[(48)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 64))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            64))]));
+        SG2BMM_local[(51)] =
+            (SG2BMM_local[(51)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 68))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            68))]));
+        SG2BMM_local[(54)] =
+            (SG2BMM_local[(54)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 72))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            72))]));
+        SG2BMM_local[(57)] =
+            (SG2BMM_local[(57)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 76))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            76))]));
+        SG2BMM_local[(60)] =
+            (SG2BMM_local[(60)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 80))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            80))]));
+        SG2BMM_local[(63)] =
+            (SG2BMM_local[(63)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 84))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            84))]));
+        SG2BMM_local[(66)] =
+            (SG2BMM_local[(66)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 88))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            88))]));
+        SG2BMM_local[(69)] =
+            (SG2BMM_local[(69)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 92))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            92))]));
+        SG2BMM_local[(72)] =
+            (SG2BMM_local[(72)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 96))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            96))]));
+        SG2BMM_local[(75)] =
+            (SG2BMM_local[(75)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 100))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            100))]));
+        SG2BMM_local[(78)] =
+            (SG2BMM_local[(78)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 104))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            104))]));
+        SG2BMM_local[(81)] =
+            (SG2BMM_local[(81)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 108))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            108))]));
+        SG2BMM_local[(84)] =
+            (SG2BMM_local[(84)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 112))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            112))]));
+        SG2BMM_local[(87)] =
+            (SG2BMM_local[(87)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 116))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            116))]));
+        SG2BMM_local[(90)] =
+            (SG2BMM_local[(90)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 120))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            120))]));
+        SG2BMM_local[(93)] =
+            (SG2BMM_local[(93)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 124))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            124))]));
+        SG2BMM_local[(96)] =
+            (SG2BMM_local[(96)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 128))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            128))]));
+        SG2BMM_local[(99)] =
+            (SG2BMM_local[(99)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 132))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            132))]));
+        SG2BMM_local[(102)] =
+            (SG2BMM_local[(102)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 136))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            136))]));
+        SG2BMM_local[(105)] =
+            (SG2BMM_local[(105)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 140))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            140))]));
+        SG2BMM_local[(108)] =
+            (SG2BMM_local[(108)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 144))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            144))]));
+        SG2BMM_local[(111)] =
+            (SG2BMM_local[(111)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 148))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            148))]));
+        SG2BMM_local[(114)] =
+            (SG2BMM_local[(114)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 152))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            152))]));
+        SG2BMM_local[(117)] =
+            (SG2BMM_local[(117)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 156))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            156))]));
+        SG2BMM_local[(0)] =
+            (SG2BMM_local[(0)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 1))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            1))]));
+        SG2BMM_local[(3)] =
+            (SG2BMM_local[(3)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 5))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            5))]));
+        SG2BMM_local[(6)] =
+            (SG2BMM_local[(6)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 9))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            9))]));
+        SG2BMM_local[(9)] =
+            (SG2BMM_local[(9)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 13))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            13))]));
+        SG2BMM_local[(12)] =
+            (SG2BMM_local[(12)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 17))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            17))]));
+        SG2BMM_local[(15)] =
+            (SG2BMM_local[(15)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 21))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            21))]));
+        SG2BMM_local[(18)] =
+            (SG2BMM_local[(18)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 25))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            25))]));
+        SG2BMM_local[(21)] =
+            (SG2BMM_local[(21)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 29))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            29))]));
+        SG2BMM_local[(24)] =
+            (SG2BMM_local[(24)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 33))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            33))]));
+        SG2BMM_local[(27)] =
+            (SG2BMM_local[(27)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 37))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            37))]));
+        SG2BMM_local[(30)] =
+            (SG2BMM_local[(30)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 41))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            41))]));
+        SG2BMM_local[(33)] =
+            (SG2BMM_local[(33)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 45))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            45))]));
+        SG2BMM_local[(36)] =
+            (SG2BMM_local[(36)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 49))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            49))]));
+        SG2BMM_local[(39)] =
+            (SG2BMM_local[(39)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 53))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            53))]));
+        SG2BMM_local[(42)] =
+            (SG2BMM_local[(42)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 57))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            57))]));
+        SG2BMM_local[(45)] =
+            (SG2BMM_local[(45)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 61))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            61))]));
+        SG2BMM_local[(48)] =
+            (SG2BMM_local[(48)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 65))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            65))]));
+        SG2BMM_local[(51)] =
+            (SG2BMM_local[(51)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 69))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            69))]));
+        SG2BMM_local[(54)] =
+            (SG2BMM_local[(54)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 73))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            73))]));
+        SG2BMM_local[(57)] =
+            (SG2BMM_local[(57)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 77))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            77))]));
+        SG2BMM_local[(60)] =
+            (SG2BMM_local[(60)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 81))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            81))]));
+        SG2BMM_local[(63)] =
+            (SG2BMM_local[(63)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 85))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            85))]));
+        SG2BMM_local[(66)] =
+            (SG2BMM_local[(66)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 89))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            89))]));
+        SG2BMM_local[(69)] =
+            (SG2BMM_local[(69)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 93))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            93))]));
+        SG2BMM_local[(72)] =
+            (SG2BMM_local[(72)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 97))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            97))]));
+        SG2BMM_local[(75)] =
+            (SG2BMM_local[(75)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 101))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            101))]));
+        SG2BMM_local[(78)] =
+            (SG2BMM_local[(78)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 105))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            105))]));
+        SG2BMM_local[(81)] =
+            (SG2BMM_local[(81)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 109))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            109))]));
+        SG2BMM_local[(84)] =
+            (SG2BMM_local[(84)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 113))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            113))]));
+        SG2BMM_local[(87)] =
+            (SG2BMM_local[(87)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 117))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            117))]));
+        SG2BMM_local[(90)] =
+            (SG2BMM_local[(90)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 121))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            121))]));
+        SG2BMM_local[(93)] =
+            (SG2BMM_local[(93)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 125))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            125))]));
+        SG2BMM_local[(96)] =
+            (SG2BMM_local[(96)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 129))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            129))]));
+        SG2BMM_local[(99)] =
+            (SG2BMM_local[(99)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 133))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            133))]));
+        SG2BMM_local[(102)] =
+            (SG2BMM_local[(102)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 137))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            137))]));
+        SG2BMM_local[(105)] =
+            (SG2BMM_local[(105)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 141))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            141))]));
+        SG2BMM_local[(108)] =
+            (SG2BMM_local[(108)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 145))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            145))]));
+        SG2BMM_local[(111)] =
+            (SG2BMM_local[(111)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 149))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            149))]));
+        SG2BMM_local[(114)] =
+            (SG2BMM_local[(114)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 153))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            153))]));
+        SG2BMM_local[(117)] =
+            (SG2BMM_local[(117)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 157))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            157))]));
+        SG2BMM_local[(0)] =
+            (SG2BMM_local[(0)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 2))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            2))]));
+        SG2BMM_local[(3)] =
+            (SG2BMM_local[(3)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 6))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            6))]));
+        SG2BMM_local[(6)] =
+            (SG2BMM_local[(6)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 10))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            10))]));
+        SG2BMM_local[(9)] =
+            (SG2BMM_local[(9)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 14))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            14))]));
+        SG2BMM_local[(12)] =
+            (SG2BMM_local[(12)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 18))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            18))]));
+        SG2BMM_local[(15)] =
+            (SG2BMM_local[(15)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 22))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            22))]));
+        SG2BMM_local[(18)] =
+            (SG2BMM_local[(18)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 26))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            26))]));
+        SG2BMM_local[(21)] =
+            (SG2BMM_local[(21)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 30))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            30))]));
+        SG2BMM_local[(24)] =
+            (SG2BMM_local[(24)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 34))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            34))]));
+        SG2BMM_local[(27)] =
+            (SG2BMM_local[(27)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 38))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            38))]));
+        SG2BMM_local[(30)] =
+            (SG2BMM_local[(30)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 42))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            42))]));
+        SG2BMM_local[(33)] =
+            (SG2BMM_local[(33)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 46))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            46))]));
+        SG2BMM_local[(36)] =
+            (SG2BMM_local[(36)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 50))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            50))]));
+        SG2BMM_local[(39)] =
+            (SG2BMM_local[(39)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 54))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            54))]));
+        SG2BMM_local[(42)] =
+            (SG2BMM_local[(42)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 58))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            58))]));
+        SG2BMM_local[(45)] =
+            (SG2BMM_local[(45)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 62))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            62))]));
+        SG2BMM_local[(48)] =
+            (SG2BMM_local[(48)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 66))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            66))]));
+        SG2BMM_local[(51)] =
+            (SG2BMM_local[(51)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 70))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            70))]));
+        SG2BMM_local[(54)] =
+            (SG2BMM_local[(54)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 74))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            74))]));
+        SG2BMM_local[(57)] =
+            (SG2BMM_local[(57)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 78))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            78))]));
+        SG2BMM_local[(60)] =
+            (SG2BMM_local[(60)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 82))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            82))]));
+        SG2BMM_local[(63)] =
+            (SG2BMM_local[(63)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 86))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            86))]));
+        SG2BMM_local[(66)] =
+            (SG2BMM_local[(66)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 90))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            90))]));
+        SG2BMM_local[(69)] =
+            (SG2BMM_local[(69)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 94))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            94))]));
+        SG2BMM_local[(72)] =
+            (SG2BMM_local[(72)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 98))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            98))]));
+        SG2BMM_local[(75)] =
+            (SG2BMM_local[(75)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 102))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            102))]));
+        SG2BMM_local[(78)] =
+            (SG2BMM_local[(78)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 106))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            106))]));
+        SG2BMM_local[(81)] =
+            (SG2BMM_local[(81)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 110))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            110))]));
+        SG2BMM_local[(84)] =
+            (SG2BMM_local[(84)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 114))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            114))]));
+        SG2BMM_local[(87)] =
+            (SG2BMM_local[(87)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 118))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            118))]));
+        SG2BMM_local[(90)] =
+            (SG2BMM_local[(90)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 122))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            122))]));
+        SG2BMM_local[(93)] =
+            (SG2BMM_local[(93)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 126))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            126))]));
+        SG2BMM_local[(96)] =
+            (SG2BMM_local[(96)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 130))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            130))]));
+        SG2BMM_local[(99)] =
+            (SG2BMM_local[(99)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 134))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            134))]));
+        SG2BMM_local[(102)] =
+            (SG2BMM_local[(102)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 138))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            138))]));
+        SG2BMM_local[(105)] =
+            (SG2BMM_local[(105)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 142))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            142))]));
+        SG2BMM_local[(108)] =
+            (SG2BMM_local[(108)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 146))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            146))]));
+        SG2BMM_local[(111)] =
+            (SG2BMM_local[(111)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 150))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            150))]));
+        SG2BMM_local[(114)] =
+            (SG2BMM_local[(114)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 154))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            154))]));
+        SG2BMM_local[(117)] =
+            (SG2BMM_local[(117)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 158))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            158))]));
+        SG2BMM_local[(0)] =
+            (SG2BMM_local[(0)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 3))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            3))]));
+        SG2BMM_local[(3)] =
+            (SG2BMM_local[(3)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 7))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            7))]));
+        SG2BMM_local[(6)] =
+            (SG2BMM_local[(6)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 11))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            11))]));
+        SG2BMM_local[(9)] =
+            (SG2BMM_local[(9)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 15))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            15))]));
+        SG2BMM_local[(12)] =
+            (SG2BMM_local[(12)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 19))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            19))]));
+        SG2BMM_local[(15)] =
+            (SG2BMM_local[(15)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 23))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            23))]));
+        SG2BMM_local[(18)] =
+            (SG2BMM_local[(18)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 27))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            27))]));
+        SG2BMM_local[(21)] =
+            (SG2BMM_local[(21)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 31))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            31))]));
+        SG2BMM_local[(24)] =
+            (SG2BMM_local[(24)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 35))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            35))]));
+        SG2BMM_local[(27)] =
+            (SG2BMM_local[(27)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 39))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            39))]));
+        SG2BMM_local[(30)] =
+            (SG2BMM_local[(30)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 43))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            43))]));
+        SG2BMM_local[(33)] =
+            (SG2BMM_local[(33)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 47))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            47))]));
+        SG2BMM_local[(36)] =
+            (SG2BMM_local[(36)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 51))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            51))]));
+        SG2BMM_local[(39)] =
+            (SG2BMM_local[(39)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 55))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            55))]));
+        SG2BMM_local[(42)] =
+            (SG2BMM_local[(42)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 59))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            59))]));
+        SG2BMM_local[(45)] =
+            (SG2BMM_local[(45)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 63))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            63))]));
+        SG2BMM_local[(48)] =
+            (SG2BMM_local[(48)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 67))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            67))]));
+        SG2BMM_local[(51)] =
+            (SG2BMM_local[(51)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 71))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            71))]));
+        SG2BMM_local[(54)] =
+            (SG2BMM_local[(54)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 75))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            75))]));
+        SG2BMM_local[(57)] =
+            (SG2BMM_local[(57)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 79))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            79))]));
+        SG2BMM_local[(60)] =
+            (SG2BMM_local[(60)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 83))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            83))]));
+        SG2BMM_local[(63)] =
+            (SG2BMM_local[(63)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 87))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            87))]));
+        SG2BMM_local[(66)] =
+            (SG2BMM_local[(66)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 91))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            91))]));
+        SG2BMM_local[(69)] =
+            (SG2BMM_local[(69)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 95))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            95))]));
+        SG2BMM_local[(72)] =
+            (SG2BMM_local[(72)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 99))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            99))]));
+        SG2BMM_local[(75)] =
+            (SG2BMM_local[(75)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 103))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            103))]));
+        SG2BMM_local[(78)] =
+            (SG2BMM_local[(78)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 107))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            107))]));
+        SG2BMM_local[(81)] =
+            (SG2BMM_local[(81)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 111))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            111))]));
+        SG2BMM_local[(84)] =
+            (SG2BMM_local[(84)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 115))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            115))]));
+        SG2BMM_local[(87)] =
+            (SG2BMM_local[(87)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 119))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            119))]));
+        SG2BMM_local[(90)] =
+            (SG2BMM_local[(90)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 123))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            123))]));
+        SG2BMM_local[(93)] =
+            (SG2BMM_local[(93)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 127))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            127))]));
+        SG2BMM_local[(96)] =
+            (SG2BMM_local[(96)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 131))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            131))]));
+        SG2BMM_local[(99)] =
+            (SG2BMM_local[(99)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 135))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            135))]));
+        SG2BMM_local[(102)] =
+            (SG2BMM_local[(102)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 139))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            139))]));
+        SG2BMM_local[(105)] =
+            (SG2BMM_local[(105)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 143))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            143))]));
+        SG2BMM_local[(108)] =
+            (SG2BMM_local[(108)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 147))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            147))]));
+        SG2BMM_local[(111)] =
+            (SG2BMM_local[(111)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 151))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            151))]));
+        SG2BMM_local[(114)] =
+            (SG2BMM_local[(114)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 155))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            155))]));
+        SG2BMM_local[(117)] =
+            (SG2BMM_local[(117)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 159))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            159))]));
+        SG2BMM_local[(1)] = (SG2BMM_local[(1)] +
+                             (q_shared[(((((int)threadIdx.x) / 29) * 160))] *
+                              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                                             ((((int)threadIdx.x) % 29) * 12)) +
+                                            4))]));
+        SG2BMM_local[(4)] =
+            (SG2BMM_local[(4)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 4))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            8))]));
+        SG2BMM_local[(7)] =
+            (SG2BMM_local[(7)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 8))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            12))]));
+        SG2BMM_local[(10)] =
+            (SG2BMM_local[(10)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 12))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            16))]));
+        SG2BMM_local[(13)] =
+            (SG2BMM_local[(13)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 16))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            20))]));
+        SG2BMM_local[(16)] =
+            (SG2BMM_local[(16)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 20))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            24))]));
+        SG2BMM_local[(19)] =
+            (SG2BMM_local[(19)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 24))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            28))]));
+        SG2BMM_local[(22)] =
+            (SG2BMM_local[(22)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 28))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            32))]));
+        SG2BMM_local[(25)] =
+            (SG2BMM_local[(25)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 32))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            36))]));
+        SG2BMM_local[(28)] =
+            (SG2BMM_local[(28)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 36))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            40))]));
+        SG2BMM_local[(31)] =
+            (SG2BMM_local[(31)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 40))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            44))]));
+        SG2BMM_local[(34)] =
+            (SG2BMM_local[(34)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 44))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            48))]));
+        SG2BMM_local[(37)] =
+            (SG2BMM_local[(37)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 48))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            52))]));
+        SG2BMM_local[(40)] =
+            (SG2BMM_local[(40)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 52))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            56))]));
+        SG2BMM_local[(43)] =
+            (SG2BMM_local[(43)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 56))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            60))]));
+        SG2BMM_local[(46)] =
+            (SG2BMM_local[(46)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 60))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            64))]));
+        SG2BMM_local[(49)] =
+            (SG2BMM_local[(49)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 64))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            68))]));
+        SG2BMM_local[(52)] =
+            (SG2BMM_local[(52)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 68))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            72))]));
+        SG2BMM_local[(55)] =
+            (SG2BMM_local[(55)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 72))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            76))]));
+        SG2BMM_local[(58)] =
+            (SG2BMM_local[(58)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 76))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            80))]));
+        SG2BMM_local[(61)] =
+            (SG2BMM_local[(61)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 80))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            84))]));
+        SG2BMM_local[(64)] =
+            (SG2BMM_local[(64)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 84))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            88))]));
+        SG2BMM_local[(67)] =
+            (SG2BMM_local[(67)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 88))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            92))]));
+        SG2BMM_local[(70)] =
+            (SG2BMM_local[(70)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 92))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            96))]));
+        SG2BMM_local[(73)] =
+            (SG2BMM_local[(73)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 96))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            100))]));
+        SG2BMM_local[(76)] =
+            (SG2BMM_local[(76)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 100))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            104))]));
+        SG2BMM_local[(79)] =
+            (SG2BMM_local[(79)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 104))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            108))]));
+        SG2BMM_local[(82)] =
+            (SG2BMM_local[(82)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 108))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            112))]));
+        SG2BMM_local[(85)] =
+            (SG2BMM_local[(85)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 112))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            116))]));
+        SG2BMM_local[(88)] =
+            (SG2BMM_local[(88)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 116))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            120))]));
+        SG2BMM_local[(91)] =
+            (SG2BMM_local[(91)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 120))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            124))]));
+        SG2BMM_local[(94)] =
+            (SG2BMM_local[(94)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 124))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            128))]));
+        SG2BMM_local[(97)] =
+            (SG2BMM_local[(97)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 128))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            132))]));
+        SG2BMM_local[(100)] =
+            (SG2BMM_local[(100)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 132))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            136))]));
+        SG2BMM_local[(103)] =
+            (SG2BMM_local[(103)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 136))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            140))]));
+        SG2BMM_local[(106)] =
+            (SG2BMM_local[(106)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 140))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            144))]));
+        SG2BMM_local[(109)] =
+            (SG2BMM_local[(109)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 144))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            148))]));
+        SG2BMM_local[(112)] =
+            (SG2BMM_local[(112)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 148))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            152))]));
+        SG2BMM_local[(115)] =
+            (SG2BMM_local[(115)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 152))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            156))]));
+        SG2BMM_local[(118)] =
+            (SG2BMM_local[(118)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 156))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            160))]));
+        SG2BMM_local[(1)] =
+            (SG2BMM_local[(1)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 1))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            5))]));
+        SG2BMM_local[(4)] =
+            (SG2BMM_local[(4)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 5))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            9))]));
+        SG2BMM_local[(7)] =
+            (SG2BMM_local[(7)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 9))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            13))]));
+        SG2BMM_local[(10)] =
+            (SG2BMM_local[(10)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 13))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            17))]));
+        SG2BMM_local[(13)] =
+            (SG2BMM_local[(13)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 17))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            21))]));
+        SG2BMM_local[(16)] =
+            (SG2BMM_local[(16)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 21))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            25))]));
+        SG2BMM_local[(19)] =
+            (SG2BMM_local[(19)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 25))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            29))]));
+        SG2BMM_local[(22)] =
+            (SG2BMM_local[(22)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 29))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            33))]));
+        SG2BMM_local[(25)] =
+            (SG2BMM_local[(25)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 33))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            37))]));
+        SG2BMM_local[(28)] =
+            (SG2BMM_local[(28)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 37))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            41))]));
+        SG2BMM_local[(31)] =
+            (SG2BMM_local[(31)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 41))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            45))]));
+        SG2BMM_local[(34)] =
+            (SG2BMM_local[(34)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 45))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            49))]));
+        SG2BMM_local[(37)] =
+            (SG2BMM_local[(37)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 49))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            53))]));
+        SG2BMM_local[(40)] =
+            (SG2BMM_local[(40)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 53))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            57))]));
+        SG2BMM_local[(43)] =
+            (SG2BMM_local[(43)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 57))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            61))]));
+        SG2BMM_local[(46)] =
+            (SG2BMM_local[(46)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 61))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            65))]));
+        SG2BMM_local[(49)] =
+            (SG2BMM_local[(49)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 65))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            69))]));
+        SG2BMM_local[(52)] =
+            (SG2BMM_local[(52)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 69))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            73))]));
+        SG2BMM_local[(55)] =
+            (SG2BMM_local[(55)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 73))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            77))]));
+        SG2BMM_local[(58)] =
+            (SG2BMM_local[(58)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 77))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            81))]));
+        SG2BMM_local[(61)] =
+            (SG2BMM_local[(61)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 81))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            85))]));
+        SG2BMM_local[(64)] =
+            (SG2BMM_local[(64)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 85))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            89))]));
+        SG2BMM_local[(67)] =
+            (SG2BMM_local[(67)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 89))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            93))]));
+        SG2BMM_local[(70)] =
+            (SG2BMM_local[(70)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 93))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            97))]));
+        SG2BMM_local[(73)] =
+            (SG2BMM_local[(73)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 97))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            101))]));
+        SG2BMM_local[(76)] =
+            (SG2BMM_local[(76)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 101))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            105))]));
+        SG2BMM_local[(79)] =
+            (SG2BMM_local[(79)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 105))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            109))]));
+        SG2BMM_local[(82)] =
+            (SG2BMM_local[(82)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 109))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            113))]));
+        SG2BMM_local[(85)] =
+            (SG2BMM_local[(85)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 113))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            117))]));
+        SG2BMM_local[(88)] =
+            (SG2BMM_local[(88)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 117))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            121))]));
+        SG2BMM_local[(91)] =
+            (SG2BMM_local[(91)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 121))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            125))]));
+        SG2BMM_local[(94)] =
+            (SG2BMM_local[(94)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 125))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            129))]));
+        SG2BMM_local[(97)] =
+            (SG2BMM_local[(97)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 129))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            133))]));
+        SG2BMM_local[(100)] =
+            (SG2BMM_local[(100)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 133))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            137))]));
+        SG2BMM_local[(103)] =
+            (SG2BMM_local[(103)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 137))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            141))]));
+        SG2BMM_local[(106)] =
+            (SG2BMM_local[(106)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 141))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            145))]));
+        SG2BMM_local[(109)] =
+            (SG2BMM_local[(109)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 145))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            149))]));
+        SG2BMM_local[(112)] =
+            (SG2BMM_local[(112)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 149))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            153))]));
+        SG2BMM_local[(115)] =
+            (SG2BMM_local[(115)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 153))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            157))]));
+        SG2BMM_local[(118)] =
+            (SG2BMM_local[(118)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 157))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            161))]));
+        SG2BMM_local[(1)] =
+            (SG2BMM_local[(1)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 2))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            6))]));
+        SG2BMM_local[(4)] =
+            (SG2BMM_local[(4)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 6))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            10))]));
+        SG2BMM_local[(7)] =
+            (SG2BMM_local[(7)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 10))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            14))]));
+        SG2BMM_local[(10)] =
+            (SG2BMM_local[(10)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 14))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            18))]));
+        SG2BMM_local[(13)] =
+            (SG2BMM_local[(13)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 18))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            22))]));
+        SG2BMM_local[(16)] =
+            (SG2BMM_local[(16)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 22))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            26))]));
+        SG2BMM_local[(19)] =
+            (SG2BMM_local[(19)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 26))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            30))]));
+        SG2BMM_local[(22)] =
+            (SG2BMM_local[(22)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 30))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            34))]));
+        SG2BMM_local[(25)] =
+            (SG2BMM_local[(25)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 34))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            38))]));
+        SG2BMM_local[(28)] =
+            (SG2BMM_local[(28)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 38))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            42))]));
+        SG2BMM_local[(31)] =
+            (SG2BMM_local[(31)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 42))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            46))]));
+        SG2BMM_local[(34)] =
+            (SG2BMM_local[(34)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 46))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            50))]));
+        SG2BMM_local[(37)] =
+            (SG2BMM_local[(37)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 50))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            54))]));
+        SG2BMM_local[(40)] =
+            (SG2BMM_local[(40)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 54))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            58))]));
+        SG2BMM_local[(43)] =
+            (SG2BMM_local[(43)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 58))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            62))]));
+        SG2BMM_local[(46)] =
+            (SG2BMM_local[(46)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 62))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            66))]));
+        SG2BMM_local[(49)] =
+            (SG2BMM_local[(49)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 66))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            70))]));
+        SG2BMM_local[(52)] =
+            (SG2BMM_local[(52)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 70))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            74))]));
+        SG2BMM_local[(55)] =
+            (SG2BMM_local[(55)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 74))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            78))]));
+        SG2BMM_local[(58)] =
+            (SG2BMM_local[(58)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 78))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            82))]));
+        SG2BMM_local[(61)] =
+            (SG2BMM_local[(61)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 82))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            86))]));
+        SG2BMM_local[(64)] =
+            (SG2BMM_local[(64)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 86))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            90))]));
+        SG2BMM_local[(67)] =
+            (SG2BMM_local[(67)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 90))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            94))]));
+        SG2BMM_local[(70)] =
+            (SG2BMM_local[(70)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 94))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            98))]));
+        SG2BMM_local[(73)] =
+            (SG2BMM_local[(73)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 98))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            102))]));
+        SG2BMM_local[(76)] =
+            (SG2BMM_local[(76)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 102))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            106))]));
+        SG2BMM_local[(79)] =
+            (SG2BMM_local[(79)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 106))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            110))]));
+        SG2BMM_local[(82)] =
+            (SG2BMM_local[(82)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 110))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            114))]));
+        SG2BMM_local[(85)] =
+            (SG2BMM_local[(85)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 114))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            118))]));
+        SG2BMM_local[(88)] =
+            (SG2BMM_local[(88)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 118))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            122))]));
+        SG2BMM_local[(91)] =
+            (SG2BMM_local[(91)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 122))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            126))]));
+        SG2BMM_local[(94)] =
+            (SG2BMM_local[(94)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 126))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            130))]));
+        SG2BMM_local[(97)] =
+            (SG2BMM_local[(97)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 130))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            134))]));
+        SG2BMM_local[(100)] =
+            (SG2BMM_local[(100)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 134))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            138))]));
+        SG2BMM_local[(103)] =
+            (SG2BMM_local[(103)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 138))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            142))]));
+        SG2BMM_local[(106)] =
+            (SG2BMM_local[(106)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 142))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            146))]));
+        SG2BMM_local[(109)] =
+            (SG2BMM_local[(109)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 146))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            150))]));
+        SG2BMM_local[(112)] =
+            (SG2BMM_local[(112)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 150))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            154))]));
+        SG2BMM_local[(115)] =
+            (SG2BMM_local[(115)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 154))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            158))]));
+        SG2BMM_local[(118)] =
+            (SG2BMM_local[(118)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 158))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            162))]));
+        SG2BMM_local[(1)] =
+            (SG2BMM_local[(1)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 3))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            7))]));
+        SG2BMM_local[(4)] =
+            (SG2BMM_local[(4)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 7))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            11))]));
+        SG2BMM_local[(7)] =
+            (SG2BMM_local[(7)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 11))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            15))]));
+        SG2BMM_local[(10)] =
+            (SG2BMM_local[(10)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 15))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            19))]));
+        SG2BMM_local[(13)] =
+            (SG2BMM_local[(13)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 19))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            23))]));
+        SG2BMM_local[(16)] =
+            (SG2BMM_local[(16)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 23))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            27))]));
+        SG2BMM_local[(19)] =
+            (SG2BMM_local[(19)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 27))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            31))]));
+        SG2BMM_local[(22)] =
+            (SG2BMM_local[(22)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 31))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            35))]));
+        SG2BMM_local[(25)] =
+            (SG2BMM_local[(25)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 35))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            39))]));
+        SG2BMM_local[(28)] =
+            (SG2BMM_local[(28)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 39))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            43))]));
+        SG2BMM_local[(31)] =
+            (SG2BMM_local[(31)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 43))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            47))]));
+        SG2BMM_local[(34)] =
+            (SG2BMM_local[(34)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 47))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            51))]));
+        SG2BMM_local[(37)] =
+            (SG2BMM_local[(37)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 51))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            55))]));
+        SG2BMM_local[(40)] =
+            (SG2BMM_local[(40)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 55))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            59))]));
+        SG2BMM_local[(43)] =
+            (SG2BMM_local[(43)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 59))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            63))]));
+        SG2BMM_local[(46)] =
+            (SG2BMM_local[(46)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 63))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            67))]));
+        SG2BMM_local[(49)] =
+            (SG2BMM_local[(49)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 67))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            71))]));
+        SG2BMM_local[(52)] =
+            (SG2BMM_local[(52)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 71))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            75))]));
+        SG2BMM_local[(55)] =
+            (SG2BMM_local[(55)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 75))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            79))]));
+        SG2BMM_local[(58)] =
+            (SG2BMM_local[(58)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 79))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            83))]));
+        SG2BMM_local[(61)] =
+            (SG2BMM_local[(61)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 83))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            87))]));
+        SG2BMM_local[(64)] =
+            (SG2BMM_local[(64)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 87))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            91))]));
+        SG2BMM_local[(67)] =
+            (SG2BMM_local[(67)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 91))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            95))]));
+        SG2BMM_local[(70)] =
+            (SG2BMM_local[(70)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 95))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            99))]));
+        SG2BMM_local[(73)] =
+            (SG2BMM_local[(73)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 99))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            103))]));
+        SG2BMM_local[(76)] =
+            (SG2BMM_local[(76)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 103))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            107))]));
+        SG2BMM_local[(79)] =
+            (SG2BMM_local[(79)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 107))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            111))]));
+        SG2BMM_local[(82)] =
+            (SG2BMM_local[(82)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 111))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            115))]));
+        SG2BMM_local[(85)] =
+            (SG2BMM_local[(85)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 115))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            119))]));
+        SG2BMM_local[(88)] =
+            (SG2BMM_local[(88)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 119))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            123))]));
+        SG2BMM_local[(91)] =
+            (SG2BMM_local[(91)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 123))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            127))]));
+        SG2BMM_local[(94)] =
+            (SG2BMM_local[(94)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 127))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            131))]));
+        SG2BMM_local[(97)] =
+            (SG2BMM_local[(97)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 131))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            135))]));
+        SG2BMM_local[(100)] =
+            (SG2BMM_local[(100)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 135))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            139))]));
+        SG2BMM_local[(103)] =
+            (SG2BMM_local[(103)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 139))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            143))]));
+        SG2BMM_local[(106)] =
+            (SG2BMM_local[(106)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 143))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            147))]));
+        SG2BMM_local[(109)] =
+            (SG2BMM_local[(109)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 147))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            151))]));
+        SG2BMM_local[(112)] =
+            (SG2BMM_local[(112)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 151))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            155))]));
+        SG2BMM_local[(115)] =
+            (SG2BMM_local[(115)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 155))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            159))]));
+        SG2BMM_local[(118)] =
+            (SG2BMM_local[(118)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 159))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            163))]));
+        SG2BMM_local[(2)] = (SG2BMM_local[(2)] +
+                             (q_shared[(((((int)threadIdx.x) / 29) * 160))] *
+                              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                                             ((((int)threadIdx.x) % 29) * 12)) +
+                                            8))]));
+        SG2BMM_local[(5)] =
+            (SG2BMM_local[(5)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 4))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            12))]));
+        SG2BMM_local[(8)] =
+            (SG2BMM_local[(8)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 8))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            16))]));
+        SG2BMM_local[(11)] =
+            (SG2BMM_local[(11)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 12))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            20))]));
+        SG2BMM_local[(14)] =
+            (SG2BMM_local[(14)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 16))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            24))]));
+        SG2BMM_local[(17)] =
+            (SG2BMM_local[(17)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 20))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            28))]));
+        SG2BMM_local[(20)] =
+            (SG2BMM_local[(20)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 24))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            32))]));
+        SG2BMM_local[(23)] =
+            (SG2BMM_local[(23)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 28))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            36))]));
+        SG2BMM_local[(26)] =
+            (SG2BMM_local[(26)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 32))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            40))]));
+        SG2BMM_local[(29)] =
+            (SG2BMM_local[(29)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 36))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            44))]));
+        SG2BMM_local[(32)] =
+            (SG2BMM_local[(32)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 40))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            48))]));
+        SG2BMM_local[(35)] =
+            (SG2BMM_local[(35)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 44))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            52))]));
+        SG2BMM_local[(38)] =
+            (SG2BMM_local[(38)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 48))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            56))]));
+        SG2BMM_local[(41)] =
+            (SG2BMM_local[(41)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 52))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            60))]));
+        SG2BMM_local[(44)] =
+            (SG2BMM_local[(44)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 56))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            64))]));
+        SG2BMM_local[(47)] =
+            (SG2BMM_local[(47)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 60))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            68))]));
+        SG2BMM_local[(50)] =
+            (SG2BMM_local[(50)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 64))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            72))]));
+        SG2BMM_local[(53)] =
+            (SG2BMM_local[(53)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 68))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            76))]));
+        SG2BMM_local[(56)] =
+            (SG2BMM_local[(56)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 72))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            80))]));
+        SG2BMM_local[(59)] =
+            (SG2BMM_local[(59)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 76))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            84))]));
+        SG2BMM_local[(62)] =
+            (SG2BMM_local[(62)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 80))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            88))]));
+        SG2BMM_local[(65)] =
+            (SG2BMM_local[(65)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 84))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            92))]));
+        SG2BMM_local[(68)] =
+            (SG2BMM_local[(68)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 88))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            96))]));
+        SG2BMM_local[(71)] =
+            (SG2BMM_local[(71)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 92))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            100))]));
+        SG2BMM_local[(74)] =
+            (SG2BMM_local[(74)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 96))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            104))]));
+        SG2BMM_local[(77)] =
+            (SG2BMM_local[(77)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 100))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            108))]));
+        SG2BMM_local[(80)] =
+            (SG2BMM_local[(80)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 104))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            112))]));
+        SG2BMM_local[(83)] =
+            (SG2BMM_local[(83)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 108))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            116))]));
+        SG2BMM_local[(86)] =
+            (SG2BMM_local[(86)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 112))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            120))]));
+        SG2BMM_local[(89)] =
+            (SG2BMM_local[(89)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 116))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            124))]));
+        SG2BMM_local[(92)] =
+            (SG2BMM_local[(92)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 120))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            128))]));
+        SG2BMM_local[(95)] =
+            (SG2BMM_local[(95)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 124))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            132))]));
+        SG2BMM_local[(98)] =
+            (SG2BMM_local[(98)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 128))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            136))]));
+        SG2BMM_local[(101)] =
+            (SG2BMM_local[(101)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 132))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            140))]));
+        SG2BMM_local[(104)] =
+            (SG2BMM_local[(104)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 136))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            144))]));
+        SG2BMM_local[(107)] =
+            (SG2BMM_local[(107)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 140))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            148))]));
+        SG2BMM_local[(110)] =
+            (SG2BMM_local[(110)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 144))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            152))]));
+        SG2BMM_local[(113)] =
+            (SG2BMM_local[(113)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 148))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            156))]));
+        SG2BMM_local[(116)] =
+            (SG2BMM_local[(116)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 152))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            160))]));
+        SG2BMM_local[(119)] =
+            (SG2BMM_local[(119)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 156))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            164))]));
+        SG2BMM_local[(2)] =
+            (SG2BMM_local[(2)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 1))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            9))]));
+        SG2BMM_local[(5)] =
+            (SG2BMM_local[(5)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 5))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            13))]));
+        SG2BMM_local[(8)] =
+            (SG2BMM_local[(8)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 9))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            17))]));
+        SG2BMM_local[(11)] =
+            (SG2BMM_local[(11)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 13))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            21))]));
+        SG2BMM_local[(14)] =
+            (SG2BMM_local[(14)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 17))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            25))]));
+        SG2BMM_local[(17)] =
+            (SG2BMM_local[(17)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 21))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            29))]));
+        SG2BMM_local[(20)] =
+            (SG2BMM_local[(20)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 25))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            33))]));
+        SG2BMM_local[(23)] =
+            (SG2BMM_local[(23)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 29))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            37))]));
+        SG2BMM_local[(26)] =
+            (SG2BMM_local[(26)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 33))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            41))]));
+        SG2BMM_local[(29)] =
+            (SG2BMM_local[(29)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 37))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            45))]));
+        SG2BMM_local[(32)] =
+            (SG2BMM_local[(32)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 41))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            49))]));
+        SG2BMM_local[(35)] =
+            (SG2BMM_local[(35)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 45))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            53))]));
+        SG2BMM_local[(38)] =
+            (SG2BMM_local[(38)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 49))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            57))]));
+        SG2BMM_local[(41)] =
+            (SG2BMM_local[(41)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 53))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            61))]));
+        SG2BMM_local[(44)] =
+            (SG2BMM_local[(44)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 57))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            65))]));
+        SG2BMM_local[(47)] =
+            (SG2BMM_local[(47)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 61))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            69))]));
+        SG2BMM_local[(50)] =
+            (SG2BMM_local[(50)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 65))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            73))]));
+        SG2BMM_local[(53)] =
+            (SG2BMM_local[(53)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 69))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            77))]));
+        SG2BMM_local[(56)] =
+            (SG2BMM_local[(56)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 73))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            81))]));
+        SG2BMM_local[(59)] =
+            (SG2BMM_local[(59)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 77))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            85))]));
+        SG2BMM_local[(62)] =
+            (SG2BMM_local[(62)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 81))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            89))]));
+        SG2BMM_local[(65)] =
+            (SG2BMM_local[(65)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 85))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            93))]));
+        SG2BMM_local[(68)] =
+            (SG2BMM_local[(68)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 89))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            97))]));
+        SG2BMM_local[(71)] =
+            (SG2BMM_local[(71)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 93))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            101))]));
+        SG2BMM_local[(74)] =
+            (SG2BMM_local[(74)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 97))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            105))]));
+        SG2BMM_local[(77)] =
+            (SG2BMM_local[(77)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 101))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            109))]));
+        SG2BMM_local[(80)] =
+            (SG2BMM_local[(80)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 105))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            113))]));
+        SG2BMM_local[(83)] =
+            (SG2BMM_local[(83)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 109))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            117))]));
+        SG2BMM_local[(86)] =
+            (SG2BMM_local[(86)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 113))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            121))]));
+        SG2BMM_local[(89)] =
+            (SG2BMM_local[(89)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 117))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            125))]));
+        SG2BMM_local[(92)] =
+            (SG2BMM_local[(92)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 121))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            129))]));
+        SG2BMM_local[(95)] =
+            (SG2BMM_local[(95)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 125))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            133))]));
+        SG2BMM_local[(98)] =
+            (SG2BMM_local[(98)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 129))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            137))]));
+        SG2BMM_local[(101)] =
+            (SG2BMM_local[(101)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 133))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            141))]));
+        SG2BMM_local[(104)] =
+            (SG2BMM_local[(104)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 137))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            145))]));
+        SG2BMM_local[(107)] =
+            (SG2BMM_local[(107)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 141))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            149))]));
+        SG2BMM_local[(110)] =
+            (SG2BMM_local[(110)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 145))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            153))]));
+        SG2BMM_local[(113)] =
+            (SG2BMM_local[(113)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 149))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            157))]));
+        SG2BMM_local[(116)] =
+            (SG2BMM_local[(116)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 153))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            161))]));
+        SG2BMM_local[(119)] =
+            (SG2BMM_local[(119)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 157))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            165))]));
+        SG2BMM_local[(2)] =
+            (SG2BMM_local[(2)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 2))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            10))]));
+        SG2BMM_local[(5)] =
+            (SG2BMM_local[(5)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 6))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            14))]));
+        SG2BMM_local[(8)] =
+            (SG2BMM_local[(8)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 10))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            18))]));
+        SG2BMM_local[(11)] =
+            (SG2BMM_local[(11)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 14))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            22))]));
+        SG2BMM_local[(14)] =
+            (SG2BMM_local[(14)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 18))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            26))]));
+        SG2BMM_local[(17)] =
+            (SG2BMM_local[(17)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 22))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            30))]));
+        SG2BMM_local[(20)] =
+            (SG2BMM_local[(20)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 26))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            34))]));
+        SG2BMM_local[(23)] =
+            (SG2BMM_local[(23)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 30))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            38))]));
+        SG2BMM_local[(26)] =
+            (SG2BMM_local[(26)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 34))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            42))]));
+        SG2BMM_local[(29)] =
+            (SG2BMM_local[(29)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 38))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            46))]));
+        SG2BMM_local[(32)] =
+            (SG2BMM_local[(32)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 42))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            50))]));
+        SG2BMM_local[(35)] =
+            (SG2BMM_local[(35)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 46))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            54))]));
+        SG2BMM_local[(38)] =
+            (SG2BMM_local[(38)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 50))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            58))]));
+        SG2BMM_local[(41)] =
+            (SG2BMM_local[(41)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 54))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            62))]));
+        SG2BMM_local[(44)] =
+            (SG2BMM_local[(44)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 58))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            66))]));
+        SG2BMM_local[(47)] =
+            (SG2BMM_local[(47)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 62))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            70))]));
+        SG2BMM_local[(50)] =
+            (SG2BMM_local[(50)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 66))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            74))]));
+        SG2BMM_local[(53)] =
+            (SG2BMM_local[(53)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 70))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            78))]));
+        SG2BMM_local[(56)] =
+            (SG2BMM_local[(56)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 74))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            82))]));
+        SG2BMM_local[(59)] =
+            (SG2BMM_local[(59)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 78))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            86))]));
+        SG2BMM_local[(62)] =
+            (SG2BMM_local[(62)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 82))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            90))]));
+        SG2BMM_local[(65)] =
+            (SG2BMM_local[(65)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 86))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            94))]));
+        SG2BMM_local[(68)] =
+            (SG2BMM_local[(68)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 90))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            98))]));
+        SG2BMM_local[(71)] =
+            (SG2BMM_local[(71)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 94))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            102))]));
+        SG2BMM_local[(74)] =
+            (SG2BMM_local[(74)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 98))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            106))]));
+        SG2BMM_local[(77)] =
+            (SG2BMM_local[(77)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 102))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            110))]));
+        SG2BMM_local[(80)] =
+            (SG2BMM_local[(80)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 106))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            114))]));
+        SG2BMM_local[(83)] =
+            (SG2BMM_local[(83)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 110))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            118))]));
+        SG2BMM_local[(86)] =
+            (SG2BMM_local[(86)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 114))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            122))]));
+        SG2BMM_local[(89)] =
+            (SG2BMM_local[(89)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 118))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            126))]));
+        SG2BMM_local[(92)] =
+            (SG2BMM_local[(92)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 122))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            130))]));
+        SG2BMM_local[(95)] =
+            (SG2BMM_local[(95)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 126))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            134))]));
+        SG2BMM_local[(98)] =
+            (SG2BMM_local[(98)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 130))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            138))]));
+        SG2BMM_local[(101)] =
+            (SG2BMM_local[(101)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 134))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            142))]));
+        SG2BMM_local[(104)] =
+            (SG2BMM_local[(104)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 138))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            146))]));
+        SG2BMM_local[(107)] =
+            (SG2BMM_local[(107)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 142))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            150))]));
+        SG2BMM_local[(110)] =
+            (SG2BMM_local[(110)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 146))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            154))]));
+        SG2BMM_local[(113)] =
+            (SG2BMM_local[(113)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 150))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            158))]));
+        SG2BMM_local[(116)] =
+            (SG2BMM_local[(116)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 154))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            162))]));
+        SG2BMM_local[(119)] =
+            (SG2BMM_local[(119)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 158))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            166))]));
+        SG2BMM_local[(2)] =
+            (SG2BMM_local[(2)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 3))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            11))]));
+        SG2BMM_local[(5)] =
+            (SG2BMM_local[(5)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 7))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            15))]));
+        SG2BMM_local[(8)] =
+            (SG2BMM_local[(8)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 11))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            19))]));
+        SG2BMM_local[(11)] =
+            (SG2BMM_local[(11)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 15))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            23))]));
+        SG2BMM_local[(14)] =
+            (SG2BMM_local[(14)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 19))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            27))]));
+        SG2BMM_local[(17)] =
+            (SG2BMM_local[(17)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 23))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            31))]));
+        SG2BMM_local[(20)] =
+            (SG2BMM_local[(20)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 27))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            35))]));
+        SG2BMM_local[(23)] =
+            (SG2BMM_local[(23)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 31))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            39))]));
+        SG2BMM_local[(26)] =
+            (SG2BMM_local[(26)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 35))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            43))]));
+        SG2BMM_local[(29)] =
+            (SG2BMM_local[(29)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 39))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            47))]));
+        SG2BMM_local[(32)] =
+            (SG2BMM_local[(32)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 43))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            51))]));
+        SG2BMM_local[(35)] =
+            (SG2BMM_local[(35)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 47))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            55))]));
+        SG2BMM_local[(38)] =
+            (SG2BMM_local[(38)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 51))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            59))]));
+        SG2BMM_local[(41)] =
+            (SG2BMM_local[(41)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 55))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            63))]));
+        SG2BMM_local[(44)] =
+            (SG2BMM_local[(44)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 59))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            67))]));
+        SG2BMM_local[(47)] =
+            (SG2BMM_local[(47)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 63))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            71))]));
+        SG2BMM_local[(50)] =
+            (SG2BMM_local[(50)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 67))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            75))]));
+        SG2BMM_local[(53)] =
+            (SG2BMM_local[(53)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 71))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            79))]));
+        SG2BMM_local[(56)] =
+            (SG2BMM_local[(56)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 75))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            83))]));
+        SG2BMM_local[(59)] =
+            (SG2BMM_local[(59)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 79))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            87))]));
+        SG2BMM_local[(62)] =
+            (SG2BMM_local[(62)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 83))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            91))]));
+        SG2BMM_local[(65)] =
+            (SG2BMM_local[(65)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 87))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            95))]));
+        SG2BMM_local[(68)] =
+            (SG2BMM_local[(68)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 91))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            99))]));
+        SG2BMM_local[(71)] =
+            (SG2BMM_local[(71)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 95))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            103))]));
+        SG2BMM_local[(74)] =
+            (SG2BMM_local[(74)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 99))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            107))]));
+        SG2BMM_local[(77)] =
+            (SG2BMM_local[(77)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 103))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            111))]));
+        SG2BMM_local[(80)] =
+            (SG2BMM_local[(80)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 107))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            115))]));
+        SG2BMM_local[(83)] =
+            (SG2BMM_local[(83)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 111))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            119))]));
+        SG2BMM_local[(86)] =
+            (SG2BMM_local[(86)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 115))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            123))]));
+        SG2BMM_local[(89)] =
+            (SG2BMM_local[(89)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 119))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            127))]));
+        SG2BMM_local[(92)] =
+            (SG2BMM_local[(92)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 123))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            131))]));
+        SG2BMM_local[(95)] =
+            (SG2BMM_local[(95)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 127))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            135))]));
+        SG2BMM_local[(98)] =
+            (SG2BMM_local[(98)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 131))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            139))]));
+        SG2BMM_local[(101)] =
+            (SG2BMM_local[(101)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 135))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            143))]));
+        SG2BMM_local[(104)] =
+            (SG2BMM_local[(104)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 139))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            147))]));
+        SG2BMM_local[(107)] =
+            (SG2BMM_local[(107)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 143))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            151))]));
+        SG2BMM_local[(110)] =
+            (SG2BMM_local[(110)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 147))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            155))]));
+        SG2BMM_local[(113)] =
+            (SG2BMM_local[(113)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 151))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            159))]));
+        SG2BMM_local[(116)] =
+            (SG2BMM_local[(116)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 155))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            163))]));
+        SG2BMM_local[(119)] =
+            (SG2BMM_local[(119)] +
+             (q_shared[((((((int)threadIdx.x) / 29) * 160) + 159))] *
+              Kpad_shared[(((((((int)threadIdx.x) / 29) * 160) +
+                             ((((int)threadIdx.x) % 29) * 12)) +
+                            167))]));
+    }
+    for (int j_inner = 0; j_inner < 40; ++j_inner) {
+        for (int k_inner = 0; k_inner < 3; ++k_inner) {
+            SG2BMM[((((((((((int)blockIdx.x) / 23) * 160080) +
+                         ((((int)threadIdx.x) / 29) * 80040)) +
+                        (j_inner * 2001)) +
+                       ((((int)blockIdx.x) % 23) * 87)) +
+                      ((((int)threadIdx.x) % 29) * 3)) +
+                     k_inner))] = SG2BMM_local[(((j_inner * 3) + k_inner))];
+        }
+    }
+}
+
+__global__ void __launch_bounds__(276)
+    sg2bmm_bs1_n10000_m64_w1000_d4_kernel0(float *__restrict__ q,
+                                           float *__restrict__ k,
+                                           float *__restrict__ SG2BMM) {
+    float SG2BMM_local[145];
+    __shared__ float q_shared[20];
+    __shared__ float Kpad_shared[8020];
+    for (int k_c_inner_init = 0; k_c_inner_init < 29; ++k_c_inner_init) {
+        SG2BMM_local[(k_c_inner_init)] = 0.000000e+00f;
+        SG2BMM_local[((k_c_inner_init + 29))] = 0.000000e+00f;
+        SG2BMM_local[((k_c_inner_init + 58))] = 0.000000e+00f;
+        SG2BMM_local[((k_c_inner_init + 87))] = 0.000000e+00f;
+        SG2BMM_local[((k_c_inner_init + 116))] = 0.000000e+00f;
+    }
+    for (int p_outer_outer = 0; p_outer_outer < 64; ++p_outer_outer) {
+        __syncthreads();
+        if (((int)threadIdx.x) < 20) {
+            q_shared[(((int)threadIdx.x))] =
+                q[((((((int)blockIdx.x) * 1280) + (((int)threadIdx.x) * 64)) +
+                    p_outer_outer))];
+        }
+        Kpad_shared[(((int)threadIdx.x))] =
+            ((4000 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       256000))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 276))] =
+            ((3724 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       238336))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 552))] =
+            ((3448 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       220672))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 828))] =
+            ((3172 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       203008))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 1104))] =
+            ((2896 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       185344))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 1380))] =
+            ((2620 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       167680))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 1656))] =
+            ((2344 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       150016))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 1932))] =
+            ((2068 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       132352))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 2208))] =
+            ((1792 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       114688))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 2484))] =
+            ((1516 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       97024))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 2760))] =
+            ((1240 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       79360))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 3036))] =
+            ((964 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       61696))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 3312))] =
+            ((688 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       44032))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 3588))] =
+            ((412 <= (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       26368))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 3864))] =
+            (((136 <=
+               (((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x))) &&
+              ((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 10136))
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) -
+                       8704))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 4140))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 9860)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       8960))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 4416))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 9584)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       26624))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 4692))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 9308)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       44288))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 4968))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 9032)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       61952))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 5244))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 8756)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       79616))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 5520))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 8480)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       97280))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 5796))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 8204)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       114944))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 6072))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 7928)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       132608))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 6348))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 7652)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       150272))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 6624))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 7376)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       167936))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 6900))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 7100)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       185600))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 7176))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 6824)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       203264))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 7452))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 6548)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       220928))]
+                 : 0.000000e+00f);
+        Kpad_shared[((((int)threadIdx.x) + 7728))] =
+            (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) < 6272)
+                 ? k[(((((((int)blockIdx.x) * 1280) +
+                         (((int)threadIdx.x) * 64)) +
+                        p_outer_outer) +
+                       238592))]
+                 : 0.000000e+00f);
+        if (((int)threadIdx.x) < 16) {
+            Kpad_shared[((((int)threadIdx.x) + 8004))] =
+                (((((((int)blockIdx.x) % 500) * 20) + ((int)threadIdx.x)) <
+                  5996)
+                     ? k[(((((((int)blockIdx.x) * 1280) +
+                             (((int)threadIdx.x) * 64)) +
+                            p_outer_outer) +
+                           256256))]
+                     : 0.000000e+00f);
+        }
+        __syncthreads();
+        for (int k_c_inner = 0; k_c_inner < 29; ++k_c_inner) {
+            SG2BMM_local[(k_c_inner)] =
+                (SG2BMM_local[(k_c_inner)] +
+                 (q_shared[((((int)threadIdx.x) / 69))] *
+                  Kpad_shared[(
+                      ((((((int)threadIdx.x) % 69) * 116) + (k_c_inner * 4)) +
+                       (((int)threadIdx.x) / 69)))]));
+            SG2BMM_local[((k_c_inner + 29))] =
+                (SG2BMM_local[((k_c_inner + 29))] +
+                 (q_shared[(((((int)threadIdx.x) / 69) + 4))] *
+                  Kpad_shared[(
+                      (((((((int)threadIdx.x) % 69) * 116) + (k_c_inner * 4)) +
+                        (((int)threadIdx.x) / 69)) +
+                       4))]));
+            SG2BMM_local[((k_c_inner + 58))] =
+                (SG2BMM_local[((k_c_inner + 58))] +
+                 (q_shared[(((((int)threadIdx.x) / 69) + 8))] *
+                  Kpad_shared[(
+                      (((((((int)threadIdx.x) % 69) * 116) + (k_c_inner * 4)) +
+                        (((int)threadIdx.x) / 69)) +
+                       8))]));
+            SG2BMM_local[((k_c_inner + 87))] =
+                (SG2BMM_local[((k_c_inner + 87))] +
+                 (q_shared[(((((int)threadIdx.x) / 69) + 12))] *
+                  Kpad_shared[(
+                      (((((((int)threadIdx.x) % 69) * 116) + (k_c_inner * 4)) +
+                        (((int)threadIdx.x) / 69)) +
+                       12))]));
+            SG2BMM_local[((k_c_inner + 116))] =
+                (SG2BMM_local[((k_c_inner + 116))] +
+                 (q_shared[(((((int)threadIdx.x) / 69) + 16))] *
+                  Kpad_shared[(
+                      (((((((int)threadIdx.x) % 69) * 116) + (k_c_inner * 4)) +
+                        (((int)threadIdx.x) / 69)) +
+                       16))]));
+        }
+    }
+    for (int k_inner = 0; k_inner < 29; ++k_inner) {
+        SG2BMM[((((((int)blockIdx.x) * 40020) + (((int)threadIdx.x) * 29)) +
+                 k_inner))] = SG2BMM_local[(k_inner)];
+        SG2BMM[(((((((int)blockIdx.x) * 40020) + (((int)threadIdx.x) * 29)) +
+                  k_inner) +
+                 8004))] = SG2BMM_local[((k_inner + 29))];
+        SG2BMM[(((((((int)blockIdx.x) * 40020) + (((int)threadIdx.x) * 29)) +
+                  k_inner) +
+                 16008))] = SG2BMM_local[((k_inner + 58))];
+        SG2BMM[(((((((int)blockIdx.x) * 40020) + (((int)threadIdx.x) * 29)) +
+                  k_inner) +
+                 24012))] = SG2BMM_local[((k_inner + 87))];
+        SG2BMM[(((((((int)blockIdx.x) * 40020) + (((int)threadIdx.x) * 29)) +
+                  k_inner) +
+                 32016))] = SG2BMM_local[((k_inner + 116))];
+    }
+}
+
+__global__ void __launch_bounds__(256)
+    gbmml_bs1_n10000_m64_w1000_d1_kernel0(float *__restrict__ prob,
+                                          float *__restrict__ q,
+                                          float *__restrict__ G2BMM) {
+    float G2BMM_local[8];
+    __shared__ float prob_shared[736];
+    __shared__ float Qpad_shared[4864];
+    G2BMM_local[(0)] = 0.000000e+00f;
+    G2BMM_local[(1)] = 0.000000e+00f;
+    G2BMM_local[(2)] = 0.000000e+00f;
+    G2BMM_local[(3)] = 0.000000e+00f;
+    G2BMM_local[(4)] = 0.000000e+00f;
+    G2BMM_local[(5)] = 0.000000e+00f;
+    G2BMM_local[(6)] = 0.000000e+00f;
+    G2BMM_local[(7)] = 0.000000e+00f;
+    for (int p_outer_outer = 0; p_outer_outer < 87; ++p_outer_outer) {
+        __syncthreads();
+        prob_shared[(((int)threadIdx.x))] =
+            prob[(((((((((int)blockIdx.x) / 625) * 40020000) +
+                      ((((int)blockIdx.x) % 625) * 32016)) +
+                     ((((int)threadIdx.x) / 23) * 2001)) +
+                    (p_outer_outer * 23)) +
+                   (((int)threadIdx.x) % 23)))];
+        prob_shared[((((int)threadIdx.x) + 256))] =
+            prob[((((((((((int)blockIdx.x) / 625) * 40020000) +
+                       (((((int)threadIdx.x) + 256) / 368) * 20010000)) +
+                      ((((int)blockIdx.x) % 625) * 32016)) +
+                     ((((((int)threadIdx.x) + 256) % 368) / 23) * 2001)) +
+                    (p_outer_outer * 23)) +
+                   ((((int)threadIdx.x) + 3) % 23)))];
+        if (((int)threadIdx.x) < 224) {
+            prob_shared[((((int)threadIdx.x) + 512))] =
+                prob[((((((((((int)blockIdx.x) / 625) * 40020000) +
+                           (((((int)threadIdx.x) + 512) / 368) * 20010000)) +
+                          ((((int)blockIdx.x) % 625) * 32016)) +
+                         (((((int)threadIdx.x) + 144) / 23) * 2001)) +
+                        (p_outer_outer * 23)) +
+                       ((((int)threadIdx.x) + 6) % 23)))];
+        }
+        Qpad_shared[(((int)threadIdx.x))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 11000))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 256))] =
+            (((996 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10996))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       63744))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 512))] =
+            (((992 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10992))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       63488))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 768))] =
+            (((988 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10988))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       63232))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1024))] =
+            (((984 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10984))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       62976))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1280))] =
+            (((980 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10980))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       62720))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1536))] =
+            (((976 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10976))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       62464))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1792))] =
+            (((972 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10972))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       62208))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2048))] =
+            (((968 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((int)threadIdx.x) >> 6)) < 10968))
+                 ? q[(((((((((int)blockIdx.x) / 625) * 1280000) +
+                          (p_outer_outer * 1472)) +
+                         ((((int)blockIdx.x) % 625) * 1024)) +
+                        ((int)threadIdx.x)) -
+                       61952))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2304))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((((int)threadIdx.x) >> 6) + 36) % 38))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                (((((int)threadIdx.x) >> 6) + 36) % 38)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 2304) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         ((((((int)threadIdx.x) >> 6) + 36) % 38) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2560))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 2))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 2)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 2560) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 2) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2816))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 6))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 6)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 2816) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 6) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3072))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 10))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 10)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 3072) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 10) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3328))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 14))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 14)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 3328) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 14) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3584))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 18))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 18)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 3584) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 18) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3840))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 22))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 22)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 3840) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 22) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 4096))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 26))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 26)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 4096) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 26) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 4352))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 30))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 30)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 4352) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 30) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 4608))] =
+            (((1000 <=
+               (((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 34))) &&
+              ((((p_outer_outer * 23) + ((((int)blockIdx.x) % 625) * 16)) +
+                ((((int)threadIdx.x) >> 6) + 34)) < 11000))
+                 ? q[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                            (((((int)threadIdx.x) + 4608) / 2432) * 640000)) +
+                           (p_outer_outer * 1472)) +
+                          ((((int)blockIdx.x) % 625) * 1024)) +
+                         (((((int)threadIdx.x) >> 6) + 34) * 64)) +
+                        (((int)threadIdx.x) & 63)) -
+                       64000))]
+                 : 0.000000e+00f);
+        __syncthreads();
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[(((((int)threadIdx.x) >> 5) * 92))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 7) * 2432) +
+                             (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                            ((((int)threadIdx.x) & 31) * 2)))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[(((((int)threadIdx.x) >> 5) * 92))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 23))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            64))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 23))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            65))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 46))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            128))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 46))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            129))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 69))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            192))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 69))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            193))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 1))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            64))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 1))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            65))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 24))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            128))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 24))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            129))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 47))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            192))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 47))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            193))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 70))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            256))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 70))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            257))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 2))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            128))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 2))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            129))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 25))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            192))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 25))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            193))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 48))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            256))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 48))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            257))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 71))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            320))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 71))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            321))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 3))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            192))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 3))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            193))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 26))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            256))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 26))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            257))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 49))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            320))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 49))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            321))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 72))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            384))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 72))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            385))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 4))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            256))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 4))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            257))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 27))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            320))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 27))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            321))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 50))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            384))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 50))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            385))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 73))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            448))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 73))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            449))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 5))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            320))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 5))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            321))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 28))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            384))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 28))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            385))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 51))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            448))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 51))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            449))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 74))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 74))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 6))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            384))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 6))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            385))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 29))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            448))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 29))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            449))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 52))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 52))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 75))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 75))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 7))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            448))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 7))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            449))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 30))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 30))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 53))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 53))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 76))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            640))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 76))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            641))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 8))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 8))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 31))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 31))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 54))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            640))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 54))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            641))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 77))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            704))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 77))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            705))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 9))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 9))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 32))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            640))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 32))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            641))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 55))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            704))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 55))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            705))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 78))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            768))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 78))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            769))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 10))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            640))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 10))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            641))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 33))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            704))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 33))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            705))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 56))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            768))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 56))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            769))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 79))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            832))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 79))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            833))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 11))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            704))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 11))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            705))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 34))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            768))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 34))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            769))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 57))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            832))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 57))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            833))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 80))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            896))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 80))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            897))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 12))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            768))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 12))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            769))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 35))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            832))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 35))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            833))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 58))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            896))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 58))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            897))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 81))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            960))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 81))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            961))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 13))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            832))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 13))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            833))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 36))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            896))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 36))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            897))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 59))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            960))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 59))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            961))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 82))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1024))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 82))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1025))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 14))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            896))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 14))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            897))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 37))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            960))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 37))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            961))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 60))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1024))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 60))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1025))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 83))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1088))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 83))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1089))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 15))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            960))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 15))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            961))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 38))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1024))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 38))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1025))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 61))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1088))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 61))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1089))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 84))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1152))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 84))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1153))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 16))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1024))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 16))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1025))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 39))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1088))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 39))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1089))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 62))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1152))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 62))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1153))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 85))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1216))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 85))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1217))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 17))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1088))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 17))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1089))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 40))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1152))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 40))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1153))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 63))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1216))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 63))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1217))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 86))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1280))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 86))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1281))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 18))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1152))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 18))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1153))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 41))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1216))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 41))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1217))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 64))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1280))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 64))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1281))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 87))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1344))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 87))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1345))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 19))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1216))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 19))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1217))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 42))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1280))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 42))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1281))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 65))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1344))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 65))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1345))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 88))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1408))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 88))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1409))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 20))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1280))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 20))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1281))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 43))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1344))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 43))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1345))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 66))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1408))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 66))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1409))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 89))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1472))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 89))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1473))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 21))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1344))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 21))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1345))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 44))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1408))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 44))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1409))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 67))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1472))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 67))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1473))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 90))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1536))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 90))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1537))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 22))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1408))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 22))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1409))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 45))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1472))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 45))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1473))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 68))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1536))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 68))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1537))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 91))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1600))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 92) + 91))] *
+              Qpad_shared[((((((((int)threadIdx.x) >> 7) * 2432) +
+                              (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1601))]));
+    }
+    for (int j_inner = 0; j_inner < 4; ++j_inner) {
+        for (int k_inner = 0; k_inner < 2; ++k_inner) {
+            G2BMM[(((((((((((int)blockIdx.x) / 625) * 1280000) +
+                         ((((int)threadIdx.x) >> 7) * 640000)) +
+                        ((((int)blockIdx.x) % 625) * 1024)) +
+                       (((((int)threadIdx.x) & 127) >> 5) * 256)) +
+                      (j_inner * 64)) +
+                     ((((int)threadIdx.x) & 31) * 2)) +
+                    k_inner))] = G2BMM_local[(((j_inner * 2) + k_inner))];
+        }
+    }
+}
+
+__global__ void __launch_bounds__(320)
+    gbmml_bs1_n10000_m64_w1000_d4_kernel0(float *__restrict__ prob,
+                                          float *__restrict__ q,
+                                          float *__restrict__ G2BMM) {
+    float G2BMM_local[20];
+    __shared__ float prob_shared[300];
+    __shared__ float Qpad_shared[6912];
+    G2BMM_local[(0)] = 0.000000e+00f;
+    G2BMM_local[(2)] = 0.000000e+00f;
+    G2BMM_local[(1)] = 0.000000e+00f;
+    G2BMM_local[(3)] = 0.000000e+00f;
+    G2BMM_local[(4)] = 0.000000e+00f;
+    G2BMM_local[(6)] = 0.000000e+00f;
+    G2BMM_local[(5)] = 0.000000e+00f;
+    G2BMM_local[(7)] = 0.000000e+00f;
+    G2BMM_local[(8)] = 0.000000e+00f;
+    G2BMM_local[(10)] = 0.000000e+00f;
+    G2BMM_local[(9)] = 0.000000e+00f;
+    G2BMM_local[(11)] = 0.000000e+00f;
+    G2BMM_local[(12)] = 0.000000e+00f;
+    G2BMM_local[(14)] = 0.000000e+00f;
+    G2BMM_local[(13)] = 0.000000e+00f;
+    G2BMM_local[(15)] = 0.000000e+00f;
+    G2BMM_local[(16)] = 0.000000e+00f;
+    G2BMM_local[(18)] = 0.000000e+00f;
+    G2BMM_local[(17)] = 0.000000e+00f;
+    G2BMM_local[(19)] = 0.000000e+00f;
+    for (int p_outer_outer = 0; p_outer_outer < 667; ++p_outer_outer) {
+        __syncthreads();
+        if (((int)threadIdx.x) < 100) {
+            ((float3 *)(prob_shared + ((((int)threadIdx.x) * 3))))[0] =
+                ((float3 *)(prob + ((((((int)blockIdx.x) * 200100) +
+                                      (((int)threadIdx.x) * 2001)) +
+                                     (p_outer_outer * 3)))))[0];
+        }
+        Qpad_shared[(((int)threadIdx.x))] =
+            (((4000 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 14000))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       256000))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 320))] =
+            (((3995 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13995))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       255680))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 640))] =
+            (((3990 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13990))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       255360))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 960))] =
+            (((3985 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13985))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       255040))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1280))] =
+            (((3980 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13980))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       254720))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1600))] =
+            (((3975 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13975))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       254400))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 1920))] =
+            (((3970 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13970))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       254080))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2240))] =
+            (((3965 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13965))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       253760))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2560))] =
+            (((3960 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13960))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       253440))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 2880))] =
+            (((3955 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13955))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       253120))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3200))] =
+            (((3950 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13950))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       252800))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3520))] =
+            (((3945 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13945))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       252480))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 3840))] =
+            (((3940 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13940))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       252160))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 4160))] =
+            (((3935 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13935))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       251840))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 4480))] =
+            (((3930 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13930))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       251520))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 4800))] =
+            (((3925 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13925))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       251200))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 5120))] =
+            (((3920 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13920))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       250880))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 5440))] =
+            (((3915 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13915))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       250560))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 5760))] =
+            (((3910 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13910))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       250240))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 6080))] =
+            (((3905 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13905))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       249920))]
+                 : 0.000000e+00f);
+        Qpad_shared[((((int)threadIdx.x) + 6400))] =
+            (((3900 <=
+               ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6))) &&
+              (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                (((int)threadIdx.x) >> 6)) < 13900))
+                 ? q[(((((((int)blockIdx.x) * 6400) + (p_outer_outer * 768)) +
+                        ((int)threadIdx.x)) -
+                       249600))]
+                 : 0.000000e+00f);
+        if (((int)threadIdx.x) < 192) {
+            Qpad_shared[((((int)threadIdx.x) + 6720))] =
+                (((3895 <=
+                   ((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                    (((int)threadIdx.x) >> 6))) &&
+                  (((((((int)blockIdx.x) % 100) * 100) + (p_outer_outer * 12)) +
+                    (((int)threadIdx.x) >> 6)) < 13895))
+                     ? q[(((((((int)blockIdx.x) * 6400) +
+                             (p_outer_outer * 768)) +
+                            ((int)threadIdx.x)) -
+                           249280))]
+                     : 0.000000e+00f);
+        }
+        __syncthreads();
+        G2BMM_local[(0)] = (G2BMM_local[(0)] +
+                            (prob_shared[(((((int)threadIdx.x) >> 5) * 30))] *
+                             Qpad_shared[((((((int)threadIdx.x) >> 5) * 640) +
+                                           ((((int)threadIdx.x) & 31) * 2)))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 3))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            64))]));
+        G2BMM_local[(1)] = (G2BMM_local[(1)] +
+                            (prob_shared[(((((int)threadIdx.x) >> 5) * 30))] *
+                             Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                                            ((((int)threadIdx.x) & 31) * 2)) +
+                                           1))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 3))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            65))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 6))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            128))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 9))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            192))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 6))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            129))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 9))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            193))]));
+        G2BMM_local[(8)] =
+            (G2BMM_local[(8)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 12))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            256))]));
+        G2BMM_local[(10)] =
+            (G2BMM_local[(10)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 15))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            320))]));
+        G2BMM_local[(9)] =
+            (G2BMM_local[(9)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 12))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            257))]));
+        G2BMM_local[(11)] =
+            (G2BMM_local[(11)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 15))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            321))]));
+        G2BMM_local[(12)] =
+            (G2BMM_local[(12)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 18))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            384))]));
+        G2BMM_local[(14)] =
+            (G2BMM_local[(14)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 21))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            448))]));
+        G2BMM_local[(13)] =
+            (G2BMM_local[(13)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 18))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            385))]));
+        G2BMM_local[(15)] =
+            (G2BMM_local[(15)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 21))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            449))]));
+        G2BMM_local[(16)] =
+            (G2BMM_local[(16)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 24))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(18)] =
+            (G2BMM_local[(18)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 27))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(17)] =
+            (G2BMM_local[(17)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 24))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(19)] =
+            (G2BMM_local[(19)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 27))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 1))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            256))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 4))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            320))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 1))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            257))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 4))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            321))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 7))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            384))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 10))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            448))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 7))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            385))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 10))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            449))]));
+        G2BMM_local[(8)] =
+            (G2BMM_local[(8)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 13))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(10)] =
+            (G2BMM_local[(10)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 16))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(9)] =
+            (G2BMM_local[(9)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 13))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(11)] =
+            (G2BMM_local[(11)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 16))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(12)] =
+            (G2BMM_local[(12)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 19))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            640))]));
+        G2BMM_local[(14)] =
+            (G2BMM_local[(14)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 22))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            704))]));
+        G2BMM_local[(13)] =
+            (G2BMM_local[(13)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 19))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            641))]));
+        G2BMM_local[(15)] =
+            (G2BMM_local[(15)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 22))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            705))]));
+        G2BMM_local[(16)] =
+            (G2BMM_local[(16)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 25))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            768))]));
+        G2BMM_local[(18)] =
+            (G2BMM_local[(18)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 28))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            832))]));
+        G2BMM_local[(17)] =
+            (G2BMM_local[(17)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 25))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            769))]));
+        G2BMM_local[(19)] =
+            (G2BMM_local[(19)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 28))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            833))]));
+        G2BMM_local[(0)] =
+            (G2BMM_local[(0)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 2))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            512))]));
+        G2BMM_local[(2)] =
+            (G2BMM_local[(2)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 5))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            576))]));
+        G2BMM_local[(1)] =
+            (G2BMM_local[(1)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 2))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            513))]));
+        G2BMM_local[(3)] =
+            (G2BMM_local[(3)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 5))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            577))]));
+        G2BMM_local[(4)] =
+            (G2BMM_local[(4)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 8))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            640))]));
+        G2BMM_local[(6)] =
+            (G2BMM_local[(6)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 11))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            704))]));
+        G2BMM_local[(5)] =
+            (G2BMM_local[(5)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 8))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            641))]));
+        G2BMM_local[(7)] =
+            (G2BMM_local[(7)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 11))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            705))]));
+        G2BMM_local[(8)] =
+            (G2BMM_local[(8)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 14))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            768))]));
+        G2BMM_local[(10)] =
+            (G2BMM_local[(10)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 17))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            832))]));
+        G2BMM_local[(9)] =
+            (G2BMM_local[(9)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 14))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            769))]));
+        G2BMM_local[(11)] =
+            (G2BMM_local[(11)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 17))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            833))]));
+        G2BMM_local[(12)] =
+            (G2BMM_local[(12)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 20))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            896))]));
+        G2BMM_local[(14)] =
+            (G2BMM_local[(14)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 23))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            960))]));
+        G2BMM_local[(13)] =
+            (G2BMM_local[(13)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 20))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            897))]));
+        G2BMM_local[(15)] =
+            (G2BMM_local[(15)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 23))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            961))]));
+        G2BMM_local[(16)] =
+            (G2BMM_local[(16)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 26))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1024))]));
+        G2BMM_local[(18)] =
+            (G2BMM_local[(18)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 29))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1088))]));
+        G2BMM_local[(17)] =
+            (G2BMM_local[(17)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 26))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1025))]));
+        G2BMM_local[(19)] =
+            (G2BMM_local[(19)] +
+             (prob_shared[((((((int)threadIdx.x) >> 5) * 30) + 29))] *
+              Qpad_shared[(((((((int)threadIdx.x) >> 5) * 640) +
+                             ((((int)threadIdx.x) & 31) * 2)) +
+                            1089))]));
+    }
+    for (int j_inner = 0; j_inner < 10; ++j_inner) {
+        for (int k_inner = 0; k_inner < 2; ++k_inner) {
+            G2BMM[((((((((int)blockIdx.x) * 6400) +
+                       ((((int)threadIdx.x) >> 5) * 640)) +
+                      (j_inner * 64)) +
+                     ((((int)threadIdx.x) & 31) * 2)) +
+                    k_inner))] = G2BMM_local[(((j_inner * 2) + k_inner))];
+        }
+    }
+}
+
+inline void sg2bmm(float *__restrict__ q, float *__restrict__ k,
+                   float *__restrict__ y, int bs, int n, int m, int w, int d) {
+    assert(bs % 8 == 0);
+    assert(n == 10000);
+    assert(m == 64);
+    assert(w == 1000);
+    if (d == 1) {
+        for (int i = 0; i < bs; i += 8) {
+            sg2bmm_bs1_n10000_m64_w1000_d1_kernel0<<<23000, 58>>>(
+                q + i * n * m, k + i *  n * m,
+                y + i * n * (2 * w + 1));
+        }
+    } else if (d == 4) {
+        for (int i = 0; i < bs; i += 8) {
+            sg2bmm_bs1_n10000_m64_w1000_d4_kernel0<<<4000, 276>>>(
+                q + i * n * m, k + i * n * m, y + i * n * (2 * w + 1));
+        }
+    } else {
+        assert(false);
+    }
+}
+
+inline void sgbmml(float *__restrict__ q, float *__restrict__ k,
+                   float *__restrict__ y, int bs, int n, int m, int w, int d) {
+    assert(bs % 8 == 0);
+    assert(n == 10000);
+    assert(m == 64);
+    assert(w == 1000);
+    if (d == 1) {
+        for (int i = 0; i < bs; i += 8) {
+            gbmml_bs1_n10000_m64_w1000_d1_kernel0<<<2500, 256>>>(
+                q + i * n * (2 * w + 1), k + i *  n * m,
+                y + i * n * m);
+        }
+    } else if (d == 4) {
+        for (int i = 0; i < bs; i += 8) {
+            gbmml_bs1_n10000_m64_w1000_d4_kernel0<<<800, 320>>>(
+                q + i * n * (2 * w + 1), k + i * n * m,
+                y + i * n * m);
+        }
+    } else {
+        assert(false);
+    }
+}
+
+} // namespace infini
+
+#endif // CUSTOM_OPS_CUH
diff --git a/include/custom_ops.h b/include/custom_ops.h
new file mode 100644
index 00000000..fa943a33
--- /dev/null
+++ b/include/custom_ops.h
@@ -0,0 +1,14 @@
+#ifndef CUSTOM_OPS_H
+#define CUSTOM_OPS_H
+
+namespace infini {
+
+void _sg2bmm(float *__restrict__ q, float *__restrict__ k,
+             float *__restrict__ y, int bs, int n, int m, int w, int d);
+
+void _sgbmml(float *__restrict__ q, float *__restrict__ k,
+             float *__restrict__ y, int bs, int n, int m, int w, int d);
+
+} // namespace infini
+
+#endif // CUSTOM_OPS_H
diff --git a/include/operators/G2BMM.h b/include/operators/G2BMM.h
new file mode 100644
index 00000000..d44f0494
--- /dev/null
+++ b/include/operators/G2BMM.h
@@ -0,0 +1,51 @@
+#pragma once
+#include "core/operator.h"
+#include <assert.h>
+namespace infini {
+
+class G2BMMObj : public OperatorObj {
+  private:
+    // to be implemented
+    int width, dilation;
+    ActType act;
+
+    int b, m, k;
+
+  public:
+    /**
+     * @brief This comments show how operators is defined in InfiniTensor. The
+     * constructor can create output tensors for the operator or not, which
+     * depends on `graph`.
+     *
+     * @param graph If graph is not empty, create outputs in the constructor.
+     * Otherwise, check the provided shape with the results of `inferShape` in
+     * `checkValid`.
+     * @param C C is the output of G2BMM. If outputs are going to be created in
+     * the constructor, C should be an empty Ref.
+     */
+    G2BMMObj(GraphObj *graph, Tensor A, Tensor B, Tensor C, const int width,
+             const int dilation, Tensor bias = nullptr,
+             ActType act = ActType::None);
+
+    std::string toString() const override;
+    optional<vector<Shape>> inferShape(const TensorVec &inputs) const override;
+
+    int numInputs() const override { return 2; }
+    int numOutputs() const override { return 1; }
+
+    int getWidth() const { return width; }
+    int getDilation() const { return dilation; }
+    Tensor getBias() const { return inputs[2]; }
+    ActType getAct() const { return act; }
+
+    int getB() const { return b; }
+    int getM() const { return m; }
+    int getK() const { return k; }
+    auto getBMKWD() const { return tuple{b, m, k, width, dilation}; }
+
+  private:
+    vector<int> getWorkloadVector() const override;
+    vector<int> getOpAttrVector() const override;
+};
+
+} // namespace infini
\ No newline at end of file
diff --git a/include/operators/GBMM.h b/include/operators/GBMM.h
new file mode 100644
index 00000000..c623b8b1
--- /dev/null
+++ b/include/operators/GBMM.h
@@ -0,0 +1,49 @@
+#pragma once
+#include "core/operator.h"
+#include <assert.h>
+namespace infini {
+
+class GBMMObj : public OperatorObj {
+  private:
+    int dilation;
+    ActType act;
+
+    int b, m, w, n;
+
+  public:
+    /**
+     * @brief This comments show how operators is defined in InfiniTensor. The
+     * constructor can create output tensors for the operator or not, which
+     * depends on `graph`.
+     *
+     * @param graph If graph is not empty, create outputs in the constructor.
+     * Otherwise, check the provided shape with the results of `inferShape` in
+     * `checkValid`.
+     * @param C C is the output of GBMM. If outputs are going to be created in
+     * the constructor, C should be an empty Ref.
+     */
+    GBMMObj(GraphObj *graph, Tensor A, Tensor B, Tensor C, const int dilation,
+            Tensor bias = nullptr, ActType act = ActType::None);
+
+    std::string toString() const override;
+    optional<vector<Shape>> inferShape(const TensorVec &inputs) const override;
+
+    int numInputs() const override { return 2; }
+    int numOutputs() const override { return 1; }
+
+    int getDilation() const { return dilation; }
+    Tensor getBias() const { return inputs[2]; }
+    ActType getAct() const { return act; }
+
+    int getB() const { return b; }
+    int getM() const { return m; }
+    int getW() const { return w; }
+    int getN() const { return n; }
+    auto getBMWND() const { return tuple{b, m, w, n, dilation}; }
+
+  private:
+    vector<int> getWorkloadVector() const override;
+    vector<int> getOpAttrVector() const override;
+};
+
+} // namespace infini
\ No newline at end of file
diff --git a/src/core/operator.cc b/src/core/operator.cc
index b6617d66..f37009a2 100644
--- a/src/core/operator.cc
+++ b/src/core/operator.cc
@@ -19,7 +19,7 @@ bool OperatorObj::isConcatOp() const { return type == OpType::Concat; }
 bool OperatorObj::isComputeOp() const {
     return type == OpType::Conv || type == OpType::Matmul ||
            type == OpType::ConvTrans || type == OpType::G2BMM ||
-           type == OpType::GBMML;
+           type == OpType::GBMM;
 }
 
 bool OperatorObj::isTransposeOp() const { return type == OpType::Transpose; }
@@ -53,6 +53,7 @@ bool OperatorObj::checkValid(GraphObj *graph) {
     auto optShapes = inferShape();
     if (!optShapes) // shape inference failed
         return false;
+
     const vector<Shape> &shapes = *optShapes;
     if (shapes.size() != outputs.size())
         return false;
diff --git a/src/cuda/cuda_runtime.cc b/src/cuda/cuda_runtime.cc
index 909eee89..cd6d96ff 100644
--- a/src/cuda/cuda_runtime.cc
+++ b/src/cuda/cuda_runtime.cc
@@ -48,8 +48,7 @@ void CudaRuntimeObj::runWithoutSync(const Graph &graph, bool tune = false,
 void CudaRuntimeObj::run(const Graph &graph, bool tune, bool profiling) const {
     if (profiling)
         IT_TODO_HALT();
-
-    runWithoutSync(graph, tune);
+    runWithoutSync(graph, tune, profiling);
     sync();
 }
 
diff --git a/src/custom_ops.cu b/src/custom_ops.cu
new file mode 100644
index 00000000..f5ac1df3
--- /dev/null
+++ b/src/custom_ops.cu
@@ -0,0 +1,17 @@
+#include "custom_ops.cuh"
+#include "custom_ops.h"
+
+namespace infini {
+
+void _sg2bmm(float *__restrict__ q, float *__restrict__ k,
+             float *__restrict__ y, int bs, int n, int m, int w, int d) {
+    sg2bmm(q, k, y, bs, n, m, w, d);
+}
+
+void _sgbmml(float *__restrict__ q, float *__restrict__ k,
+             float *__restrict__ y, int bs, int n, int m, int w, int d) {
+    sgbmml(q, k, y, bs, n, m, w, d);
+}
+
+} // namespace infini
+
diff --git a/src/kernels/cuda/G2BMM.cc b/src/kernels/cuda/G2BMM.cc
new file mode 100644
index 00000000..0f7cb166
--- /dev/null
+++ b/src/kernels/cuda/G2BMM.cc
@@ -0,0 +1,64 @@
+#include "operators/G2BMM.h"
+#include "core/kernel.h"
+#include "cuda/cuda_runtime.h"
+#include "custom_ops.h"
+#include <chrono>
+#include <functional>
+#include <tuple>
+namespace infini {
+
+class G2BMMCudnn : public Kernel {
+
+    bool g2bmmKernel(const Ref<G2BMMObj> &op,
+                     const CudaRuntimeObj *context) const {
+        float *const inAData = (op->getInputs(0)->getRawDataPtr<float *>());
+        float *const inBData = (op->getInputs(1)->getRawDataPtr<float *>());
+        if (op->getInputs().size() > 2)
+            IT_TODO_HALT();
+
+        float *const outData = (op->getOutput()->getRawDataPtr<float *>());
+
+        const auto [b, n, m, width, dilation] = op->getBMKWD();
+
+        _sg2bmm(inAData, inBData, outData, b, n, m, width, dilation);
+        // checkCudaError(cudaDeviceSynchronize());
+        return true;
+    }
+
+    void compute(const Operator &op, const RuntimeObj *context) const override {
+        PerfRecord record;
+        compute(op, record, context);
+    }
+
+    PerfRecord tune(const Operator &_op,
+                    const RuntimeObj *_context) const override {
+        PerfRecord record;
+        auto op = as<G2BMMObj>(_op);
+        auto context = dynamic_cast<const CudaRuntimeObj *>(_context);
+
+        record.time = std::numeric_limits<double>::max();
+        const auto [warmupRounds, timingRounds] =
+            op->getB() > 100 ? tuple{1, 3} : tuple{5, 15};
+        double tmp =
+            timeit([&]() { g2bmmKernel(op, context); },
+                   [&]() { context->sync(); }, warmupRounds, timingRounds);
+        if (tmp < record.time)
+            record.time = tmp;
+        IT_ASSERT(record.time < std::numeric_limits<double>::max(),
+                  "Error occured "
+                  "during runtime");
+        return record;
+    }
+    void compute(const Operator &_op, const PerfRecord &_record,
+                 const RuntimeObj *_context) const override {
+        auto op = as<G2BMMObj>(_op);
+        auto context = dynamic_cast<const CudaRuntimeObj *>(_context);
+        bool success = g2bmmKernel(op, context);
+        IT_ASSERT(success);
+    }
+};
+
+REGISTER_KERNEL(Device::CUDA, OpType::G2BMM, DataType::Float32, G2BMMCudnn,
+                "G2BMM_cuDNN_CUDA_Float32");
+
+} // namespace infini
diff --git a/src/kernels/cuda/GBMM.cc b/src/kernels/cuda/GBMM.cc
new file mode 100644
index 00000000..4d9efc98
--- /dev/null
+++ b/src/kernels/cuda/GBMM.cc
@@ -0,0 +1,65 @@
+#include "operators/GBMM.h"
+#include "core/kernel.h"
+#include "cuda/cuda_runtime.h"
+#include "custom_ops.h"
+#include <chrono>
+#include <functional>
+#include <tuple>
+
+namespace infini {
+
+class GBMMCudnn : public Kernel {
+
+    bool gbmmKernel(const Ref<GBMMObj> &op,
+                    const CudaRuntimeObj *context) const {
+        float *const inAData = (op->getInputs(0)->getRawDataPtr<float *>());
+        float *const inBData = (op->getInputs(1)->getRawDataPtr<float *>());
+        if (op->getInputs().size() > 2)
+            IT_TODO_HALT();
+
+        float *const outData = (op->getOutput()->getRawDataPtr<float *>());
+
+        const auto [b, m, w, n, dilation] = op->getBMWND();
+        // printf("%d %d %d %d %d\n", b, m, n, w, dilation);
+        _sgbmml(inAData, inBData, outData, b, m, n, w, dilation);
+        // checkCudaError(cudaDeviceSynchronize());
+        return true;
+    }
+    void compute(const Operator &op, const RuntimeObj *context) const override {
+        PerfRecord record;
+        compute(op, record, context);
+    }
+
+    PerfRecord tune(const Operator &_op,
+                    const RuntimeObj *_context) const override {
+        PerfRecord record;
+        auto op = as<GBMMObj>(_op);
+        auto context = dynamic_cast<const CudaRuntimeObj *>(_context);
+
+        record.time = std::numeric_limits<double>::max();
+        const auto [warmupRounds, timingRounds] =
+            op->getB() > 100 ? tuple{1, 3} : tuple{5, 15};
+        double tmp =
+            timeit([&]() { gbmmKernel(op, context); },
+                   [&]() { context->sync(); }, warmupRounds, timingRounds);
+        if (tmp < record.time)
+            record.time = tmp;
+        IT_ASSERT(record.time < std::numeric_limits<double>::max(),
+                  "Error occured "
+                  "during runtime");
+        return record;
+    }
+
+    void compute(const Operator &_op, const PerfRecord &_record,
+                 const RuntimeObj *_context) const override {
+        auto op = as<GBMMObj>(_op);
+        auto context = dynamic_cast<const CudaRuntimeObj *>(_context);
+        bool success = gbmmKernel(op, context);
+        IT_ASSERT(success);
+    }
+};
+
+REGISTER_KERNEL(Device::CUDA, OpType::GBMM, DataType::Float32, GBMMCudnn,
+                "GBMM_cuDNN_CUDA_Float32");
+
+} // namespace infini
\ No newline at end of file
diff --git a/src/kernels/cuda/conv.cc b/src/kernels/cuda/conv.cc
index 92ad89db..497df1c7 100644
--- a/src/kernels/cuda/conv.cc
+++ b/src/kernels/cuda/conv.cc
@@ -244,7 +244,6 @@ class convCudnn : public Kernel {
                 // Update the tune result
                 if (ret.time > record.time)
                     ret = record;
-
                 checkCudnnError(cudnnDestroyTensorDescriptor(outDesc));
                 checkCudnnError(cudnnDestroyActivationDescriptor(actDesc));
                 checkCudnnError(cudnnDestroyConvolutionDescriptor(convDesc));
diff --git a/src/operators/G2BMM.cc b/src/operators/G2BMM.cc
new file mode 100644
index 00000000..a6f8606d
--- /dev/null
+++ b/src/operators/G2BMM.cc
@@ -0,0 +1,50 @@
+#include "operators/G2BMM.h"
+#include "custom_ops.h"
+
+namespace infini {
+
+G2BMMObj::G2BMMObj(GraphObj *graph, Tensor A, Tensor B, Tensor C, int width,
+                   int dilation, [[maybe_unused]] Tensor bias, ActType act)
+    : OperatorObj(OpType::G2BMM, {A, B}, {C}), width(width), dilation(dilation),
+      act(act), b(A->getDims()[0]), m(A->getDims()[1]), k(A->getDims()[2]) {
+    IT_ASSERT(checkValid(graph));
+}
+
+string G2BMMObj::toString() const {
+    std::ostringstream os;
+    os << "G2BMM(["
+       << "width=" << width << ",act=" << enum_to_underlying(act)
+       << "],A=" << inputs[0]->getGuid() << ",B=" << inputs[1]->getGuid()
+       << ",C=" << outputs[0]->getGuid() << ", TTbmnkd: " << this->getB()
+       << ", " << this->getM() << ", " << this->getWidth() << ", "
+       << inputs[1]->getDims()[2] << ", " << this->getDilation() << ")";
+    return os.str();
+}
+
+optional<vector<Shape>> G2BMMObj::inferShape(const TensorVec &inputs) const {
+    auto A = inputs[0], B = inputs[1];
+
+    if (!(A->getDims().size() == 3 && B->getDims().size() == 3))
+        return {};
+    if (!(A->getDims()[0] == B->getDims()[0]))
+        return {};
+    if (!(A->getDims()[1] == B->getDims()[1]))
+        return {};
+    if (!(A->getDims()[2] == B->getDims()[2]))
+        return {};
+    if (width < 0)
+        return {};
+    int b(A->getDims()[0]), m(A->getDims()[1]), n(2 * width + 1);
+    return {{{b, m, n}}};
+}
+
+vector<int> G2BMMObj::getWorkloadVector() const {
+    return {enum_to_underlying(type), b, m, k, width, dilation,
+            enum_to_underlying(act)};
+}
+
+vector<int> G2BMMObj::getOpAttrVector() const {
+    return {enum_to_underlying(type), width, dilation, enum_to_underlying(act)};
+}
+
+} // namespace infini
\ No newline at end of file
diff --git a/src/operators/GBMM.cc b/src/operators/GBMM.cc
new file mode 100644
index 00000000..4d734593
--- /dev/null
+++ b/src/operators/GBMM.cc
@@ -0,0 +1,48 @@
+#include "operators/GBMM.h"
+#include "custom_ops.h"
+
+namespace infini {
+
+GBMMObj::GBMMObj(GraphObj *graph, Tensor A, Tensor B, Tensor C, int dilation,
+                 [[maybe_unused]] Tensor bias, ActType act)
+    : OperatorObj(OpType::GBMM, {A, B}, {C}), dilation(dilation), act(act),
+      b(A->getDims()[0]), m(A->getDims()[1]), w((A->getDims()[2] - 1) / 2),
+      n(B->getDims()[2]) {
+    IT_ASSERT(checkValid(graph));
+}
+
+string GBMMObj::toString() const {
+    std::ostringstream os;
+    os << "GBMM(["
+       << ",act=" << (int)act << "],A=" << inputs[0]->getGuid()
+       << ",B=" << inputs[1]->getGuid() << ",C=" << outputs[0]->getGuid()
+       << ", TTbmwnd: " << this->getB() << ", " << this->getM() << ", "
+       << this->getW() << ", " << this->getN() << ", " << this->getDilation()
+       << ")";
+    return os.str();
+}
+
+optional<vector<Shape>> GBMMObj::inferShape(const TensorVec &inputs) const {
+    auto A = inputs[0], B = inputs[1];
+
+    if (!(A->getDims().size() == 3 && B->getDims().size() == 3))
+        return {};
+    if (!(A->getDims()[0] == B->getDims()[0]))
+        return {};
+    if (!(A->getDims()[1] == B->getDims()[1]))
+        return {};
+    if (A->getDims()[2] % 2 == 0)
+        return {};
+    int b(A->getDims()[0]), m(A->getDims()[1]), k(B->getDims()[2]);
+    return {{{b, m, k}}};
+}
+
+vector<int> GBMMObj::getWorkloadVector() const {
+    return {enum_to_underlying(type), b, m, w, n, dilation,
+            enum_to_underlying(act)};
+}
+
+vector<int> GBMMObj::getOpAttrVector() const {
+    return {enum_to_underlying(type), dilation, enum_to_underlying(act)};
+}
+} // namespace infini
diff --git a/test/operators/test_G2BMM.cc b/test/operators/test_G2BMM.cc
new file mode 100644
index 00000000..ec8aae00
--- /dev/null
+++ b/test/operators/test_G2BMM.cc
@@ -0,0 +1,37 @@
+#include "core/graph.h"
+#include "core/kernel.h"
+#include "core/runtime.h"
+#include "cuda/cuda_runtime.h"
+#include "cuda/cuda_utility.h"
+#include "operators/G2BMM.h"
+
+#include "test.h"
+
+namespace infini {
+using ExpectOutput = vector<float>;
+
+TEST(G2BMM, ShapeInference) {
+    const int bs = 1, seqlen = 10000, w = 1000, featlen = 512, heads = 8, d = 4;
+    const int hidden = featlen, hiddenPerHead = hidden / heads;
+    auto cpuRuntime = CpuRuntimeObj::getInstance();
+    Graph gCpu = make_ref<GraphObj>(cpuRuntime);
+    auto ACpu = gCpu->addTensor(Shape{bs * heads, seqlen, hiddenPerHead},
+                                DataType::Float32);
+    auto BCpu = gCpu->addTensor(Shape{bs * heads, seqlen, hiddenPerHead},
+                                DataType::Float32);
+    gCpu->dataMalloc();
+    ACpu->setData(IncrementalGenerator());
+    BCpu->setData(IncrementalGenerator());
+
+    auto cudaRuntime = make_ref<CudaRuntimeObj>();
+    auto gCuda = make_ref<GraphObj>(cudaRuntime);
+    auto ACuda = gCuda->cloneTensor(ACpu);
+    auto BCuda = gCuda->cloneTensor(BCpu);
+    auto G2BMM = gCuda->addOp<G2BMMObj>(ACuda, BCuda, nullptr, w, d);
+    EXPECT_EQ(G2BMM->getOutput()->getDims(),
+              (Shape{bs * heads, seqlen, 2 * w + 1}));
+    gCuda->dataMalloc();
+    cudaRuntime->run(gCuda);
+}
+
+}; // namespace infini
diff --git a/test/operators/test_GBMM.cc b/test/operators/test_GBMM.cc
new file mode 100644
index 00000000..f31fdd55
--- /dev/null
+++ b/test/operators/test_GBMM.cc
@@ -0,0 +1,37 @@
+#include "core/graph.h"
+#include "core/kernel.h"
+#include "core/runtime.h"
+#include "cuda/cuda_runtime.h"
+#include "cuda/cuda_utility.h"
+#include "operators/GBMM.h"
+#include "test.h"
+
+namespace infini {
+using ExpectOutput = vector<float>;
+
+TEST(GBMM, ShapeInference) {
+    const int bs = 1, seqlen = 10000, w = 1000, featlen = 512, heads = 8, d = 4;
+    const int hidden = featlen, hiddenPerHead = hidden / heads;
+    auto cpuRuntime = CpuRuntimeObj::getInstance();
+    Graph gCpu = make_ref<GraphObj>(cpuRuntime);
+    auto ACpu = gCpu->addTensor(Shape{bs * heads, seqlen, w * 2 + 1},
+                                DataType::Float32);
+    auto BCpu = gCpu->addTensor(Shape{bs * heads, seqlen, hiddenPerHead},
+                                DataType::Float32);
+    gCpu->dataMalloc();
+    ACpu->setData(IncrementalGenerator());
+    BCpu->setData(IncrementalGenerator());
+
+    auto cudaRuntime = make_ref<CudaRuntimeObj>();
+    auto gCuda = make_ref<GraphObj>(cudaRuntime);
+    auto ACuda = gCuda->cloneTensor(ACpu);
+    auto BCuda = gCuda->cloneTensor(BCpu);
+    auto GBMM = gCuda->addOp<GBMMObj>(ACuda, BCuda, nullptr, d);
+    EXPECT_EQ(GBMM->getOutput()->getDims(),
+              (Shape{bs * heads, seqlen, hiddenPerHead}));
+
+    gCuda->dataMalloc();
+    cudaRuntime->run(gCuda);
+}
+
+} // namespace infini
\ No newline at end of file