xref: /aosp_15_r20/external/XNNPACK/src/f16-raddstoreexpminusmax/gen/avx2-rr1-p2-x96-acc2.c (revision 4bdc94577ba0e567308109d787f7fec7b531ce36)
1 // Auto-generated file. Do not edit!
2 //   Template: src/f16-raddstoreexpminusmax/avx2-rr1-p2.c.in
3 //   Generator: tools/xngen
4 //
5 // Copyright 2022 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/intrinsics-polyfill.h>
15 #include <xnnpack/raddstoreexpminusmax.h>
16 
17 
xnn_f16_raddstoreexpminusmax_ukernel__avx2_rr1_p2_x96_acc2(size_t batch,const void * input,const void * max,void * output,void * sum,const union xnn_f16_expminus_params params[restrict XNN_MIN_ELEMENTS (1)])18 void xnn_f16_raddstoreexpminusmax_ukernel__avx2_rr1_p2_x96_acc2(
19     size_t batch,
20     const void* input,
21     const void* max,
22     void* output,
23     void* sum,
24     const union xnn_f16_expminus_params params[restrict XNN_MIN_ELEMENTS(1)]) XNN_OOB_READS
25 {
26   assert(batch % sizeof(uint16_t) == 0);
27 
28   const __m256 vi_max = _mm256_cvtph_ps(_mm_set1_epi16((short) *((const uint16_t*) max)));
29   const __m256 vlog2e = _mm256_load_ps(params->avx2_rr1_p2.log2e);
30   const __m256 vmagic_bias = _mm256_load_ps(params->avx2_rr1_p2.magic_bias);
31   const __m256 vminus_ln2 = _mm256_load_ps(params->avx2_rr1_p2.minus_ln2);
32   const __m256 vc2 = _mm256_load_ps(params->avx2_rr1_p2.c2);
33   const __m256 vc1 = _mm256_load_ps(params->avx2_rr1_p2.c1);
34   const __m256 vdenorm_cutoff = _mm256_load_ps(params->avx2_rr1_p2.denorm_cutoff);
35 
36   const uint16_t* i = (const uint16_t*) input;
37   uint16_t* o = (uint16_t*) output;
38   __m256 vacc0 = _mm256_setzero_ps();
39   __m256 vacc1 = _mm256_setzero_ps();
40   for (; batch >= 96 * sizeof(uint16_t); batch -= 96 * sizeof(uint16_t)) {
41     const __m256 vi0 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) i));
42     const __m256 vi1 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 8)));
43     const __m256 vi2 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 16)));
44     const __m256 vi3 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 24)));
45     const __m256 vi4 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 32)));
46     const __m256 vi5 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 40)));
47     const __m256 vi6 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 48)));
48     const __m256 vi7 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 56)));
49     const __m256 vi8 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 64)));
50     const __m256 vi9 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 72)));
51     const __m256 viA = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 80)));
52     const __m256 viB = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 88)));
53     i += 96;
54 
55     const __m256 vx0 = _mm256_sub_ps(vi0, vi_max);
56     const __m256 vx1 = _mm256_sub_ps(vi1, vi_max);
57     const __m256 vx2 = _mm256_sub_ps(vi2, vi_max);
58     const __m256 vx3 = _mm256_sub_ps(vi3, vi_max);
59     const __m256 vx4 = _mm256_sub_ps(vi4, vi_max);
60     const __m256 vx5 = _mm256_sub_ps(vi5, vi_max);
61     const __m256 vx6 = _mm256_sub_ps(vi6, vi_max);
62     const __m256 vx7 = _mm256_sub_ps(vi7, vi_max);
63     const __m256 vx8 = _mm256_sub_ps(vi8, vi_max);
64     const __m256 vx9 = _mm256_sub_ps(vi9, vi_max);
65     const __m256 vxA = _mm256_sub_ps(viA, vi_max);
66     const __m256 vxB = _mm256_sub_ps(viB, vi_max);
67 
68     __m256 vn0 = _mm256_fmadd_ps(vx0, vlog2e, vmagic_bias);
69     __m256 vn1 = _mm256_fmadd_ps(vx1, vlog2e, vmagic_bias);
70     __m256 vn2 = _mm256_fmadd_ps(vx2, vlog2e, vmagic_bias);
71     __m256 vn3 = _mm256_fmadd_ps(vx3, vlog2e, vmagic_bias);
72     __m256 vn4 = _mm256_fmadd_ps(vx4, vlog2e, vmagic_bias);
73     __m256 vn5 = _mm256_fmadd_ps(vx5, vlog2e, vmagic_bias);
74     __m256 vn6 = _mm256_fmadd_ps(vx6, vlog2e, vmagic_bias);
75     __m256 vn7 = _mm256_fmadd_ps(vx7, vlog2e, vmagic_bias);
76     __m256 vn8 = _mm256_fmadd_ps(vx8, vlog2e, vmagic_bias);
77     __m256 vn9 = _mm256_fmadd_ps(vx9, vlog2e, vmagic_bias);
78     __m256 vnA = _mm256_fmadd_ps(vxA, vlog2e, vmagic_bias);
79     __m256 vnB = _mm256_fmadd_ps(vxB, vlog2e, vmagic_bias);
80 
81     const __m256 vs0 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn0), 23));
82     const __m256 vs1 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn1), 23));
83     const __m256 vs2 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn2), 23));
84     const __m256 vs3 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn3), 23));
85     const __m256 vs4 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn4), 23));
86     const __m256 vs5 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn5), 23));
87     const __m256 vs6 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn6), 23));
88     const __m256 vs7 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn7), 23));
89     const __m256 vs8 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn8), 23));
90     const __m256 vs9 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn9), 23));
91     const __m256 vsA = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vnA), 23));
92     const __m256 vsB = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vnB), 23));
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     vn8 = _mm256_sub_ps(vn8, vmagic_bias);
103     vn9 = _mm256_sub_ps(vn9, vmagic_bias);
104     vnA = _mm256_sub_ps(vnA, vmagic_bias);
105     vnB = _mm256_sub_ps(vnB, vmagic_bias);
106 
107     __m256 vt0 = _mm256_fmadd_ps(vn0, vminus_ln2, vx0);
108     __m256 vt1 = _mm256_fmadd_ps(vn1, vminus_ln2, vx1);
109     __m256 vt2 = _mm256_fmadd_ps(vn2, vminus_ln2, vx2);
110     __m256 vt3 = _mm256_fmadd_ps(vn3, vminus_ln2, vx3);
111     __m256 vt4 = _mm256_fmadd_ps(vn4, vminus_ln2, vx4);
112     __m256 vt5 = _mm256_fmadd_ps(vn5, vminus_ln2, vx5);
113     __m256 vt6 = _mm256_fmadd_ps(vn6, vminus_ln2, vx6);
114     __m256 vt7 = _mm256_fmadd_ps(vn7, vminus_ln2, vx7);
115     __m256 vt8 = _mm256_fmadd_ps(vn8, vminus_ln2, vx8);
116     __m256 vt9 = _mm256_fmadd_ps(vn9, vminus_ln2, vx9);
117     __m256 vtA = _mm256_fmadd_ps(vnA, vminus_ln2, vxA);
118     __m256 vtB = _mm256_fmadd_ps(vnB, vminus_ln2, vxB);
119 
120     const __m256 vp0 = _mm256_fmadd_ps(vc2, vt0, vc1);
121     const __m256 vp1 = _mm256_fmadd_ps(vc2, vt1, vc1);
122     const __m256 vp2 = _mm256_fmadd_ps(vc2, vt2, vc1);
123     const __m256 vp3 = _mm256_fmadd_ps(vc2, vt3, vc1);
124     const __m256 vp4 = _mm256_fmadd_ps(vc2, vt4, vc1);
125     const __m256 vp5 = _mm256_fmadd_ps(vc2, vt5, vc1);
126     const __m256 vp6 = _mm256_fmadd_ps(vc2, vt6, vc1);
127     const __m256 vp7 = _mm256_fmadd_ps(vc2, vt7, vc1);
128     const __m256 vp8 = _mm256_fmadd_ps(vc2, vt8, vc1);
129     const __m256 vp9 = _mm256_fmadd_ps(vc2, vt9, vc1);
130     const __m256 vpA = _mm256_fmadd_ps(vc2, vtA, vc1);
131     const __m256 vpB = _mm256_fmadd_ps(vc2, vtB, vc1);
132 
133     vt0 = _mm256_mul_ps(vt0, vs0);
134     vt1 = _mm256_mul_ps(vt1, vs1);
135     vt2 = _mm256_mul_ps(vt2, vs2);
136     vt3 = _mm256_mul_ps(vt3, vs3);
137     vt4 = _mm256_mul_ps(vt4, vs4);
138     vt5 = _mm256_mul_ps(vt5, vs5);
139     vt6 = _mm256_mul_ps(vt6, vs6);
140     vt7 = _mm256_mul_ps(vt7, vs7);
141     vt8 = _mm256_mul_ps(vt8, vs8);
142     vt9 = _mm256_mul_ps(vt9, vs9);
143     vtA = _mm256_mul_ps(vtA, vsA);
144     vtB = _mm256_mul_ps(vtB, vsB);
145 
146     __m256 vf0 = _mm256_fmadd_ps(vt0, vp0, vs0);
147     __m256 vf1 = _mm256_fmadd_ps(vt1, vp1, vs1);
148     __m256 vf2 = _mm256_fmadd_ps(vt2, vp2, vs2);
149     __m256 vf3 = _mm256_fmadd_ps(vt3, vp3, vs3);
150     __m256 vf4 = _mm256_fmadd_ps(vt4, vp4, vs4);
151     __m256 vf5 = _mm256_fmadd_ps(vt5, vp5, vs5);
152     __m256 vf6 = _mm256_fmadd_ps(vt6, vp6, vs6);
153     __m256 vf7 = _mm256_fmadd_ps(vt7, vp7, vs7);
154     __m256 vf8 = _mm256_fmadd_ps(vt8, vp8, vs8);
155     __m256 vf9 = _mm256_fmadd_ps(vt9, vp9, vs9);
156     __m256 vfA = _mm256_fmadd_ps(vtA, vpA, vsA);
157     __m256 vfB = _mm256_fmadd_ps(vtB, vpB, vsB);
158 
159     vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vx0, vdenorm_cutoff, _CMP_LT_OS), vf0);
160     vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vx1, vdenorm_cutoff, _CMP_LT_OS), vf1);
161     vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vx2, vdenorm_cutoff, _CMP_LT_OS), vf2);
162     vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vx3, vdenorm_cutoff, _CMP_LT_OS), vf3);
163     vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vx4, vdenorm_cutoff, _CMP_LT_OS), vf4);
164     vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vx5, vdenorm_cutoff, _CMP_LT_OS), vf5);
165     vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vx6, vdenorm_cutoff, _CMP_LT_OS), vf6);
166     vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vx7, vdenorm_cutoff, _CMP_LT_OS), vf7);
167     vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vx8, vdenorm_cutoff, _CMP_LT_OS), vf8);
168     vf9 = _mm256_andnot_ps(_mm256_cmp_ps(vx9, vdenorm_cutoff, _CMP_LT_OS), vf9);
169     vfA = _mm256_andnot_ps(_mm256_cmp_ps(vxA, vdenorm_cutoff, _CMP_LT_OS), vfA);
170     vfB = _mm256_andnot_ps(_mm256_cmp_ps(vxB, vdenorm_cutoff, _CMP_LT_OS), vfB);
171 
172     _mm_storeu_si128((__m128i*) o, _mm256_cvtps_ph(vf0, _MM_FROUND_NO_EXC));
173     _mm_storeu_si128((__m128i*) (o + 8), _mm256_cvtps_ph(vf1, _MM_FROUND_NO_EXC));
174     _mm_storeu_si128((__m128i*) (o + 16), _mm256_cvtps_ph(vf2, _MM_FROUND_NO_EXC));
175     _mm_storeu_si128((__m128i*) (o + 24), _mm256_cvtps_ph(vf3, _MM_FROUND_NO_EXC));
176     _mm_storeu_si128((__m128i*) (o + 32), _mm256_cvtps_ph(vf4, _MM_FROUND_NO_EXC));
177     _mm_storeu_si128((__m128i*) (o + 40), _mm256_cvtps_ph(vf5, _MM_FROUND_NO_EXC));
178     _mm_storeu_si128((__m128i*) (o + 48), _mm256_cvtps_ph(vf6, _MM_FROUND_NO_EXC));
179     _mm_storeu_si128((__m128i*) (o + 56), _mm256_cvtps_ph(vf7, _MM_FROUND_NO_EXC));
180     _mm_storeu_si128((__m128i*) (o + 64), _mm256_cvtps_ph(vf8, _MM_FROUND_NO_EXC));
181     _mm_storeu_si128((__m128i*) (o + 72), _mm256_cvtps_ph(vf9, _MM_FROUND_NO_EXC));
182     _mm_storeu_si128((__m128i*) (o + 80), _mm256_cvtps_ph(vfA, _MM_FROUND_NO_EXC));
183     _mm_storeu_si128((__m128i*) (o + 88), _mm256_cvtps_ph(vfB, _MM_FROUND_NO_EXC));
184     o += 96;
185 
186     vacc0 = _mm256_add_ps(vacc0, vf0);
187     vacc1 = _mm256_add_ps(vacc1, vf1);
188     vacc0 = _mm256_add_ps(vacc0, vf2);
189     vacc1 = _mm256_add_ps(vacc1, vf3);
190     vacc0 = _mm256_add_ps(vacc0, vf4);
191     vacc1 = _mm256_add_ps(vacc1, vf5);
192     vacc0 = _mm256_add_ps(vacc0, vf6);
193     vacc1 = _mm256_add_ps(vacc1, vf7);
194     vacc0 = _mm256_add_ps(vacc0, vf8);
195     vacc1 = _mm256_add_ps(vacc1, vf9);
196     vacc0 = _mm256_add_ps(vacc0, vfA);
197     vacc1 = _mm256_add_ps(vacc1, vfB);
198   }
199   vacc0 = _mm256_add_ps(vacc0, vacc1);
200 
201   __m256 vacc = vacc0;
202   for (; batch >= 8 * sizeof(uint16_t); batch -= 8 * sizeof(uint16_t)) {
203     const __m256 vi = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) i));
204     i += 8;
205 
206     const __m256 vx = _mm256_sub_ps(vi, vi_max);
207 
208     __m256 vn = _mm256_fmadd_ps(vx, vlog2e, vmagic_bias);
209 
210     const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
211 
212     vn = _mm256_sub_ps(vn, vmagic_bias);
213 
214     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vx);
215 
216     const __m256 vp = _mm256_fmadd_ps(vc2, vt, vc1);
217     vt = _mm256_mul_ps(vt, vs);
218     __m256 vf = _mm256_fmadd_ps(vt, vp, vs);
219     vf = _mm256_andnot_ps(_mm256_cmp_ps(vx, vdenorm_cutoff, _CMP_LT_OS), vf);
220 
221     _mm_storeu_si128((__m128i*) o, _mm256_cvtps_ph(vf, _MM_FROUND_NO_EXC));
222     o += 8;
223 
224     vacc = _mm256_add_ps(vacc, vf);
225   }
226   __m128 vacc_lo = _mm_add_ps(_mm256_castps256_ps128(vacc), _mm256_extractf128_ps(vacc, 1));
227   if (batch != 0) {
228     assert(batch >= 1 * sizeof(uint16_t));
229     assert(batch <= 7 * sizeof(uint16_t));
230 
231     const __m256 vi = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) i));
232 
233     const __m256 vx = _mm256_sub_ps(vi, vi_max);
234 
235     __m256 vn = _mm256_fmadd_ps(vx, vlog2e, vmagic_bias);
236 
237     const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
238 
239     vn = _mm256_sub_ps(vn, vmagic_bias);
240 
241     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vx);
242 
243     const __m256 vp = _mm256_fmadd_ps(vc2, vt, vc1);
244     vt = _mm256_mul_ps(vt, vs);
245     __m256 vf = _mm256_fmadd_ps(vt, vp, vs);
246     vf = _mm256_andnot_ps(_mm256_cmp_ps(vx, vdenorm_cutoff, _CMP_LT_OS), vf);
247 
248     __m128i vh = _mm256_cvtps_ph(vf, _MM_FROUND_NO_EXC);
249     __m128 vf_lo = _mm256_castps256_ps128(vf);
250     if (batch & (4 * sizeof(uint16_t))) {
251       _mm_storel_epi64((__m128i*) o, vh);
252       vh = _mm_unpackhi_epi64(vh, vh);
253       vacc_lo = _mm_add_ps(vacc_lo, vf_lo);
254       vf_lo = _mm256_extractf128_ps(vf, 1);
255       o += 4;
256     }
257     if (batch & (2 * sizeof(uint16_t))) {
258       _mm_storeu_si32(o, vh);
259       vh = _mm_srli_epi64(vh, 32);
260       vacc_lo = _mm_blend_ps(_mm_add_ps(vacc_lo, vf_lo), vacc_lo, 0xC);
261       vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
262       o += 2;
263     }
264     if (batch & (1 * sizeof(uint16_t))) {
265       *o = (uint16_t) _mm_extract_epi16(vh, 0);
266       vacc_lo = _mm_add_ss(vacc_lo, vf_lo);
267     }
268   }
269   vacc_lo = _mm_add_ps(vacc_lo, _mm_movehl_ps(vacc_lo, vacc_lo));
270   vacc_lo = _mm_add_ss(vacc_lo, _mm_movehdup_ps(vacc_lo));
271   *((uint16_t*) sum) = (uint16_t) _mm_extract_epi16(_mm_cvtps_ph(vacc_lo, _MM_FROUND_NO_EXC), 0);
272   _mm256_zeroupper();
273 }
274