1 // Auto-generated file. Do not edit!
2 // Template: src/f32-sigmoid/avx-p5.c.in
3 // Generator: tools/xngen
4 //
5 // Copyright 2020 Google LLC
6 //
7 // This source code is licensed under the BSD-style license found in the
8 // LICENSE file in the root directory of this source tree.
9
10 #include <assert.h>
11
12 #include <immintrin.h>
13
14 #include <xnnpack/common.h>
15 #include <xnnpack/vunary.h>
16
17
18 static const int32_t mask_table[14] = {-1, -1, -1, -1, -1, -1, -1, 0, 0, 0, 0, 0, 0, 0};
19
xnn_f32_sigmoid_ukernel__avx_rr2_p5_div_x56(size_t n,const float * x,float * y,const void * params)20 void xnn_f32_sigmoid_ukernel__avx_rr2_p5_div_x56(
21 size_t n,
22 const float* x,
23 float* y,
24 const void* params)
25 {
26 assert(n % sizeof(float) == 0);
27
28 const __m256 vsign_mask = _mm256_set1_ps(-0.0f);
29 const __m256 vmagic_bias = _mm256_set1_ps(0x1.8000FEp23f);
30 const __m256 vlog2e = _mm256_set1_ps(0x1.715476p0f);
31 const __m256 vminus_ln2_hi = _mm256_set1_ps(-0x1.62E43p-1f);
32 const __m256 vminus_ln2_lo = _mm256_set1_ps(0x1.05C61p-29f);
33 const __m256 vc5 = _mm256_set1_ps(0x1.0F9F9Cp-7f);
34 const __m256 vc4 = _mm256_set1_ps(0x1.573A1Ap-5f);
35 const __m256 vc3 = _mm256_set1_ps(0x1.555A80p-3f);
36 const __m256 vc2 = _mm256_set1_ps(0x1.FFFDC6p-2f);
37 const __m256 vc1 = _mm256_set1_ps(0x1.FFFFF6p-1f);
38 const __m256 vone = _mm256_set1_ps(1.0f);
39 const __m256 vdenorm_cutoff = _mm256_set1_ps(-0x1.5D589Ep+6f);
40
41 for (; n >= 56 * sizeof(float); n -= 56 * sizeof(float)) {
42 const __m256 vx0 = _mm256_loadu_ps(x);
43 const __m256 vx1 = _mm256_loadu_ps(x + 8);
44 const __m256 vx2 = _mm256_loadu_ps(x + 16);
45 const __m256 vx3 = _mm256_loadu_ps(x + 24);
46 const __m256 vx4 = _mm256_loadu_ps(x + 32);
47 const __m256 vx5 = _mm256_loadu_ps(x + 40);
48 const __m256 vx6 = _mm256_loadu_ps(x + 48);
49 x += 56;
50
51 const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
52 const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
53 const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
54 const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
55 const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
56 const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
57 const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask);
58
59 __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias);
60 __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias);
61 __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias);
62 __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias);
63 __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias);
64 __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias);
65 __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias);
66
67 const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
68 const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
69 const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
70 const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
71 const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
72 const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
73 const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
74 const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
75 const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
76 const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
77 const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
78 const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
79 const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
80 const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
81 const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
82 const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
83 const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
84 const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
85 const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
86 const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
87 const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
88
89 vn0 = _mm256_sub_ps(vn0, vmagic_bias);
90 vn1 = _mm256_sub_ps(vn1, vmagic_bias);
91 vn2 = _mm256_sub_ps(vn2, vmagic_bias);
92 vn3 = _mm256_sub_ps(vn3, vmagic_bias);
93 vn4 = _mm256_sub_ps(vn4, vmagic_bias);
94 vn5 = _mm256_sub_ps(vn5, vmagic_bias);
95 vn6 = _mm256_sub_ps(vn6, vmagic_bias);
96
97 __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
98 __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
99 __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
100 __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
101 __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
102 __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
103 __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
104
105 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
106 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
107 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
108 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
109 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
110 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
111 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
112
113 __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
114 __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
115 __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
116 __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
117 __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
118 __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
119 __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
120
121 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
122 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
123 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
124 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
125 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
126 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
127 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
128
129 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
130 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
131 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
132 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
133 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
134 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
135 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
136
137 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
138 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
139 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
140 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
141 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
142 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
143 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
144
145 vt0 = _mm256_mul_ps(vt0, vs0);
146 vt1 = _mm256_mul_ps(vt1, vs1);
147 vt2 = _mm256_mul_ps(vt2, vs2);
148 vt3 = _mm256_mul_ps(vt3, vs3);
149 vt4 = _mm256_mul_ps(vt4, vs4);
150 vt5 = _mm256_mul_ps(vt5, vs5);
151 vt6 = _mm256_mul_ps(vt6, vs6);
152
153 const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
154 const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
155 const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
156 const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
157 const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
158 const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
159 const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
160
161 const __m256 vd0 = _mm256_add_ps(ve0, vone);
162 const __m256 vd1 = _mm256_add_ps(ve1, vone);
163 const __m256 vd2 = _mm256_add_ps(ve2, vone);
164 const __m256 vd3 = _mm256_add_ps(ve3, vone);
165 const __m256 vd4 = _mm256_add_ps(ve4, vone);
166 const __m256 vd5 = _mm256_add_ps(ve5, vone);
167 const __m256 vd6 = _mm256_add_ps(ve6, vone);
168
169 __m256 vf0 = _mm256_div_ps(ve0, vd0);
170 __m256 vf1 = _mm256_div_ps(ve1, vd1);
171 __m256 vf2 = _mm256_div_ps(ve2, vd2);
172 __m256 vf3 = _mm256_div_ps(ve3, vd3);
173 __m256 vf4 = _mm256_div_ps(ve4, vd4);
174 __m256 vf5 = _mm256_div_ps(ve5, vd5);
175 __m256 vf6 = _mm256_div_ps(ve6, vd6);
176
177 vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
178 vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
179 vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
180 vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
181 vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
182 vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
183 vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
184
185 vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
186 vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
187 vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
188 vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
189 vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
190 vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
191 vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
192
193 _mm256_storeu_ps(y, vf0);
194 _mm256_storeu_ps(y + 8, vf1);
195 _mm256_storeu_ps(y + 16, vf2);
196 _mm256_storeu_ps(y + 24, vf3);
197 _mm256_storeu_ps(y + 32, vf4);
198 _mm256_storeu_ps(y + 40, vf5);
199 _mm256_storeu_ps(y + 48, vf6);
200 y += 56;
201 }
202 for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
203 const __m256 vx = _mm256_loadu_ps(x);
204 x += 8;
205
206 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
207
208 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
209
210 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
211 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
212 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
213
214 vn = _mm256_sub_ps(vn, vmagic_bias);
215
216 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
217 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
218
219 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
220 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
221 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
222 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
223
224 vt = _mm256_mul_ps(vt, vs);
225 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
226
227 const __m256 vd = _mm256_add_ps(ve, vone);
228 __m256 vf = _mm256_div_ps(ve, vd);
229
230 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
231 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
232
233 _mm256_storeu_ps(y, vf);
234 y += 8;
235 }
236 if XNN_UNLIKELY(n != 0) {
237 assert(n >= 1 * sizeof(float));
238 assert(n <= 7 * sizeof(float));
239 __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &mask_table[7] - n));
240
241 const __m256 vx = _mm256_maskload_ps(x, vmask);
242
243 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
244
245 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
246 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
247 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
248 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
249
250 vn = _mm256_sub_ps(vn, vmagic_bias);
251
252 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
253 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
254
255 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
256 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
257 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
258 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
259
260 vt = _mm256_mul_ps(vt, vs);
261 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
262
263 const __m256 vd = _mm256_add_ps(ve, vone);
264 __m256 vf = _mm256_div_ps(ve, vd);
265
266 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
267 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
268
269 // _mm256_maskstore_ps(y, vmask, vf) could be used here, but triggers msan failures (probably an msan bug).
270 __m128 vf_lo = _mm256_castps256_ps128(vf);
271 if (n & (4 * sizeof(float))) {
272 _mm_storeu_ps(y, vf_lo);
273 vf_lo = _mm256_extractf128_ps(vf, 1);
274 y += 4;
275 }
276 if (n & (2 * sizeof(float))) {
277 _mm_storel_pi((__m64*) y, vf_lo);
278 vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
279 y += 2;
280 }
281 if (n & (1 * sizeof(float))) {
282 _mm_store_ss(y, vf_lo);
283 }
284 }
285 }
286