1 // Auto-generated file. Do not edit!
2 // Template: src/f32-sigmoid/avx2-p5.c.in
3 // Generator: tools/xngen
4 //
5 // Copyright 2019 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__avx2_rr1_p5_nr1fma_x72(size_t n,const float * x,float * y,const void * params)20 void xnn_f32_sigmoid_ukernel__avx2_rr1_p5_nr1fma_x72(
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 = _mm256_set1_ps(-0x1.62E43p-1f);
32 const __m256 vc5 = _mm256_set1_ps(0x1.0F9F9Cp-7f);
33 const __m256 vc4 = _mm256_set1_ps(0x1.573A1Ap-5f);
34 const __m256 vc3 = _mm256_set1_ps(0x1.555A80p-3f);
35 const __m256 vc2 = _mm256_set1_ps(0x1.FFFDC6p-2f);
36 const __m256 vc1 = _mm256_set1_ps(0x1.FFFFF6p-1f);
37 const __m256 vone = _mm256_set1_ps(1.0f);
38 const __m256 vdenorm_cutoff = _mm256_set1_ps(-0x1.5D589Ep+6f);
39
40 for (; n >= 72 * sizeof(float); n -= 72 * sizeof(float)) {
41 const __m256 vx0 = _mm256_loadu_ps(x);
42 const __m256 vx1 = _mm256_loadu_ps(x + 8);
43 const __m256 vx2 = _mm256_loadu_ps(x + 16);
44 const __m256 vx3 = _mm256_loadu_ps(x + 24);
45 const __m256 vx4 = _mm256_loadu_ps(x + 32);
46 const __m256 vx5 = _mm256_loadu_ps(x + 40);
47 const __m256 vx6 = _mm256_loadu_ps(x + 48);
48 const __m256 vx7 = _mm256_loadu_ps(x + 56);
49 const __m256 vx8 = _mm256_loadu_ps(x + 64);
50 x += 72;
51
52 const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
53 const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
54 const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
55 const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
56 const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
57 const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
58 const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask);
59 const __m256 vz7 = _mm256_or_ps(vx7, vsign_mask);
60 const __m256 vz8 = _mm256_or_ps(vx8, vsign_mask);
61
62 __m256 vn0 = _mm256_fmadd_ps(vz0, vlog2e, vmagic_bias);
63 __m256 vn1 = _mm256_fmadd_ps(vz1, vlog2e, vmagic_bias);
64 __m256 vn2 = _mm256_fmadd_ps(vz2, vlog2e, vmagic_bias);
65 __m256 vn3 = _mm256_fmadd_ps(vz3, vlog2e, vmagic_bias);
66 __m256 vn4 = _mm256_fmadd_ps(vz4, vlog2e, vmagic_bias);
67 __m256 vn5 = _mm256_fmadd_ps(vz5, vlog2e, vmagic_bias);
68 __m256 vn6 = _mm256_fmadd_ps(vz6, vlog2e, vmagic_bias);
69 __m256 vn7 = _mm256_fmadd_ps(vz7, vlog2e, vmagic_bias);
70 __m256 vn8 = _mm256_fmadd_ps(vz8, vlog2e, vmagic_bias);
71
72 const __m256 vs0 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn0), 23));
73 const __m256 vs1 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn1), 23));
74 const __m256 vs2 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn2), 23));
75 const __m256 vs3 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn3), 23));
76 const __m256 vs4 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn4), 23));
77 const __m256 vs5 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn5), 23));
78 const __m256 vs6 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn6), 23));
79 const __m256 vs7 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn7), 23));
80 const __m256 vs8 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn8), 23));
81
82 vn0 = _mm256_sub_ps(vn0, vmagic_bias);
83 vn1 = _mm256_sub_ps(vn1, vmagic_bias);
84 vn2 = _mm256_sub_ps(vn2, vmagic_bias);
85 vn3 = _mm256_sub_ps(vn3, vmagic_bias);
86 vn4 = _mm256_sub_ps(vn4, vmagic_bias);
87 vn5 = _mm256_sub_ps(vn5, vmagic_bias);
88 vn6 = _mm256_sub_ps(vn6, vmagic_bias);
89 vn7 = _mm256_sub_ps(vn7, vmagic_bias);
90 vn8 = _mm256_sub_ps(vn8, vmagic_bias);
91
92 __m256 vt0 = _mm256_fmadd_ps(vn0, vminus_ln2, vz0);
93 __m256 vt1 = _mm256_fmadd_ps(vn1, vminus_ln2, vz1);
94 __m256 vt2 = _mm256_fmadd_ps(vn2, vminus_ln2, vz2);
95 __m256 vt3 = _mm256_fmadd_ps(vn3, vminus_ln2, vz3);
96 __m256 vt4 = _mm256_fmadd_ps(vn4, vminus_ln2, vz4);
97 __m256 vt5 = _mm256_fmadd_ps(vn5, vminus_ln2, vz5);
98 __m256 vt6 = _mm256_fmadd_ps(vn6, vminus_ln2, vz6);
99 __m256 vt7 = _mm256_fmadd_ps(vn7, vminus_ln2, vz7);
100 __m256 vt8 = _mm256_fmadd_ps(vn8, vminus_ln2, vz8);
101
102 __m256 vp0 = _mm256_fmadd_ps(vc5, vt0, vc4);
103 __m256 vp1 = _mm256_fmadd_ps(vc5, vt1, vc4);
104 __m256 vp2 = _mm256_fmadd_ps(vc5, vt2, vc4);
105 __m256 vp3 = _mm256_fmadd_ps(vc5, vt3, vc4);
106 __m256 vp4 = _mm256_fmadd_ps(vc5, vt4, vc4);
107 __m256 vp5 = _mm256_fmadd_ps(vc5, vt5, vc4);
108 __m256 vp6 = _mm256_fmadd_ps(vc5, vt6, vc4);
109 __m256 vp7 = _mm256_fmadd_ps(vc5, vt7, vc4);
110 __m256 vp8 = _mm256_fmadd_ps(vc5, vt8, vc4);
111
112 vp0 = _mm256_fmadd_ps(vp0, vt0, vc3);
113 vp1 = _mm256_fmadd_ps(vp1, vt1, vc3);
114 vp2 = _mm256_fmadd_ps(vp2, vt2, vc3);
115 vp3 = _mm256_fmadd_ps(vp3, vt3, vc3);
116 vp4 = _mm256_fmadd_ps(vp4, vt4, vc3);
117 vp5 = _mm256_fmadd_ps(vp5, vt5, vc3);
118 vp6 = _mm256_fmadd_ps(vp6, vt6, vc3);
119 vp7 = _mm256_fmadd_ps(vp7, vt7, vc3);
120 vp8 = _mm256_fmadd_ps(vp8, vt8, vc3);
121
122 vp0 = _mm256_fmadd_ps(vp0, vt0, vc2);
123 vp1 = _mm256_fmadd_ps(vp1, vt1, vc2);
124 vp2 = _mm256_fmadd_ps(vp2, vt2, vc2);
125 vp3 = _mm256_fmadd_ps(vp3, vt3, vc2);
126 vp4 = _mm256_fmadd_ps(vp4, vt4, vc2);
127 vp5 = _mm256_fmadd_ps(vp5, vt5, vc2);
128 vp6 = _mm256_fmadd_ps(vp6, vt6, vc2);
129 vp7 = _mm256_fmadd_ps(vp7, vt7, vc2);
130 vp8 = _mm256_fmadd_ps(vp8, vt8, vc2);
131
132 vp0 = _mm256_fmadd_ps(vp0, vt0, vc1);
133 vp1 = _mm256_fmadd_ps(vp1, vt1, vc1);
134 vp2 = _mm256_fmadd_ps(vp2, vt2, vc1);
135 vp3 = _mm256_fmadd_ps(vp3, vt3, vc1);
136 vp4 = _mm256_fmadd_ps(vp4, vt4, vc1);
137 vp5 = _mm256_fmadd_ps(vp5, vt5, vc1);
138 vp6 = _mm256_fmadd_ps(vp6, vt6, vc1);
139 vp7 = _mm256_fmadd_ps(vp7, vt7, vc1);
140 vp8 = _mm256_fmadd_ps(vp8, vt8, vc1);
141
142 vt0 = _mm256_mul_ps(vt0, vs0);
143 vt1 = _mm256_mul_ps(vt1, vs1);
144 vt2 = _mm256_mul_ps(vt2, vs2);
145 vt3 = _mm256_mul_ps(vt3, vs3);
146 vt4 = _mm256_mul_ps(vt4, vs4);
147 vt5 = _mm256_mul_ps(vt5, vs5);
148 vt6 = _mm256_mul_ps(vt6, vs6);
149 vt7 = _mm256_mul_ps(vt7, vs7);
150 vt8 = _mm256_mul_ps(vt8, vs8);
151
152 const __m256 ve0 = _mm256_fmadd_ps(vt0, vp0, vs0);
153 const __m256 ve1 = _mm256_fmadd_ps(vt1, vp1, vs1);
154 const __m256 ve2 = _mm256_fmadd_ps(vt2, vp2, vs2);
155 const __m256 ve3 = _mm256_fmadd_ps(vt3, vp3, vs3);
156 const __m256 ve4 = _mm256_fmadd_ps(vt4, vp4, vs4);
157 const __m256 ve5 = _mm256_fmadd_ps(vt5, vp5, vs5);
158 const __m256 ve6 = _mm256_fmadd_ps(vt6, vp6, vs6);
159 const __m256 ve7 = _mm256_fmadd_ps(vt7, vp7, vs7);
160 const __m256 ve8 = _mm256_fmadd_ps(vt8, vp8, vs8);
161
162 const __m256 vd0 = _mm256_add_ps(ve0, vone);
163 const __m256 vd1 = _mm256_add_ps(ve1, vone);
164 const __m256 vd2 = _mm256_add_ps(ve2, vone);
165 const __m256 vd3 = _mm256_add_ps(ve3, vone);
166 const __m256 vd4 = _mm256_add_ps(ve4, vone);
167 const __m256 vd5 = _mm256_add_ps(ve5, vone);
168 const __m256 vd6 = _mm256_add_ps(ve6, vone);
169 const __m256 vd7 = _mm256_add_ps(ve7, vone);
170 const __m256 vd8 = _mm256_add_ps(ve8, vone);
171
172 __m256 vr0 = _mm256_rcp_ps(vd0);
173 __m256 vr1 = _mm256_rcp_ps(vd1);
174 __m256 vr2 = _mm256_rcp_ps(vd2);
175 __m256 vr3 = _mm256_rcp_ps(vd3);
176 __m256 vr4 = _mm256_rcp_ps(vd4);
177 __m256 vr5 = _mm256_rcp_ps(vd5);
178 __m256 vr6 = _mm256_rcp_ps(vd6);
179 __m256 vr7 = _mm256_rcp_ps(vd7);
180 __m256 vr8 = _mm256_rcp_ps(vd8);
181
182 vr0 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr0, vd0, vone), vr0, vr0);
183 vr1 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr1, vd1, vone), vr1, vr1);
184 vr2 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr2, vd2, vone), vr2, vr2);
185 vr3 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr3, vd3, vone), vr3, vr3);
186 vr4 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr4, vd4, vone), vr4, vr4);
187 vr5 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr5, vd5, vone), vr5, vr5);
188 vr6 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr6, vd6, vone), vr6, vr6);
189 vr7 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr7, vd7, vone), vr7, vr7);
190 vr8 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr8, vd8, vone), vr8, vr8);
191
192
193 __m256 vf0 = _mm256_mul_ps(ve0, vr0);
194 __m256 vf1 = _mm256_mul_ps(ve1, vr1);
195 __m256 vf2 = _mm256_mul_ps(ve2, vr2);
196 __m256 vf3 = _mm256_mul_ps(ve3, vr3);
197 __m256 vf4 = _mm256_mul_ps(ve4, vr4);
198 __m256 vf5 = _mm256_mul_ps(ve5, vr5);
199 __m256 vf6 = _mm256_mul_ps(ve6, vr6);
200 __m256 vf7 = _mm256_mul_ps(ve7, vr7);
201 __m256 vf8 = _mm256_mul_ps(ve8, vr8);
202
203 vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
204 vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
205 vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
206 vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
207 vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
208 vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
209 vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
210 vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
211 vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8);
212
213 vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
214 vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
215 vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
216 vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
217 vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
218 vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
219 vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
220 vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
221 vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8);
222
223 _mm256_storeu_ps(y, vf0);
224 _mm256_storeu_ps(y + 8, vf1);
225 _mm256_storeu_ps(y + 16, vf2);
226 _mm256_storeu_ps(y + 24, vf3);
227 _mm256_storeu_ps(y + 32, vf4);
228 _mm256_storeu_ps(y + 40, vf5);
229 _mm256_storeu_ps(y + 48, vf6);
230 _mm256_storeu_ps(y + 56, vf7);
231 _mm256_storeu_ps(y + 64, vf8);
232 y += 72;
233 }
234 for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
235 const __m256 vx = _mm256_loadu_ps(x);
236 x += 8;
237
238 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
239
240 __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
241 const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
242 vn = _mm256_sub_ps(vn, vmagic_bias);
243
244 __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
245
246 __m256 vp = _mm256_fmadd_ps(vc5, vt, vc4);
247 vp = _mm256_fmadd_ps(vp, vt, vc3);
248 vp = _mm256_fmadd_ps(vp, vt, vc2);
249 vp = _mm256_fmadd_ps(vp, vt, vc1);
250
251 vt = _mm256_mul_ps(vt, vs);
252 const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
253
254 const __m256 vd = _mm256_add_ps(ve, vone);
255 __m256 vr = _mm256_rcp_ps(vd);
256 vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
257 __m256 vf = _mm256_mul_ps(ve, vr);
258
259 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
260 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
261
262 _mm256_storeu_ps(y, vf);
263 y += 8;
264 }
265 if XNN_UNLIKELY(n != 0) {
266 assert(n >= 1 * sizeof(float));
267 assert(n <= 7 * sizeof(float));
268 __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &mask_table[7] - n));
269
270 const __m256 vx = _mm256_maskload_ps(x, vmask);
271
272 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
273
274 __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
275 const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
276 vn = _mm256_sub_ps(vn, vmagic_bias);
277
278 __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
279
280 __m256 vp = _mm256_fmadd_ps(vc5, vt, vc4);
281 vp = _mm256_fmadd_ps(vp, vt, vc3);
282 vp = _mm256_fmadd_ps(vp, vt, vc2);
283 vp = _mm256_fmadd_ps(vp, vt, vc1);
284
285 vt = _mm256_mul_ps(vt, vs);
286 const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
287
288 const __m256 vd = _mm256_add_ps(ve, vone);
289 __m256 vr = _mm256_rcp_ps(vd);
290 vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
291 __m256 vf = _mm256_mul_ps(ve, vr);
292
293 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
294 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
295
296 // _mm256_maskstore_ps(y, vmask, vf) could be used here, but triggers msan failures (probably an msan bug).
297 __m128 vf_lo = _mm256_castps256_ps128(vf);
298 if (n & (4 * sizeof(float))) {
299 _mm_storeu_ps(y, vf_lo);
300 vf_lo = _mm256_extractf128_ps(vf, 1);
301 y += 4;
302 }
303 if (n & (2 * sizeof(float))) {
304 _mm_storel_pi((__m64*) y, vf_lo);
305 vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
306 y += 2;
307 }
308 if (n & (1 * sizeof(float))) {
309 _mm_store_ss(y, vf_lo);
310 }
311 }
312 }
313