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_x64(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_x64(
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 >= 64 * sizeof(float); n -= 64 * 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 x += 64;
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 const __m256 vz7 = _mm256_or_ps(vx7, vsign_mask);
59
60 __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias);
61 __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias);
62 __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias);
63 __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias);
64 __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias);
65 __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias);
66 __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias);
67 __m256 vn7 = _mm256_add_ps(_mm256_mul_ps(vz7, vlog2e), vmagic_bias);
68
69 const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
70 const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
71 const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
72 const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
73 const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
74 const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
75 const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
76 const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
77 const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
78 const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
79 const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
80 const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
81 const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
82 const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
83 const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
84 const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
85 const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
86 const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
87 const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
88 const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
89 const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
90 const __m128 vs_lo7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn7)), 23));
91 const __m128 vs_hi7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn7, 1)), 23));
92 const __m256 vs7 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo7), vs_hi7, 1);
93
94 vn0 = _mm256_sub_ps(vn0, vmagic_bias);
95 vn1 = _mm256_sub_ps(vn1, vmagic_bias);
96 vn2 = _mm256_sub_ps(vn2, vmagic_bias);
97 vn3 = _mm256_sub_ps(vn3, vmagic_bias);
98 vn4 = _mm256_sub_ps(vn4, vmagic_bias);
99 vn5 = _mm256_sub_ps(vn5, vmagic_bias);
100 vn6 = _mm256_sub_ps(vn6, vmagic_bias);
101 vn7 = _mm256_sub_ps(vn7, vmagic_bias);
102
103 __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
104 __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
105 __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
106 __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
107 __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
108 __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
109 __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
110 __m256 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_hi), vz7);
111
112 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
113 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
114 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
115 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
116 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
117 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
118 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
119 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_lo), vt7);
120
121 __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
122 __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
123 __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
124 __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
125 __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
126 __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
127 __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
128 __m256 vp7 = _mm256_add_ps(_mm256_mul_ps(vc5, vt7), vc4);
129
130 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
131 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
132 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
133 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
134 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
135 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
136 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
137 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc3);
138
139 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
140 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
141 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
142 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
143 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
144 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
145 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
146 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc2);
147
148 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
149 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
150 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
151 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
152 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
153 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
154 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
155 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc1);
156
157 vt0 = _mm256_mul_ps(vt0, vs0);
158 vt1 = _mm256_mul_ps(vt1, vs1);
159 vt2 = _mm256_mul_ps(vt2, vs2);
160 vt3 = _mm256_mul_ps(vt3, vs3);
161 vt4 = _mm256_mul_ps(vt4, vs4);
162 vt5 = _mm256_mul_ps(vt5, vs5);
163 vt6 = _mm256_mul_ps(vt6, vs6);
164 vt7 = _mm256_mul_ps(vt7, vs7);
165
166 const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
167 const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
168 const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
169 const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
170 const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
171 const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
172 const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
173 const __m256 ve7 = _mm256_add_ps(_mm256_mul_ps(vt7, vp7), vs7);
174
175 const __m256 vd0 = _mm256_add_ps(ve0, vone);
176 const __m256 vd1 = _mm256_add_ps(ve1, vone);
177 const __m256 vd2 = _mm256_add_ps(ve2, vone);
178 const __m256 vd3 = _mm256_add_ps(ve3, vone);
179 const __m256 vd4 = _mm256_add_ps(ve4, vone);
180 const __m256 vd5 = _mm256_add_ps(ve5, vone);
181 const __m256 vd6 = _mm256_add_ps(ve6, vone);
182 const __m256 vd7 = _mm256_add_ps(ve7, vone);
183
184 __m256 vr0 = _mm256_rcp_ps(vd0);
185 __m256 vr1 = _mm256_rcp_ps(vd1);
186 __m256 vr2 = _mm256_rcp_ps(vd2);
187 __m256 vr3 = _mm256_rcp_ps(vd3);
188 __m256 vr4 = _mm256_rcp_ps(vd4);
189 __m256 vr5 = _mm256_rcp_ps(vd5);
190 __m256 vr6 = _mm256_rcp_ps(vd6);
191 __m256 vr7 = _mm256_rcp_ps(vd7);
192
193 vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
194 vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
195 vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
196 vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
197 vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
198 vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
199 vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
200 vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
201 vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
202 vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
203 vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
204 vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
205 vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
206 vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
207 vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
208 vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
209
210 __m256 vf0 = _mm256_mul_ps(ve0, vr0);
211 __m256 vf1 = _mm256_mul_ps(ve1, vr1);
212 __m256 vf2 = _mm256_mul_ps(ve2, vr2);
213 __m256 vf3 = _mm256_mul_ps(ve3, vr3);
214 __m256 vf4 = _mm256_mul_ps(ve4, vr4);
215 __m256 vf5 = _mm256_mul_ps(ve5, vr5);
216 __m256 vf6 = _mm256_mul_ps(ve6, vr6);
217 __m256 vf7 = _mm256_mul_ps(ve7, vr7);
218
219 vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
220 vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
221 vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
222 vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
223 vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
224 vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
225 vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
226 vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
227
228 vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
229 vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
230 vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
231 vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
232 vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
233 vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
234 vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
235 vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
236
237 _mm256_storeu_ps(y, vf0);
238 _mm256_storeu_ps(y + 8, vf1);
239 _mm256_storeu_ps(y + 16, vf2);
240 _mm256_storeu_ps(y + 24, vf3);
241 _mm256_storeu_ps(y + 32, vf4);
242 _mm256_storeu_ps(y + 40, vf5);
243 _mm256_storeu_ps(y + 48, vf6);
244 _mm256_storeu_ps(y + 56, vf7);
245 y += 64;
246 }
247 for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
248 const __m256 vx = _mm256_loadu_ps(x);
249 x += 8;
250
251 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
252
253 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
254
255 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
256 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
257 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
258
259 vn = _mm256_sub_ps(vn, vmagic_bias);
260
261 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
262 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
263
264 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
265 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
266 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
267 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
268
269 vt = _mm256_mul_ps(vt, vs);
270 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
271
272 const __m256 vd = _mm256_add_ps(ve, vone);
273 __m256 vr = _mm256_rcp_ps(vd);
274 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
275 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
276 __m256 vf = _mm256_mul_ps(ve, vr);
277
278 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
279 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
280
281 _mm256_storeu_ps(y, vf);
282 y += 8;
283 }
284 if XNN_UNLIKELY(n != 0) {
285 assert(n >= 1 * sizeof(float));
286 assert(n <= 7 * sizeof(float));
287 const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) ¶ms->avx_rr2_p5.mask_table[7] - n));
288
289 const __m256 vx = _mm256_maskload_ps(x, vmask);
290
291 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
292
293 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
294 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
295 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
296 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
297
298 vn = _mm256_sub_ps(vn, vmagic_bias);
299
300 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
301 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
302
303 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
304 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
305 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
306 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
307
308 vt = _mm256_mul_ps(vt, vs);
309 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
310
311 const __m256 vd = _mm256_add_ps(ve, vone);
312 __m256 vr = _mm256_rcp_ps(vd);
313 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
314 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
315 __m256 vf = _mm256_mul_ps(ve, vr);
316
317 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
318 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
319
320 __m128 vf_lo = _mm256_castps256_ps128(vf);
321 if (n & (4 * sizeof(float))) {
322 _mm_storeu_ps(y, vf_lo);
323 vf_lo = _mm256_extractf128_ps(vf, 1);
324 y += 4;
325 }
326 if (n & (2 * sizeof(float))) {
327 _mm_storel_pi((__m64*) y, vf_lo);
328 vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
329 y += 2;
330 }
331 if (n & (1 * sizeof(float))) {
332 _mm_store_ss(y, vf_lo);
333 }
334 }
335 }
336