Compiled to avx2

gistfile1.txt

        .text
        .file   "LLVMDialectModule"
        .globl  transpose_2d_on_tensors         # -- Begin function transpose_2d_on_tensors
        .p2align        4, 0x90
        .type   transpose_2d_on_tensors,@function
transpose_2d_on_tensors:                # @transpose_2d_on_tensors
# %bb.0:
        movq    24(%rsp), %rax
        vmovups (%rsi), %ymm0
        vmovups 32(%rsi), %ymm1
        vmovups 64(%rsi), %ymm2
        vmovups 96(%rsi), %ymm3
        vmovups 128(%rsi), %ymm4
        vmovups 160(%rsi), %ymm5
        vmovups 192(%rsi), %ymm6
        vmovups 224(%rsi), %ymm7
        vunpcklps       %ymm1, %ymm0, %ymm8     # ymm8 = ymm0[0],ymm1[0],ymm0[1],ymm1[1],ymm0[4],ymm1[4],ymm0[5],ymm1[5]
        vunpckhps       %ymm1, %ymm0, %ymm0     # ymm0 = ymm0[2],ymm1[2],ymm0[3],ymm1[3],ymm0[6],ymm1[6],ymm0[7],ymm1[7]
        vunpcklps       %ymm3, %ymm2, %ymm1     # ymm1 = ymm2[0],ymm3[0],ymm2[1],ymm3[1],ymm2[4],ymm3[4],ymm2[5],ymm3[5]
        vunpckhps       %ymm3, %ymm2, %ymm2     # ymm2 = ymm2[2],ymm3[2],ymm2[3],ymm3[3],ymm2[6],ymm3[6],ymm2[7],ymm3[7]
        vunpcklps       %ymm5, %ymm4, %ymm3     # ymm3 = ymm4[0],ymm5[0],ymm4[1],ymm5[1],ymm4[4],ymm5[4],ymm4[5],ymm5[5]
        vunpckhps       %ymm5, %ymm4, %ymm4     # ymm4 = ymm4[2],ymm5[2],ymm4[3],ymm5[3],ymm4[6],ymm5[6],ymm4[7],ymm5[7]
        vunpcklps       %ymm7, %ymm6, %ymm5     # ymm5 = ymm6[0],ymm7[0],ymm6[1],ymm7[1],ymm6[4],ymm7[4],ymm6[5],ymm7[5]
        vunpckhps       %ymm7, %ymm6, %ymm6     # ymm6 = ymm6[2],ymm7[2],ymm6[3],ymm7[3],ymm6[6],ymm7[6],ymm6[7],ymm7[7]
        vunpcklpd       %ymm1, %ymm8, %ymm7     # ymm7 = ymm8[0],ymm1[0],ymm8[2],ymm1[2]
        vunpckhpd       %ymm1, %ymm8, %ymm1     # ymm1 = ymm8[1],ymm1[1],ymm8[3],ymm1[3]
        vunpcklpd       %ymm2, %ymm0, %ymm8     # ymm8 = ymm0[0],ymm2[0],ymm0[2],ymm2[2]
        vunpckhpd       %ymm2, %ymm0, %ymm0     # ymm0 = ymm0[1],ymm2[1],ymm0[3],ymm2[3]
        vunpcklpd       %ymm5, %ymm3, %ymm2     # ymm2 = ymm3[0],ymm5[0],ymm3[2],ymm5[2]
        vunpckhpd       %ymm5, %ymm3, %ymm3     # ymm3 = ymm3[1],ymm5[1],ymm3[3],ymm5[3]
        vunpcklpd       %ymm6, %ymm4, %ymm5     # ymm5 = ymm4[0],ymm6[0],ymm4[2],ymm6[2]
        vunpckhpd       %ymm6, %ymm4, %ymm4     # ymm4 = ymm4[1],ymm6[1],ymm4[3],ymm6[3]
        vinsertf128     $1, %xmm2, %ymm7, %ymm6
        vinsertf128     $1, %xmm3, %ymm1, %ymm9
        vinsertf128     $1, %xmm5, %ymm8, %ymm10
        vinsertf128     $1, %xmm4, %ymm0, %ymm11
        vperm2f128      $49, %ymm2, %ymm7, %ymm2 # ymm2 = ymm7[2,3],ymm2[2,3]
        vperm2f128      $49, %ymm3, %ymm1, %ymm1 # ymm1 = ymm1[2,3],ymm3[2,3]
        vperm2f128      $49, %ymm5, %ymm8, %ymm3 # ymm3 = ymm8[2,3],ymm5[2,3]
        vperm2f128      $49, %ymm4, %ymm0, %ymm0 # ymm0 = ymm0[2,3],ymm4[2,3]
        vmovups %ymm6, (%rax)
        vmovups %ymm9, 32(%rax)
        vmovups %ymm10, 64(%rax)
        vmovups %ymm11, 96(%rax)
        vmovups %ymm2, 128(%rax)
        vmovups %ymm1, 160(%rax)
        vmovups %ymm3, 192(%rax)
        vmovups %ymm0, 224(%rax)
        vzeroupper
        retq
.Lfunc_end0:
        .size   transpose_2d_on_tensors, .Lfunc_end0-transpose_2d_on_tensors
                                        # -- End function
        .section        ".note.GNU-stack","",@progbits