1 // Auto-generated file. Do not edit!
2 // Template: src/f32-vsigmoid/avx2-rr1-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
xnn_f32_vsigmoid_ukernel__avx2_rr1_p5_nr2fma_x80(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__avx2_rr1_p5_nr2fma_x80(
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->avx2_rr1_p5.sign_mask);
27 const __m256 vmagic_bias = _mm256_load_ps(params->avx2_rr1_p5.magic_bias);
28 const __m256 vlog2e = _mm256_load_ps(params->avx2_rr1_p5.log2e);
29 const __m256 vminus_ln2 = _mm256_load_ps(params->avx2_rr1_p5.minus_ln2);
30 const __m256 vc5 = _mm256_load_ps(params->avx2_rr1_p5.c5);
31 const __m256 vc4 = _mm256_load_ps(params->avx2_rr1_p5.c4);
32 const __m256 vc3 = _mm256_load_ps(params->avx2_rr1_p5.c3);
33 const __m256 vc2 = _mm256_load_ps(params->avx2_rr1_p5.c2);
34 const __m256 vc1 = _mm256_load_ps(params->avx2_rr1_p5.c1);
35 const __m256 vone = _mm256_load_ps(params->avx2_rr1_p5.one);
36 const __m256 vdenorm_cutoff = _mm256_load_ps(params->avx2_rr1_p5.denorm_cutoff);
37
38 for (; n >= 80 * sizeof(float); n -= 80 * sizeof(float)) {
39 const __m256 vx0 = _mm256_loadu_ps(x);
40 const __m256 vx1 = _mm256_loadu_ps(x + 8);
41 const __m256 vx2 = _mm256_loadu_ps(x + 16);
42 const __m256 vx3 = _mm256_loadu_ps(x + 24);
43 const __m256 vx4 = _mm256_loadu_ps(x + 32);
44 const __m256 vx5 = _mm256_loadu_ps(x + 40);
45 const __m256 vx6 = _mm256_loadu_ps(x + 48);
46 const __m256 vx7 = _mm256_loadu_ps(x + 56);
47 const __m256 vx8 = _mm256_loadu_ps(x + 64);
48 const __m256 vx9 = _mm256_loadu_ps(x + 72);
49 x += 80;
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 const __m256 vz8 = _mm256_or_ps(vx8, vsign_mask);
60 const __m256 vz9 = _mm256_or_ps(vx9, 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 __m256 vn9 = _mm256_fmadd_ps(vz9, vlog2e, vmagic_bias);
72
73 const __m256 vs0 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn0), 23));
74 const __m256 vs1 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn1), 23));
75 const __m256 vs2 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn2), 23));
76 const __m256 vs3 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn3), 23));
77 const __m256 vs4 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn4), 23));
78 const __m256 vs5 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn5), 23));
79 const __m256 vs6 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn6), 23));
80 const __m256 vs7 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn7), 23));
81 const __m256 vs8 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn8), 23));
82 const __m256 vs9 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn9), 23));
83
84 vn0 = _mm256_sub_ps(vn0, vmagic_bias);
85 vn1 = _mm256_sub_ps(vn1, vmagic_bias);
86 vn2 = _mm256_sub_ps(vn2, vmagic_bias);
87 vn3 = _mm256_sub_ps(vn3, vmagic_bias);
88 vn4 = _mm256_sub_ps(vn4, vmagic_bias);
89 vn5 = _mm256_sub_ps(vn5, vmagic_bias);
90 vn6 = _mm256_sub_ps(vn6, vmagic_bias);
91 vn7 = _mm256_sub_ps(vn7, vmagic_bias);
92 vn8 = _mm256_sub_ps(vn8, vmagic_bias);
93 vn9 = _mm256_sub_ps(vn9, vmagic_bias);
94
95 __m256 vt0 = _mm256_fmadd_ps(vn0, vminus_ln2, vz0);
96 __m256 vt1 = _mm256_fmadd_ps(vn1, vminus_ln2, vz1);
97 __m256 vt2 = _mm256_fmadd_ps(vn2, vminus_ln2, vz2);
98 __m256 vt3 = _mm256_fmadd_ps(vn3, vminus_ln2, vz3);
99 __m256 vt4 = _mm256_fmadd_ps(vn4, vminus_ln2, vz4);
100 __m256 vt5 = _mm256_fmadd_ps(vn5, vminus_ln2, vz5);
101 __m256 vt6 = _mm256_fmadd_ps(vn6, vminus_ln2, vz6);
102 __m256 vt7 = _mm256_fmadd_ps(vn7, vminus_ln2, vz7);
103 __m256 vt8 = _mm256_fmadd_ps(vn8, vminus_ln2, vz8);
104 __m256 vt9 = _mm256_fmadd_ps(vn9, vminus_ln2, vz9);
105
106 __m256 vp0 = _mm256_fmadd_ps(vc5, vt0, vc4);
107 __m256 vp1 = _mm256_fmadd_ps(vc5, vt1, vc4);
108 __m256 vp2 = _mm256_fmadd_ps(vc5, vt2, vc4);
109 __m256 vp3 = _mm256_fmadd_ps(vc5, vt3, vc4);
110 __m256 vp4 = _mm256_fmadd_ps(vc5, vt4, vc4);
111 __m256 vp5 = _mm256_fmadd_ps(vc5, vt5, vc4);
112 __m256 vp6 = _mm256_fmadd_ps(vc5, vt6, vc4);
113 __m256 vp7 = _mm256_fmadd_ps(vc5, vt7, vc4);
114 __m256 vp8 = _mm256_fmadd_ps(vc5, vt8, vc4);
115 __m256 vp9 = _mm256_fmadd_ps(vc5, vt9, vc4);
116
117 vp0 = _mm256_fmadd_ps(vp0, vt0, vc3);
118 vp1 = _mm256_fmadd_ps(vp1, vt1, vc3);
119 vp2 = _mm256_fmadd_ps(vp2, vt2, vc3);
120 vp3 = _mm256_fmadd_ps(vp3, vt3, vc3);
121 vp4 = _mm256_fmadd_ps(vp4, vt4, vc3);
122 vp5 = _mm256_fmadd_ps(vp5, vt5, vc3);
123 vp6 = _mm256_fmadd_ps(vp6, vt6, vc3);
124 vp7 = _mm256_fmadd_ps(vp7, vt7, vc3);
125 vp8 = _mm256_fmadd_ps(vp8, vt8, vc3);
126 vp9 = _mm256_fmadd_ps(vp9, vt9, vc3);
127
128 vp0 = _mm256_fmadd_ps(vp0, vt0, vc2);
129 vp1 = _mm256_fmadd_ps(vp1, vt1, vc2);
130 vp2 = _mm256_fmadd_ps(vp2, vt2, vc2);
131 vp3 = _mm256_fmadd_ps(vp3, vt3, vc2);
132 vp4 = _mm256_fmadd_ps(vp4, vt4, vc2);
133 vp5 = _mm256_fmadd_ps(vp5, vt5, vc2);
134 vp6 = _mm256_fmadd_ps(vp6, vt6, vc2);
135 vp7 = _mm256_fmadd_ps(vp7, vt7, vc2);
136 vp8 = _mm256_fmadd_ps(vp8, vt8, vc2);
137 vp9 = _mm256_fmadd_ps(vp9, vt9, vc2);
138
139 vp0 = _mm256_fmadd_ps(vp0, vt0, vc1);
140 vp1 = _mm256_fmadd_ps(vp1, vt1, vc1);
141 vp2 = _mm256_fmadd_ps(vp2, vt2, vc1);
142 vp3 = _mm256_fmadd_ps(vp3, vt3, vc1);
143 vp4 = _mm256_fmadd_ps(vp4, vt4, vc1);
144 vp5 = _mm256_fmadd_ps(vp5, vt5, vc1);
145 vp6 = _mm256_fmadd_ps(vp6, vt6, vc1);
146 vp7 = _mm256_fmadd_ps(vp7, vt7, vc1);
147 vp8 = _mm256_fmadd_ps(vp8, vt8, vc1);
148 vp9 = _mm256_fmadd_ps(vp9, vt9, vc1);
149
150 vt0 = _mm256_mul_ps(vt0, vs0);
151 vt1 = _mm256_mul_ps(vt1, vs1);
152 vt2 = _mm256_mul_ps(vt2, vs2);
153 vt3 = _mm256_mul_ps(vt3, vs3);
154 vt4 = _mm256_mul_ps(vt4, vs4);
155 vt5 = _mm256_mul_ps(vt5, vs5);
156 vt6 = _mm256_mul_ps(vt6, vs6);
157 vt7 = _mm256_mul_ps(vt7, vs7);
158 vt8 = _mm256_mul_ps(vt8, vs8);
159 vt9 = _mm256_mul_ps(vt9, vs9);
160
161 const __m256 ve0 = _mm256_fmadd_ps(vt0, vp0, vs0);
162 const __m256 ve1 = _mm256_fmadd_ps(vt1, vp1, vs1);
163 const __m256 ve2 = _mm256_fmadd_ps(vt2, vp2, vs2);
164 const __m256 ve3 = _mm256_fmadd_ps(vt3, vp3, vs3);
165 const __m256 ve4 = _mm256_fmadd_ps(vt4, vp4, vs4);
166 const __m256 ve5 = _mm256_fmadd_ps(vt5, vp5, vs5);
167 const __m256 ve6 = _mm256_fmadd_ps(vt6, vp6, vs6);
168 const __m256 ve7 = _mm256_fmadd_ps(vt7, vp7, vs7);
169 const __m256 ve8 = _mm256_fmadd_ps(vt8, vp8, vs8);
170 const __m256 ve9 = _mm256_fmadd_ps(vt9, vp9, vs9);
171
172 const __m256 vd0 = _mm256_add_ps(ve0, vone);
173 const __m256 vd1 = _mm256_add_ps(ve1, vone);
174 const __m256 vd2 = _mm256_add_ps(ve2, vone);
175 const __m256 vd3 = _mm256_add_ps(ve3, vone);
176 const __m256 vd4 = _mm256_add_ps(ve4, vone);
177 const __m256 vd5 = _mm256_add_ps(ve5, vone);
178 const __m256 vd6 = _mm256_add_ps(ve6, vone);
179 const __m256 vd7 = _mm256_add_ps(ve7, vone);
180 const __m256 vd8 = _mm256_add_ps(ve8, vone);
181 const __m256 vd9 = _mm256_add_ps(ve9, vone);
182
183 __m256 vr0 = _mm256_rcp_ps(vd0);
184 __m256 vr1 = _mm256_rcp_ps(vd1);
185 __m256 vr2 = _mm256_rcp_ps(vd2);
186 __m256 vr3 = _mm256_rcp_ps(vd3);
187 __m256 vr4 = _mm256_rcp_ps(vd4);
188 __m256 vr5 = _mm256_rcp_ps(vd5);
189 __m256 vr6 = _mm256_rcp_ps(vd6);
190 __m256 vr7 = _mm256_rcp_ps(vd7);
191 __m256 vr8 = _mm256_rcp_ps(vd8);
192 __m256 vr9 = _mm256_rcp_ps(vd9);
193
194 vr0 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr0, vd0, vone), vr0, vr0);
195 vr1 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr1, vd1, vone), vr1, vr1);
196 vr2 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr2, vd2, vone), vr2, vr2);
197 vr3 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr3, vd3, vone), vr3, vr3);
198 vr4 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr4, vd4, vone), vr4, vr4);
199 vr5 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr5, vd5, vone), vr5, vr5);
200 vr6 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr6, vd6, vone), vr6, vr6);
201 vr7 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr7, vd7, vone), vr7, vr7);
202 vr8 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr8, vd8, vone), vr8, vr8);
203 vr9 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr9, vd9, vone), vr9, vr9);
204
205 vr0 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr0, vd0, vone), vr0, vr0);
206 vr1 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr1, vd1, vone), vr1, vr1);
207 vr2 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr2, vd2, vone), vr2, vr2);
208 vr3 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr3, vd3, vone), vr3, vr3);
209 vr4 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr4, vd4, vone), vr4, vr4);
210 vr5 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr5, vd5, vone), vr5, vr5);
211 vr6 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr6, vd6, vone), vr6, vr6);
212 vr7 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr7, vd7, vone), vr7, vr7);
213 vr8 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr8, vd8, vone), vr8, vr8);
214 vr9 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr9, vd9, vone), vr9, vr9);
215
216 __m256 vf0 = _mm256_mul_ps(ve0, vr0);
217 __m256 vf1 = _mm256_mul_ps(ve1, vr1);
218 __m256 vf2 = _mm256_mul_ps(ve2, vr2);
219 __m256 vf3 = _mm256_mul_ps(ve3, vr3);
220 __m256 vf4 = _mm256_mul_ps(ve4, vr4);
221 __m256 vf5 = _mm256_mul_ps(ve5, vr5);
222 __m256 vf6 = _mm256_mul_ps(ve6, vr6);
223 __m256 vf7 = _mm256_mul_ps(ve7, vr7);
224 __m256 vf8 = _mm256_mul_ps(ve8, vr8);
225 __m256 vf9 = _mm256_mul_ps(ve9, vr9);
226
227 vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
228 vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
229 vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
230 vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
231 vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
232 vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
233 vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
234 vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
235 vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8);
236 vf9 = _mm256_andnot_ps(_mm256_cmp_ps(vz9, vdenorm_cutoff, _CMP_LT_OS), vf9);
237
238 vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
239 vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
240 vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
241 vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
242 vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
243 vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
244 vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
245 vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
246 vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8);
247 vf9 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf9), vf9, vx9);
248
249 _mm256_storeu_ps(y, vf0);
250 _mm256_storeu_ps(y + 8, vf1);
251 _mm256_storeu_ps(y + 16, vf2);
252 _mm256_storeu_ps(y + 24, vf3);
253 _mm256_storeu_ps(y + 32, vf4);
254 _mm256_storeu_ps(y + 40, vf5);
255 _mm256_storeu_ps(y + 48, vf6);
256 _mm256_storeu_ps(y + 56, vf7);
257 _mm256_storeu_ps(y + 64, vf8);
258 _mm256_storeu_ps(y + 72, vf9);
259 y += 80;
260 }
261 for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
262 const __m256 vx = _mm256_loadu_ps(x);
263 x += 8;
264
265 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
266
267 __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
268 const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
269 vn = _mm256_sub_ps(vn, vmagic_bias);
270
271 __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
272
273 __m256 vp = _mm256_fmadd_ps(vc5, vt, vc4);
274 vp = _mm256_fmadd_ps(vp, vt, vc3);
275 vp = _mm256_fmadd_ps(vp, vt, vc2);
276 vp = _mm256_fmadd_ps(vp, vt, vc1);
277
278 vt = _mm256_mul_ps(vt, vs);
279 const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
280
281 const __m256 vd = _mm256_add_ps(ve, vone);
282 __m256 vr = _mm256_rcp_ps(vd);
283 vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
284 vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
285 __m256 vf = _mm256_mul_ps(ve, vr);
286
287 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
288 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
289
290 _mm256_storeu_ps(y, vf);
291 y += 8;
292 }
293 if XNN_UNLIKELY(n != 0) {
294 assert(n >= 1 * sizeof(float));
295 assert(n <= 7 * sizeof(float));
296 const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) ¶ms->avx2_rr1_p5.mask_table[7] - n));
297
298 const __m256 vx = _mm256_maskload_ps(x, vmask);
299
300 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
301
302 __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
303 const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
304 vn = _mm256_sub_ps(vn, vmagic_bias);
305
306 __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
307
308 __m256 vp = _mm256_fmadd_ps(vc5, vt, vc4);
309 vp = _mm256_fmadd_ps(vp, vt, vc3);
310 vp = _mm256_fmadd_ps(vp, vt, vc2);
311 vp = _mm256_fmadd_ps(vp, vt, vc1);
312
313 vt = _mm256_mul_ps(vt, vs);
314 const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
315
316 const __m256 vd = _mm256_add_ps(ve, vone);
317 __m256 vr = _mm256_rcp_ps(vd);
318 vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
319 vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
320 __m256 vf = _mm256_mul_ps(ve, vr);
321
322 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
323 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
324
325 __m128 vf_lo = _mm256_castps256_ps128(vf);
326 if (n & (4 * sizeof(float))) {
327 _mm_storeu_ps(y, vf_lo);
328 vf_lo = _mm256_extractf128_ps(vf, 1);
329 y += 4;
330 }
331 if (n & (2 * sizeof(float))) {
332 _mm_storel_pi((__m64*) y, vf_lo);
333 vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
334 y += 2;
335 }
336 if (n & (1 * sizeof(float))) {
337 _mm_store_ss(y, vf_lo);
338 }
339 }
340 }
341