matmul_tvm.h

#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
extern "C" __global__ void __launch_bounds__(256) main_kernel0(float* __restrict__ A, float* __restrict__ B, float* __restrict__ C) {
  float C_local[128];
  __shared__ float A_shared[2048];
  __shared__ float B_shared[1024];
  C_local[0] = 0.000000e+00f;
  C_local[32] = 0.000000e+00f;
  C_local[64] = 0.000000e+00f;
  C_local[96] = 0.000000e+00f;
  C_local[2] = 0.000000e+00f;
  C_local[34] = 0.000000e+00f;
  C_local[66] = 0.000000e+00f;
  C_local[98] = 0.000000e+00f;
  C_local[4] = 0.000000e+00f;
  C_local[36] = 0.000000e+00f;
  C_local[68] = 0.000000e+00f;
  C_local[100] = 0.000000e+00f;
  C_local[6] = 0.000000e+00f;
  C_local[38] = 0.000000e+00f;
  C_local[70] = 0.000000e+00f;
  C_local[102] = 0.000000e+00f;
  C_local[8] = 0.000000e+00f;
  C_local[40] = 0.000000e+00f;
  C_local[72] = 0.000000e+00f;
  C_local[104] = 0.000000e+00f;
  C_local[10] = 0.000000e+00f;
  C_local[42] = 0.000000e+00f;
  C_local[74] = 0.000000e+00f;
  C_local[106] = 0.000000e+00f;
  C_local[12] = 0.000000e+00f;
  C_local[44] = 0.000000e+00f;
  C_local[76] = 0.000000e+00f;
  C_local[108] = 0.000000e+00f;
  C_local[14] = 0.000000e+00f;
  C_local[46] = 0.000000e+00f;
  C_local[78] = 0.000000e+00f;
  C_local[110] = 0.000000e+00f;
  C_local[1] = 0.000000e+00f;
  C_local[33] = 0.000000e+00f;
  C_local[65] = 0.000000e+00f;
  C_local[97] = 0.000000e+00f;
  C_local[3] = 0.000000e+00f;
  C_local[35] = 0.000000e+00f;
  C_local[67] = 0.000000e+00f;
  C_local[99] = 0.000000e+00f;
  C_local[5] = 0.000000e+00f;
  C_local[37] = 0.000000e+00f;
  C_local[69] = 0.000000e+00f;
  C_local[101] = 0.000000e+00f;
  C_local[7] = 0.000000e+00f;
  C_local[39] = 0.000000e+00f;
  C_local[71] = 0.000000e+00f;
  C_local[103] = 0.000000e+00f;
  C_local[9] = 0.000000e+00f;
  C_local[41] = 0.000000e+00f;
  C_local[73] = 0.000000e+00f;
  C_local[105] = 0.000000e+00f;
  C_local[11] = 0.000000e+00f;
  C_local[43] = 0.000000e+00f;
  C_local[75] = 0.000000e+00f;
  C_local[107] = 0.000000e+00f;
  C_local[13] = 0.000000e+00f;
  C_local[45] = 0.000000e+00f;
  C_local[77] = 0.000000e+00f;
  C_local[109] = 0.000000e+00f;
  C_local[15] = 0.000000e+00f;
  C_local[47] = 0.000000e+00f;
  C_local[79] = 0.000000e+00f;
  C_local[111] = 0.000000e+00f;
  C_local[16] = 0.000000e+00f;
  C_local[48] = 0.000000e+00f;
  C_local[80] = 0.000000e+00f;
  C_local[112] = 0.000000e+00f;
  C_local[18] = 0.000000e+00f;
  C_local[50] = 0.000000e+00f;
  C_local[82] = 0.000000e+00f;
  C_local[114] = 0.000000e+00f;
  C_local[20] = 0.000000e+00f;
  C_local[52] = 0.000000e+00f;
  C_local[84] = 0.000000e+00f;
  C_local[116] = 0.000000e+00f;
  C_local[22] = 0.000000e+00f;
  C_local[54] = 0.000000e+00f;
  C_local[86] = 0.000000e+00f;
  C_local[118] = 0.000000e+00f;
  C_local[24] = 0.000000e+00f;
  C_local[56] = 0.000000e+00f;
  C_local[88] = 0.000000e+00f;
  C_local[120] = 0.000000e+00f;
  C_local[26] = 0.000000e+00f;
  C_local[58] = 0.000000e+00f;
  C_local[90] = 0.000000e+00f;
  C_local[122] = 0.000000e+00f;
  C_local[28] = 0.000000e+00f;
  C_local[60] = 0.000000e+00f;
  C_local[92] = 0.000000e+00f;
  C_local[124] = 0.000000e+00f;
  C_local[30] = 0.000000e+00f;
  C_local[62] = 0.000000e+00f;
  C_local[94] = 0.000000e+00f;
  C_local[126] = 0.000000e+00f;
  C_local[17] = 0.000000e+00f;
  C_local[49] = 0.000000e+00f;
  C_local[81] = 0.000000e+00f;
  C_local[113] = 0.000000e+00f;
  C_local[19] = 0.000000e+00f;
  C_local[51] = 0.000000e+00f;
  C_local[83] = 0.000000e+00f;
  C_local[115] = 0.000000e+00f;
  C_local[21] = 0.000000e+00f;
  C_local[53] = 0.000000e+00f;
  C_local[85] = 0.000000e+00f;
  C_local[117] = 0.000000e+00f;
  C_local[23] = 0.000000e+00f;
  C_local[55] = 0.000000e+00f;
  C_local[87] = 0.000000e+00f;
  C_local[119] = 0.000000e+00f;
  C_local[25] = 0.000000e+00f;
  C_local[57] = 0.000000e+00f;
  C_local[89] = 0.000000e+00f;
  C_local[121] = 0.000000e+00f;
  C_local[27] = 0.000000e+00f;
  C_local[59] = 0.000000e+00f;
  C_local[91] = 0.000000e+00f;
  C_local[123] = 0.000000e+00f;
  C_local[29] = 0.000000e+00f;
  C_local[61] = 0.000000e+00f;
  C_local[93] = 0.000000e+00f;
  C_local[125] = 0.000000e+00f;
  C_local[31] = 0.000000e+00f;
  C_local[63] = 0.000000e+00f;
  C_local[95] = 0.000000e+00f;
  C_local[127] = 0.000000e+00f;
  for (int k_0 = 0; k_0 < 128; ++k_0) {
    __syncthreads();
    *(float2*)(A_shared + (((int)threadIdx.x) * 2)) = *(float2*)(A + (((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 2) * 1024)) + (k_0 * 8)) + ((((int)threadIdx.x) & 3) * 2)));
    *(float2*)(A_shared + ((((int)threadIdx.x) * 2) + 512)) = *(float2*)(A + ((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 2) * 1024)) + (k_0 * 8)) + ((((int)threadIdx.x) & 3) * 2)) + 65536));
    *(float2*)(A_shared + ((((int)threadIdx.x) * 2) + 1024)) = *(float2*)(A + ((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 2) * 1024)) + (k_0 * 8)) + ((((int)threadIdx.x) & 3) * 2)) + 131072));
    *(float2*)(A_shared + ((((int)threadIdx.x) * 2) + 1536)) = *(float2*)(A + ((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 2) * 1024)) + (k_0 * 8)) + ((((int)threadIdx.x) & 3) * 2)) + 196608));
    B_shared[((int)threadIdx.x)] = B[((((k_0 * 8192) + ((((int)threadIdx.x) >> 7) * 1024)) + ((((int)blockIdx.x) & 7) * 128)) + (((int)threadIdx.x) & 127))];
    B_shared[(((int)threadIdx.x) + 256)] = B[(((((k_0 * 8192) + ((((int)threadIdx.x) >> 7) * 1024)) + ((((int)blockIdx.x) & 7) * 128)) + (((int)threadIdx.x) & 127)) + 2048)];
    B_shared[(((int)threadIdx.x) + 512)] = B[(((((k_0 * 8192) + ((((int)threadIdx.x) >> 7) * 1024)) + ((((int)blockIdx.x) & 7) * 128)) + (((int)threadIdx.x) & 127)) + 4096)];
    B_shared[(((int)threadIdx.x) + 768)] = B[(((((k_0 * 8192) + ((((int)threadIdx.x) >> 7) * 1024)) + ((((int)blockIdx.x) & 7) * 128)) + (((int)threadIdx.x) & 127)) + 6144)];
    __syncthreads();
    C_local[0] = (C_local[0] + (A_shared[((((int)threadIdx.x) >> 5) * 128)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[32] = (C_local[32] + (A_shared[((((int)threadIdx.x) >> 5) * 128)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1024)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1024)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 8)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 8)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1032)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1032)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 16)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 16)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1040)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1040)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 24)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 24)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1048)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1048)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 32)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 32)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1056)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1056)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 40)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 40)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1064)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1064)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 48)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 48)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1072)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1072)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 56)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 56)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1080)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1080)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1025)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1025)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 9)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 9)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1033)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1033)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 17)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 17)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1041)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1041)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 25)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 25)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1049)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1049)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 33)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 33)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1057)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1057)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 41)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 41)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1065)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1065)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 49)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 49)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1073)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1073)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 57)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 57)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1081)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1081)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 2)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 2)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1026)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1026)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 10)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 10)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1034)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1034)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 18)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 18)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1042)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1042)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 26)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 26)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1050)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1050)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 34)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 34)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1058)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1058)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 42)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 42)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1066)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1066)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 50)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 50)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1074)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1074)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 58)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 58)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1082)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1082)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 3)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 3)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1027)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1027)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 11)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 11)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1035)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1035)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 19)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 19)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1043)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1043)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 27)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 27)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1051)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1051)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 35)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 35)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1059)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1059)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 43)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 43)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1067)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1067)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 51)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 51)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1075)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1075)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 59)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 59)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1083)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1083)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[1] = (C_local[1] + (A_shared[((((int)threadIdx.x) >> 5) * 128)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[33] = (C_local[33] + (A_shared[((((int)threadIdx.x) >> 5) * 128)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1024)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1024)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 8)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 8)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1032)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1032)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 16)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 16)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1040)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1040)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 24)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 24)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1048)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1048)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 32)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 32)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1056)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1056)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 40)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 40)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1064)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1064)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 48)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 48)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1072)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1072)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 56)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 56)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1080)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1080)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1025)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1025)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 9)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 9)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1033)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1033)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 17)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 17)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1041)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1041)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 25)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 25)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1049)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1049)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 33)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 33)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1057)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1057)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 41)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 41)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1065)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1065)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 49)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 49)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1073)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1073)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 57)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 57)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1081)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1081)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 2)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 2)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1026)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1026)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 10)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 10)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1034)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1034)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 18)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 18)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1042)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1042)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 26)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 26)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1050)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1050)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 34)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 34)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1058)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1058)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 42)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 42)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1066)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1066)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 50)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 50)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1074)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1074)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 58)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 58)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1082)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1082)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 3)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 3)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1027)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1027)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 11)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 11)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1035)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1035)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 19)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 19)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1043)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1043)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 27)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 27)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1051)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1051)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 35)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 35)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1059)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1059)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 43)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 43)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1067)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1067)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 51)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 51)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1075)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1075)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 59)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 59)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1083)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1083)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 64)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 64)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1088)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1088)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 72)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 72)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1096)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1096)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 80)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 80)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1104)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1104)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 88)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 88)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1112)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1112)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 96)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 96)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1120)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1120)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 104)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 104)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1128)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1128)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 112)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 112)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1136)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1136)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 120)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 120)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1144)] * B_shared[((((int)threadIdx.x) & 31) * 2)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1144)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 64)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 65)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 65)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1089)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1089)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 73)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 73)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1097)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1097)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 81)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 81)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 89)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 89)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 97)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 97)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1129)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1129)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1137)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1137)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1145)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 128)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1145)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 192)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 66)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 66)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1090)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1090)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 74)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 74)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1098)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1098)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 82)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 82)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 90)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 90)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 98)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 98)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1130)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1130)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1138)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1138)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1146)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 256)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1146)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 320)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 67)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 67)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1091)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1091)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 75)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 75)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1099)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1099)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 83)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 83)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 91)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 91)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 99)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 99)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1131)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1131)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1139)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1139)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1147)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 384)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1147)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 448)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 64)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 64)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1088)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1088)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 72)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 72)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1096)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1096)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 80)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 80)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1104)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1104)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 88)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 88)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1112)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1112)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 96)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 96)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1120)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1120)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 104)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 104)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1128)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1128)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 112)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 112)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1136)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1136)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 120)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 120)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1144)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 1)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1144)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 65)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 65)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 65)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1089)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1089)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 73)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 73)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1097)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1097)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 81)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 81)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 89)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 89)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 97)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 97)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 105)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1129)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1129)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 113)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1137)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1137)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 121)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1145)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 129)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1145)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 193)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 66)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 66)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1090)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1090)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 74)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 74)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1098)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1098)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 82)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 82)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 90)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 90)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 98)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 98)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 106)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1130)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1130)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 114)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1138)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1138)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 122)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1146)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 257)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1146)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 321)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 67)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 67)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1091)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1091)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 75)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 75)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1099)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1099)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 83)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 83)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 91)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 91)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 99)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 99)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 107)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1131)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1131)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 115)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1139)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1139)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 123)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1147)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 385)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1147)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 449)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 4)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 4)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1028)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1028)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 12)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 12)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1036)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1036)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 20)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 20)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1044)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1044)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 28)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 28)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1052)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1052)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 36)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 36)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1060)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1060)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 44)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 44)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1068)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1068)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 52)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 52)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1076)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1076)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 60)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 60)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1084)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1084)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 5)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 5)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1029)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1029)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 13)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 13)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1037)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1037)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 21)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 21)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1045)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1045)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 29)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 29)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1053)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1053)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 37)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 37)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1061)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1061)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 45)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 45)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1069)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1069)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 53)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 53)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1077)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1077)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 61)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 61)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1085)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1085)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 6)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 6)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1030)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1030)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 14)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 14)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1038)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1038)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 22)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 22)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1046)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1046)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 30)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 30)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1054)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1054)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 38)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 38)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1062)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1062)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 46)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 46)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1070)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1070)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 54)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 54)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1078)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1078)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 62)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 62)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1086)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1086)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[0] = (C_local[0] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 7)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[32] = (C_local[32] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 7)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[64] = (C_local[64] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1031)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[96] = (C_local[96] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1031)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[2] = (C_local[2] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 15)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[34] = (C_local[34] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 15)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[66] = (C_local[66] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1039)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[98] = (C_local[98] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1039)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[4] = (C_local[4] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 23)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[36] = (C_local[36] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 23)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[68] = (C_local[68] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1047)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[100] = (C_local[100] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1047)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[6] = (C_local[6] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 31)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[38] = (C_local[38] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 31)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[70] = (C_local[70] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1055)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[102] = (C_local[102] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1055)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[8] = (C_local[8] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 39)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[40] = (C_local[40] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 39)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[72] = (C_local[72] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1063)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[104] = (C_local[104] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1063)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[10] = (C_local[10] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 47)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[42] = (C_local[42] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 47)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[74] = (C_local[74] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1071)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[106] = (C_local[106] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1071)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[12] = (C_local[12] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 55)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[44] = (C_local[44] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 55)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[76] = (C_local[76] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1079)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[108] = (C_local[108] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1079)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[14] = (C_local[14] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 63)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[46] = (C_local[46] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 63)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[78] = (C_local[78] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1087)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[110] = (C_local[110] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1087)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 4)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 4)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1028)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1028)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 12)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 12)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1036)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1036)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 20)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 20)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1044)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1044)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 28)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 28)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1052)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1052)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 36)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 36)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1060)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1060)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 44)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 44)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1068)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1068)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 52)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 52)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1076)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1076)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 60)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 60)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1084)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1084)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 5)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 5)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1029)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1029)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 13)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 13)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1037)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1037)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 21)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 21)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1045)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1045)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 29)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 29)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1053)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1053)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 37)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 37)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1061)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1061)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 45)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 45)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1069)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1069)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 53)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 53)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1077)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1077)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 61)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 61)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1085)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1085)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 6)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 6)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1030)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1030)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 14)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 14)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1038)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1038)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 22)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 22)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1046)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1046)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 30)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 30)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1054)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1054)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 38)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 38)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1062)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1062)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 46)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 46)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1070)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1070)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 54)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 54)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1078)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1078)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 62)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 62)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1086)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1086)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[1] = (C_local[1] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 7)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[33] = (C_local[33] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 7)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[65] = (C_local[65] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1031)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[97] = (C_local[97] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1031)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[3] = (C_local[3] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 15)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[35] = (C_local[35] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 15)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[67] = (C_local[67] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1039)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[99] = (C_local[99] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1039)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[5] = (C_local[5] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 23)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[37] = (C_local[37] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 23)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[69] = (C_local[69] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1047)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[101] = (C_local[101] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1047)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[7] = (C_local[7] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 31)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[39] = (C_local[39] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 31)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[71] = (C_local[71] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1055)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[103] = (C_local[103] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1055)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[9] = (C_local[9] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 39)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[41] = (C_local[41] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 39)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[73] = (C_local[73] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1063)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[105] = (C_local[105] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1063)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[11] = (C_local[11] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 47)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[43] = (C_local[43] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 47)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[75] = (C_local[75] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1071)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[107] = (C_local[107] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1071)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[13] = (C_local[13] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 55)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[45] = (C_local[45] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 55)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[77] = (C_local[77] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1079)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[109] = (C_local[109] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1079)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[15] = (C_local[15] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 63)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[47] = (C_local[47] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 63)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[79] = (C_local[79] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1087)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[111] = (C_local[111] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1087)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 68)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 68)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1092)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1092)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 76)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 76)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 84)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 84)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 92)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 92)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1132)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1132)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1140)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1140)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1148)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 512)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1148)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 576)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 69)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 69)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1093)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1093)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 77)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 77)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 85)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 85)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 93)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 93)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1133)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1133)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1141)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1141)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1149)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 640)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1149)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 704)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 70)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 70)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1094)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1094)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 78)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 78)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 86)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 86)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 94)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 94)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1134)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1134)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1142)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1142)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1150)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 768)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1150)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 832)]));
    C_local[16] = (C_local[16] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 71)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[48] = (C_local[48] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 71)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[80] = (C_local[80] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1095)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[112] = (C_local[112] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1095)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[18] = (C_local[18] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 79)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[50] = (C_local[50] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 79)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[82] = (C_local[82] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[114] = (C_local[114] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[20] = (C_local[20] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 87)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[52] = (C_local[52] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 87)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[84] = (C_local[84] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[116] = (C_local[116] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[22] = (C_local[22] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 95)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[54] = (C_local[54] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 95)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[86] = (C_local[86] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[118] = (C_local[118] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[24] = (C_local[24] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[56] = (C_local[56] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[88] = (C_local[88] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[120] = (C_local[120] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[26] = (C_local[26] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[58] = (C_local[58] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[90] = (C_local[90] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1135)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[122] = (C_local[122] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1135)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[28] = (C_local[28] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[60] = (C_local[60] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[92] = (C_local[92] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1143)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[124] = (C_local[124] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1143)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[30] = (C_local[30] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[62] = (C_local[62] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[94] = (C_local[94] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1151)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 896)]));
    C_local[126] = (C_local[126] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1151)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 960)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 68)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 68)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1092)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1092)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 76)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 76)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 84)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 84)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 92)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 92)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 100)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 108)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1132)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1132)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 116)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1140)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1140)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 124)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1148)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 513)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1148)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 577)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 69)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 69)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1093)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1093)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 77)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 77)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 85)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 85)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 93)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 93)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 101)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 109)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1133)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1133)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 117)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1141)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1141)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 125)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1149)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 641)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1149)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 705)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 70)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 70)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1094)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1094)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 78)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 78)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 86)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 86)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 94)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 94)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 102)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 110)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1134)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1134)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 118)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1142)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1142)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 126)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1150)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 769)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1150)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 833)]));
    C_local[17] = (C_local[17] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 71)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[49] = (C_local[49] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 71)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[81] = (C_local[81] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1095)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[113] = (C_local[113] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1095)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[19] = (C_local[19] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 79)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[51] = (C_local[51] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 79)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[83] = (C_local[83] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[115] = (C_local[115] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[21] = (C_local[21] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 87)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[53] = (C_local[53] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 87)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[85] = (C_local[85] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[117] = (C_local[117] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[23] = (C_local[23] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 95)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[55] = (C_local[55] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 95)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[87] = (C_local[87] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[119] = (C_local[119] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[25] = (C_local[25] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[57] = (C_local[57] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 103)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[89] = (C_local[89] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[121] = (C_local[121] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[27] = (C_local[27] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[59] = (C_local[59] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 111)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[91] = (C_local[91] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1135)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[123] = (C_local[123] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1135)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[29] = (C_local[29] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[61] = (C_local[61] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 119)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[93] = (C_local[93] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1143)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[125] = (C_local[125] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1143)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[31] = (C_local[31] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[63] = (C_local[63] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 127)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
    C_local[95] = (C_local[95] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1151)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 897)]));
    C_local[127] = (C_local[127] + (A_shared[(((((int)threadIdx.x) >> 5) * 128) + 1151)] * B_shared[(((((int)threadIdx.x) & 31) * 2) + 961)]));
  }
  C[(((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2))] = C_local[0];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 64)] = C_local[32];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 131072)] = C_local[64];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 131136)] = C_local[96];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 1)] = C_local[1];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 65)] = C_local[33];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 131073)] = C_local[65];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 131137)] = C_local[97];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 1024)] = C_local[2];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 1088)] = C_local[34];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 132096)] = C_local[66];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 132160)] = C_local[98];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 1025)] = C_local[3];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 1089)] = C_local[35];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 132097)] = C_local[67];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 132161)] = C_local[99];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 2048)] = C_local[4];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 2112)] = C_local[36];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 133120)] = C_local[68];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 133184)] = C_local[100];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 2049)] = C_local[5];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 2113)] = C_local[37];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 133121)] = C_local[69];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 133185)] = C_local[101];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 3072)] = C_local[6];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 3136)] = C_local[38];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 134144)] = C_local[70];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 134208)] = C_local[102];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 3073)] = C_local[7];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 3137)] = C_local[39];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 134145)] = C_local[71];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 134209)] = C_local[103];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 4096)] = C_local[8];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 4160)] = C_local[40];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 135168)] = C_local[72];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 135232)] = C_local[104];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 4097)] = C_local[9];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 4161)] = C_local[41];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 135169)] = C_local[73];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 135233)] = C_local[105];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 5120)] = C_local[10];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 5184)] = C_local[42];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 136192)] = C_local[74];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 136256)] = C_local[106];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 5121)] = C_local[11];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 5185)] = C_local[43];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 136193)] = C_local[75];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 136257)] = C_local[107];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 6144)] = C_local[12];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 6208)] = C_local[44];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 137216)] = C_local[76];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 137280)] = C_local[108];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 6145)] = C_local[13];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 6209)] = C_local[45];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 137217)] = C_local[77];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 137281)] = C_local[109];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 7168)] = C_local[14];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 7232)] = C_local[46];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 138240)] = C_local[78];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 138304)] = C_local[110];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 7169)] = C_local[15];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 7233)] = C_local[47];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 138241)] = C_local[79];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 138305)] = C_local[111];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 8192)] = C_local[16];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 8256)] = C_local[48];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 139264)] = C_local[80];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 139328)] = C_local[112];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 8193)] = C_local[17];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 8257)] = C_local[49];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 139265)] = C_local[81];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 139329)] = C_local[113];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 9216)] = C_local[18];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 9280)] = C_local[50];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 140288)] = C_local[82];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 140352)] = C_local[114];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 9217)] = C_local[19];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 9281)] = C_local[51];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 140289)] = C_local[83];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 140353)] = C_local[115];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 10240)] = C_local[20];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 10304)] = C_local[52];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 141312)] = C_local[84];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 141376)] = C_local[116];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 10241)] = C_local[21];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 10305)] = C_local[53];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 141313)] = C_local[85];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 141377)] = C_local[117];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 11264)] = C_local[22];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 11328)] = C_local[54];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 142336)] = C_local[86];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 142400)] = C_local[118];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 11265)] = C_local[23];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 11329)] = C_local[55];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 142337)] = C_local[87];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 142401)] = C_local[119];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 12288)] = C_local[24];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 12352)] = C_local[56];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 143360)] = C_local[88];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 143424)] = C_local[120];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 12289)] = C_local[25];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 12353)] = C_local[57];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 143361)] = C_local[89];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 143425)] = C_local[121];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 13312)] = C_local[26];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 13376)] = C_local[58];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 144384)] = C_local[90];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 144448)] = C_local[122];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 13313)] = C_local[27];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 13377)] = C_local[59];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 144385)] = C_local[91];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 144449)] = C_local[123];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 14336)] = C_local[28];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 14400)] = C_local[60];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 145408)] = C_local[92];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 145472)] = C_local[124];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 14337)] = C_local[29];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 14401)] = C_local[61];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 145409)] = C_local[93];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 145473)] = C_local[125];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 15360)] = C_local[30];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 15424)] = C_local[62];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 146432)] = C_local[94];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 146496)] = C_local[126];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 15361)] = C_local[31];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 15425)] = C_local[63];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 146433)] = C_local[95];
  C[((((((((int)blockIdx.x) >> 3) * 262144) + ((((int)threadIdx.x) >> 5) * 16384)) + ((((int)blockIdx.x) & 7) * 128)) + ((((int)threadIdx.x) & 31) * 2)) + 146497)] = C_local[127];
}