• Home
  • Line#
  • Scopes#
  • Navigate#
  • Raw
  • Download
1 // Auto-generated file. Do not edit!
2 //   Template: src/f32-vsigmoid/avx-rr2-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 
xnn_f32_vsigmoid_ukernel__avx_rr2_p5_nr2_x56(size_t n,const float * x,float * y,const union xnn_f32_sigmoid_params params[restrict XNN_MIN_ELEMENTS (1)])18 void xnn_f32_vsigmoid_ukernel__avx_rr2_p5_nr2_x56(
19     size_t n,
20     const float* x,
21     float* y,
22     const union xnn_f32_sigmoid_params params[restrict XNN_MIN_ELEMENTS(1)])
23 {
24   assert(n % sizeof(float) == 0);
25 
26   const __m256 vsign_mask = _mm256_load_ps(params->avx_rr2_p5.sign_mask);
27   const __m256 vmagic_bias = _mm256_load_ps(params->avx_rr2_p5.magic_bias);
28   const __m256 vlog2e = _mm256_load_ps(params->avx_rr2_p5.log2e);
29   const __m256 vminus_ln2_hi = _mm256_load_ps(params->avx_rr2_p5.minus_ln2_hi);
30   const __m256 vminus_ln2_lo = _mm256_load_ps(params->avx_rr2_p5.minus_ln2_lo);
31   const __m256 vc5 = _mm256_load_ps(params->avx_rr2_p5.c5);
32   const __m256 vc4 = _mm256_load_ps(params->avx_rr2_p5.c4);
33   const __m256 vc3 = _mm256_load_ps(params->avx_rr2_p5.c3);
34   const __m256 vc2 = _mm256_load_ps(params->avx_rr2_p5.c2);
35   const __m256 vc1 = _mm256_load_ps(params->avx_rr2_p5.c1);
36   const __m256 vone = _mm256_load_ps(params->avx_rr2_p5.one);
37   const __m256 vtwo = _mm256_load_ps(params->avx_rr2_p5.two);
38   const __m256 vdenorm_cutoff = _mm256_load_ps(params->avx_rr2_p5.denorm_cutoff);
39 
40   for (; n >= 56 * sizeof(float); n -= 56 * 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     x += 56;
49 
50     const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
51     const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
52     const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
53     const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
54     const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
55     const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
56     const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask);
57 
58     __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias);
59     __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias);
60     __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias);
61     __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias);
62     __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias);
63     __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias);
64     __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias);
65 
66     const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
67     const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
68     const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
69     const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
70     const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
71     const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
72     const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
73     const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
74     const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
75     const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
76     const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
77     const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
78     const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
79     const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
80     const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
81     const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
82     const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
83     const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
84     const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
85     const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
86     const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
87 
88     vn0 = _mm256_sub_ps(vn0, vmagic_bias);
89     vn1 = _mm256_sub_ps(vn1, vmagic_bias);
90     vn2 = _mm256_sub_ps(vn2, vmagic_bias);
91     vn3 = _mm256_sub_ps(vn3, vmagic_bias);
92     vn4 = _mm256_sub_ps(vn4, vmagic_bias);
93     vn5 = _mm256_sub_ps(vn5, vmagic_bias);
94     vn6 = _mm256_sub_ps(vn6, vmagic_bias);
95 
96     __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
97     __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
98     __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
99     __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
100     __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
101     __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
102     __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
103 
104     vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
105     vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
106     vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
107     vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
108     vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
109     vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
110     vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
111 
112     __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
113     __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
114     __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
115     __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
116     __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
117     __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
118     __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
119 
120     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
121     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
122     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
123     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
124     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
125     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
126     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
127 
128     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
129     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
130     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
131     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
132     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
133     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
134     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
135 
136     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
137     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
138     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
139     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
140     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
141     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
142     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
143 
144     vt0 = _mm256_mul_ps(vt0, vs0);
145     vt1 = _mm256_mul_ps(vt1, vs1);
146     vt2 = _mm256_mul_ps(vt2, vs2);
147     vt3 = _mm256_mul_ps(vt3, vs3);
148     vt4 = _mm256_mul_ps(vt4, vs4);
149     vt5 = _mm256_mul_ps(vt5, vs5);
150     vt6 = _mm256_mul_ps(vt6, vs6);
151 
152     const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
153     const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
154     const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
155     const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
156     const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
157     const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
158     const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
159 
160     const __m256 vd0 = _mm256_add_ps(ve0, vone);
161     const __m256 vd1 = _mm256_add_ps(ve1, vone);
162     const __m256 vd2 = _mm256_add_ps(ve2, vone);
163     const __m256 vd3 = _mm256_add_ps(ve3, vone);
164     const __m256 vd4 = _mm256_add_ps(ve4, vone);
165     const __m256 vd5 = _mm256_add_ps(ve5, vone);
166     const __m256 vd6 = _mm256_add_ps(ve6, vone);
167 
168     __m256 vr0 = _mm256_rcp_ps(vd0);
169     __m256 vr1 = _mm256_rcp_ps(vd1);
170     __m256 vr2 = _mm256_rcp_ps(vd2);
171     __m256 vr3 = _mm256_rcp_ps(vd3);
172     __m256 vr4 = _mm256_rcp_ps(vd4);
173     __m256 vr5 = _mm256_rcp_ps(vd5);
174     __m256 vr6 = _mm256_rcp_ps(vd6);
175 
176     vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
177     vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
178     vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
179     vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
180     vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
181     vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
182     vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
183     vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
184     vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
185     vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
186     vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
187     vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
188     vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
189     vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
190 
191     __m256 vf0 = _mm256_mul_ps(ve0, vr0);
192     __m256 vf1 = _mm256_mul_ps(ve1, vr1);
193     __m256 vf2 = _mm256_mul_ps(ve2, vr2);
194     __m256 vf3 = _mm256_mul_ps(ve3, vr3);
195     __m256 vf4 = _mm256_mul_ps(ve4, vr4);
196     __m256 vf5 = _mm256_mul_ps(ve5, vr5);
197     __m256 vf6 = _mm256_mul_ps(ve6, vr6);
198 
199     vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
200     vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
201     vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
202     vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
203     vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
204     vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
205     vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
206 
207     vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
208     vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
209     vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
210     vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
211     vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
212     vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
213     vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
214 
215     _mm256_storeu_ps(y, vf0);
216     _mm256_storeu_ps(y + 8, vf1);
217     _mm256_storeu_ps(y + 16, vf2);
218     _mm256_storeu_ps(y + 24, vf3);
219     _mm256_storeu_ps(y + 32, vf4);
220     _mm256_storeu_ps(y + 40, vf5);
221     _mm256_storeu_ps(y + 48, vf6);
222     y += 56;
223   }
224   for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
225     const __m256 vx = _mm256_loadu_ps(x);
226     x += 8;
227 
228     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
229 
230     __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
231 
232     const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
233     const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
234     const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
235 
236     vn = _mm256_sub_ps(vn, vmagic_bias);
237 
238     __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
239     vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
240 
241     __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
242     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
243     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
244     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
245 
246     vt = _mm256_mul_ps(vt, vs);
247     const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
248 
249     const __m256 vd = _mm256_add_ps(ve, vone);
250     __m256 vr = _mm256_rcp_ps(vd);
251     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
252     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
253     __m256 vf = _mm256_mul_ps(ve, vr);
254 
255     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
256     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
257 
258     _mm256_storeu_ps(y, vf);
259     y += 8;
260   }
261   if XNN_UNLIKELY(n != 0) {
262     assert(n >= 1 * sizeof(float));
263     assert(n <= 7 * sizeof(float));
264     const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &params->avx_rr2_p5.mask_table[7] - n));
265 
266     const __m256 vx = _mm256_maskload_ps(x, vmask);
267 
268     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
269 
270     __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
271     const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
272     const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
273     const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
274 
275     vn = _mm256_sub_ps(vn, vmagic_bias);
276 
277     __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
278     vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
279 
280     __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
281     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
282     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
283     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
284 
285     vt = _mm256_mul_ps(vt, vs);
286     const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
287 
288     const __m256 vd = _mm256_add_ps(ve, vone);
289     __m256 vr = _mm256_rcp_ps(vd);
290     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
291     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
292     __m256 vf = _mm256_mul_ps(ve, vr);
293 
294     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
295     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
296 
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