• Home
  • Line#
  • Scopes#
  • Navigate#
  • Raw
  • Download
1 // Auto-generated file. Do not edit!
2 //   Template: src/f32-velu/avx2-rr1-lut8-p4-perm.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 
xnn_f32_velu_ukernel__avx2_rr1_lut8_p4_perm_x72(size_t n,const float * x,float * y,const union xnn_f32_elu_params params[restrict XNN_MIN_ELEMENTS (1)])18 void xnn_f32_velu_ukernel__avx2_rr1_lut8_p4_perm_x72(
19     size_t n,
20     const float* x,
21     float* y,
22     const union xnn_f32_elu_params params[restrict XNN_MIN_ELEMENTS(1)])
23 {
24   assert(n % sizeof(float) == 0);
25 
26   const __m256 vprescale = _mm256_load_ps(params->avx2_rr1_lut8_p4.prescale);
27   const __m256 valpha = _mm256_load_ps(params->avx2_rr1_lut8_p4.alpha);
28   const __m256 vbeta = _mm256_load_ps(params->avx2_rr1_lut8_p4.beta);
29   const __m256 vsat_cutoff = _mm256_load_ps(params->avx2_rr1_lut8_p4.sat_cutoff);
30   const __m256 vmagic_bias = _mm256_load_ps(params->avx2_rr1_lut8_p4.magic_bias);
31   const __m256 vlog2e = _mm256_load_ps(params->avx2_rr1_lut8_p4.log2e);
32   const __m256i vtable = _mm256_load_si256((const __m256i*) params->avx2_rr1_lut8_p4.table);
33   const __m256 vminus_ln2 = _mm256_load_ps(params->avx2_rr1_lut8_p4.minus_ln2);
34   const __m256 vc4 = _mm256_load_ps(params->avx2_rr1_lut8_p4.c4);
35   const __m256 vc3 = _mm256_load_ps(params->avx2_rr1_lut8_p4.c3);
36   const __m256 vc2 = _mm256_load_ps(params->avx2_rr1_lut8_p4.c2);
37 
38   for (; n >= 72 * sizeof(float); n -= 72 * sizeof(float)) {
39     __m256 vx0 = _mm256_loadu_ps(x);
40     __m256 vx1 = _mm256_loadu_ps(x + 8);
41     __m256 vx2 = _mm256_loadu_ps(x + 16);
42     __m256 vx3 = _mm256_loadu_ps(x + 24);
43     __m256 vx4 = _mm256_loadu_ps(x + 32);
44     __m256 vx5 = _mm256_loadu_ps(x + 40);
45     __m256 vx6 = _mm256_loadu_ps(x + 48);
46     __m256 vx7 = _mm256_loadu_ps(x + 56);
47     __m256 vx8 = _mm256_loadu_ps(x + 64);
48     x += 72;
49 
50     const __m256 vz0 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx0, vprescale));
51     const __m256 vz1 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx1, vprescale));
52     const __m256 vz2 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx2, vprescale));
53     const __m256 vz3 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx3, vprescale));
54     const __m256 vz4 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx4, vprescale));
55     const __m256 vz5 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx5, vprescale));
56     const __m256 vz6 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx6, vprescale));
57     const __m256 vz7 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx7, vprescale));
58     const __m256 vz8 = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx8, vprescale));
59 
60     __m256 vn0 = _mm256_fmadd_ps(vz0, vlog2e, vmagic_bias);
61     __m256 vn1 = _mm256_fmadd_ps(vz1, vlog2e, vmagic_bias);
62     __m256 vn2 = _mm256_fmadd_ps(vz2, vlog2e, vmagic_bias);
63     __m256 vn3 = _mm256_fmadd_ps(vz3, vlog2e, vmagic_bias);
64     __m256 vn4 = _mm256_fmadd_ps(vz4, vlog2e, vmagic_bias);
65     __m256 vn5 = _mm256_fmadd_ps(vz5, vlog2e, vmagic_bias);
66     __m256 vn6 = _mm256_fmadd_ps(vz6, vlog2e, vmagic_bias);
67     __m256 vn7 = _mm256_fmadd_ps(vz7, vlog2e, vmagic_bias);
68     __m256 vn8 = _mm256_fmadd_ps(vz8, vlog2e, vmagic_bias);
69 
70     const __m256i ven0 = _mm256_slli_epi32(_mm256_castps_si256(vn0), 20);
71     const __m256i vl0 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn0));
72     vn0 = _mm256_sub_ps(vn0, vmagic_bias);
73     const __m256i ven1 = _mm256_slli_epi32(_mm256_castps_si256(vn1), 20);
74     const __m256i vl1 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn1));
75     vn1 = _mm256_sub_ps(vn1, vmagic_bias);
76     const __m256i ven2 = _mm256_slli_epi32(_mm256_castps_si256(vn2), 20);
77     const __m256i vl2 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn2));
78     vn2 = _mm256_sub_ps(vn2, vmagic_bias);
79     const __m256i ven3 = _mm256_slli_epi32(_mm256_castps_si256(vn3), 20);
80     const __m256i vl3 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn3));
81     vn3 = _mm256_sub_ps(vn3, vmagic_bias);
82     const __m256i ven4 = _mm256_slli_epi32(_mm256_castps_si256(vn4), 20);
83     const __m256i vl4 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn4));
84     vn4 = _mm256_sub_ps(vn4, vmagic_bias);
85     const __m256i ven5 = _mm256_slli_epi32(_mm256_castps_si256(vn5), 20);
86     const __m256i vl5 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn5));
87     vn5 = _mm256_sub_ps(vn5, vmagic_bias);
88     const __m256i ven6 = _mm256_slli_epi32(_mm256_castps_si256(vn6), 20);
89     const __m256i vl6 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn6));
90     vn6 = _mm256_sub_ps(vn6, vmagic_bias);
91     const __m256i ven7 = _mm256_slli_epi32(_mm256_castps_si256(vn7), 20);
92     const __m256i vl7 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn7));
93     vn7 = _mm256_sub_ps(vn7, vmagic_bias);
94     const __m256i ven8 = _mm256_slli_epi32(_mm256_castps_si256(vn8), 20);
95     const __m256i vl8 = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn8));
96     vn8 = _mm256_sub_ps(vn8, vmagic_bias);
97 
98     __m256 vs0 = _mm256_castsi256_ps(_mm256_add_epi32(vl0, ven0));
99     __m256 vt0 = _mm256_fmadd_ps(vn0, vminus_ln2, vz0);
100     __m256 vs1 = _mm256_castsi256_ps(_mm256_add_epi32(vl1, ven1));
101     __m256 vt1 = _mm256_fmadd_ps(vn1, vminus_ln2, vz1);
102     __m256 vs2 = _mm256_castsi256_ps(_mm256_add_epi32(vl2, ven2));
103     __m256 vt2 = _mm256_fmadd_ps(vn2, vminus_ln2, vz2);
104     __m256 vs3 = _mm256_castsi256_ps(_mm256_add_epi32(vl3, ven3));
105     __m256 vt3 = _mm256_fmadd_ps(vn3, vminus_ln2, vz3);
106     __m256 vs4 = _mm256_castsi256_ps(_mm256_add_epi32(vl4, ven4));
107     __m256 vt4 = _mm256_fmadd_ps(vn4, vminus_ln2, vz4);
108     __m256 vs5 = _mm256_castsi256_ps(_mm256_add_epi32(vl5, ven5));
109     __m256 vt5 = _mm256_fmadd_ps(vn5, vminus_ln2, vz5);
110     __m256 vs6 = _mm256_castsi256_ps(_mm256_add_epi32(vl6, ven6));
111     __m256 vt6 = _mm256_fmadd_ps(vn6, vminus_ln2, vz6);
112     __m256 vs7 = _mm256_castsi256_ps(_mm256_add_epi32(vl7, ven7));
113     __m256 vt7 = _mm256_fmadd_ps(vn7, vminus_ln2, vz7);
114     __m256 vs8 = _mm256_castsi256_ps(_mm256_add_epi32(vl8, ven8));
115     __m256 vt8 = _mm256_fmadd_ps(vn8, vminus_ln2, vz8);
116 
117     __m256 vp0 = _mm256_fmadd_ps(vc4, vt0, vc3);
118     __m256 vp1 = _mm256_fmadd_ps(vc4, vt1, vc3);
119     __m256 vp2 = _mm256_fmadd_ps(vc4, vt2, vc3);
120     __m256 vp3 = _mm256_fmadd_ps(vc4, vt3, vc3);
121     __m256 vp4 = _mm256_fmadd_ps(vc4, vt4, vc3);
122     __m256 vp5 = _mm256_fmadd_ps(vc4, vt5, vc3);
123     __m256 vp6 = _mm256_fmadd_ps(vc4, vt6, vc3);
124     __m256 vp7 = _mm256_fmadd_ps(vc4, vt7, vc3);
125     __m256 vp8 = _mm256_fmadd_ps(vc4, vt8, vc3);
126 
127     vp0 = _mm256_fmadd_ps(vp0, vt0, vc2);
128     vp1 = _mm256_fmadd_ps(vp1, vt1, vc2);
129     vp2 = _mm256_fmadd_ps(vp2, vt2, vc2);
130     vp3 = _mm256_fmadd_ps(vp3, vt3, vc2);
131     vp4 = _mm256_fmadd_ps(vp4, vt4, vc2);
132     vp5 = _mm256_fmadd_ps(vp5, vt5, vc2);
133     vp6 = _mm256_fmadd_ps(vp6, vt6, vc2);
134     vp7 = _mm256_fmadd_ps(vp7, vt7, vc2);
135     vp8 = _mm256_fmadd_ps(vp8, vt8, vc2);
136 
137     vp0 = _mm256_mul_ps(vp0, vt0);
138     vt0 = _mm256_mul_ps(vt0, vs0);
139     vp1 = _mm256_mul_ps(vp1, vt1);
140     vt1 = _mm256_mul_ps(vt1, vs1);
141     vp2 = _mm256_mul_ps(vp2, vt2);
142     vt2 = _mm256_mul_ps(vt2, vs2);
143     vp3 = _mm256_mul_ps(vp3, vt3);
144     vt3 = _mm256_mul_ps(vt3, vs3);
145     vp4 = _mm256_mul_ps(vp4, vt4);
146     vt4 = _mm256_mul_ps(vt4, vs4);
147     vp5 = _mm256_mul_ps(vp5, vt5);
148     vt5 = _mm256_mul_ps(vt5, vs5);
149     vp6 = _mm256_mul_ps(vp6, vt6);
150     vt6 = _mm256_mul_ps(vt6, vs6);
151     vp7 = _mm256_mul_ps(vp7, vt7);
152     vt7 = _mm256_mul_ps(vt7, vs7);
153     vp8 = _mm256_mul_ps(vp8, vt8);
154     vt8 = _mm256_mul_ps(vt8, vs8);
155 
156     vs0 = _mm256_fmsub_ps(vs0, valpha, valpha);
157     vp0 = _mm256_fmadd_ps(vp0, vt0, vt0);
158     vs1 = _mm256_fmsub_ps(vs1, valpha, valpha);
159     vp1 = _mm256_fmadd_ps(vp1, vt1, vt1);
160     vs2 = _mm256_fmsub_ps(vs2, valpha, valpha);
161     vp2 = _mm256_fmadd_ps(vp2, vt2, vt2);
162     vs3 = _mm256_fmsub_ps(vs3, valpha, valpha);
163     vp3 = _mm256_fmadd_ps(vp3, vt3, vt3);
164     vs4 = _mm256_fmsub_ps(vs4, valpha, valpha);
165     vp4 = _mm256_fmadd_ps(vp4, vt4, vt4);
166     vs5 = _mm256_fmsub_ps(vs5, valpha, valpha);
167     vp5 = _mm256_fmadd_ps(vp5, vt5, vt5);
168     vs6 = _mm256_fmsub_ps(vs6, valpha, valpha);
169     vp6 = _mm256_fmadd_ps(vp6, vt6, vt6);
170     vs7 = _mm256_fmsub_ps(vs7, valpha, valpha);
171     vp7 = _mm256_fmadd_ps(vp7, vt7, vt7);
172     vs8 = _mm256_fmsub_ps(vs8, valpha, valpha);
173     vp8 = _mm256_fmadd_ps(vp8, vt8, vt8);
174 
175     const __m256 ve0 = _mm256_fmadd_ps(vp0, valpha, vs0);
176     vx0 = _mm256_mul_ps(vx0, vbeta);
177     const __m256 ve1 = _mm256_fmadd_ps(vp1, valpha, vs1);
178     vx1 = _mm256_mul_ps(vx1, vbeta);
179     const __m256 ve2 = _mm256_fmadd_ps(vp2, valpha, vs2);
180     vx2 = _mm256_mul_ps(vx2, vbeta);
181     const __m256 ve3 = _mm256_fmadd_ps(vp3, valpha, vs3);
182     vx3 = _mm256_mul_ps(vx3, vbeta);
183     const __m256 ve4 = _mm256_fmadd_ps(vp4, valpha, vs4);
184     vx4 = _mm256_mul_ps(vx4, vbeta);
185     const __m256 ve5 = _mm256_fmadd_ps(vp5, valpha, vs5);
186     vx5 = _mm256_mul_ps(vx5, vbeta);
187     const __m256 ve6 = _mm256_fmadd_ps(vp6, valpha, vs6);
188     vx6 = _mm256_mul_ps(vx6, vbeta);
189     const __m256 ve7 = _mm256_fmadd_ps(vp7, valpha, vs7);
190     vx7 = _mm256_mul_ps(vx7, vbeta);
191     const __m256 ve8 = _mm256_fmadd_ps(vp8, valpha, vs8);
192     vx8 = _mm256_mul_ps(vx8, vbeta);
193 
194     const __m256 vy0 = _mm256_blendv_ps(vx0, ve0, vx0);
195     const __m256 vy1 = _mm256_blendv_ps(vx1, ve1, vx1);
196     const __m256 vy2 = _mm256_blendv_ps(vx2, ve2, vx2);
197     const __m256 vy3 = _mm256_blendv_ps(vx3, ve3, vx3);
198     const __m256 vy4 = _mm256_blendv_ps(vx4, ve4, vx4);
199     const __m256 vy5 = _mm256_blendv_ps(vx5, ve5, vx5);
200     const __m256 vy6 = _mm256_blendv_ps(vx6, ve6, vx6);
201     const __m256 vy7 = _mm256_blendv_ps(vx7, ve7, vx7);
202     const __m256 vy8 = _mm256_blendv_ps(vx8, ve8, vx8);
203 
204     _mm256_storeu_ps(y, vy0);
205     _mm256_storeu_ps(y + 8, vy1);
206     _mm256_storeu_ps(y + 16, vy2);
207     _mm256_storeu_ps(y + 24, vy3);
208     _mm256_storeu_ps(y + 32, vy4);
209     _mm256_storeu_ps(y + 40, vy5);
210     _mm256_storeu_ps(y + 48, vy6);
211     _mm256_storeu_ps(y + 56, vy7);
212     _mm256_storeu_ps(y + 64, vy8);
213     y += 72;
214   }
215   for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
216     __m256 vx = _mm256_loadu_ps(x);
217     x += 8;
218 
219     const __m256 vz = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx, vprescale));
220 
221     __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
222     const __m256i ven = _mm256_slli_epi32(_mm256_castps_si256(vn), 20);
223     const __m256i vl = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn));
224     __m256 vs = _mm256_castsi256_ps(_mm256_add_epi32(vl, ven));
225     vn = _mm256_sub_ps(vn, vmagic_bias);
226 
227     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
228 
229     __m256 vp = _mm256_fmadd_ps(vc4, vt, vc3);
230     vp = _mm256_fmadd_ps(vp, vt, vc2);
231     vp = _mm256_mul_ps(vp, vt);
232 
233     vt = _mm256_mul_ps(vt, vs);
234     vs = _mm256_fmsub_ps(vs, valpha, valpha);
235     vp = _mm256_fmadd_ps(vp, vt, vt);
236     const __m256 ve = _mm256_fmadd_ps(vp, valpha, vs);
237 
238     vx = _mm256_mul_ps(vx, vbeta);
239     const __m256 vy = _mm256_blendv_ps(vx, ve, vx);
240 
241     _mm256_storeu_ps(y, vy);
242     y += 8;
243   }
244   if XNN_UNLIKELY(n != 0) {
245     assert(n >= 1 * sizeof(float));
246     assert(n <= 7 * sizeof(float));
247     const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &params->avx2_rr1_lut8_p4.mask_table[7] - n));
248 
249     __m256 vx = _mm256_maskload_ps(x, vmask);
250 
251     const __m256 vz = _mm256_max_ps(vsat_cutoff, _mm256_mul_ps(vx, vprescale));
252 
253     __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
254     const __m256i ven = _mm256_slli_epi32(_mm256_castps_si256(vn), 20);
255     const __m256i vl = _mm256_permutevar8x32_epi32(vtable, _mm256_castps_si256(vn));
256     __m256 vs = _mm256_castsi256_ps(_mm256_add_epi32(vl, ven));
257     vn = _mm256_sub_ps(vn, vmagic_bias);
258 
259     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
260 
261     __m256 vp = _mm256_fmadd_ps(vc4, vt, vc3);
262     vp = _mm256_fmadd_ps(vp, vt, vc2);
263     vp = _mm256_mul_ps(vp, vt);
264 
265     vt = _mm256_mul_ps(vt, vs);
266     vs = _mm256_fmsub_ps(vs, valpha, valpha);
267     vp = _mm256_fmadd_ps(vp, vt, vt);
268     const __m256 ve = _mm256_fmadd_ps(vp, valpha, vs);
269 
270     vx = _mm256_mul_ps(vx, vbeta);
271     const __m256 vy = _mm256_blendv_ps(vx, ve, vx);
272 
273     __m128 vy_lo = _mm256_castps256_ps128(vy);
274     if (n & (4 * sizeof(float))) {
275       _mm_storeu_ps(y, vy_lo);
276       vy_lo = _mm256_extractf128_ps(vy, 1);
277       y += 4;
278     }
279     if (n & (2 * sizeof(float))) {
280       _mm_storel_pi((__m64*) y, vy_lo);
281       vy_lo = _mm_movehl_ps(vy_lo, vy_lo);
282       y += 2;
283     }
284     if (n & (1 * sizeof(float))) {
285       _mm_store_ss(y, vy_lo);
286     }
287   }
288 }
289