xref: /aosp_15_r20/external/XNNPACK/src/f16-vsigmoid/gen/vsigmoid-avx2-rr1-p2-rcp-x48.c (revision 4bdc94577ba0e567308109d787f7fec7b531ce36)
1 // Auto-generated file. Do not edit!
2 //   Template: src/f16-vsigmoid/avx2.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/common.h>
15 #include <xnnpack/intrinsics-polyfill.h>
16 #include <xnnpack/vunary.h>
17 
18 
xnn_f16_vsigmoid_ukernel__avx2_rr1_p2_rcp_x48(size_t batch,const void * input,void * output,const union xnn_f16_sigmoid_params params[restrict XNN_MIN_ELEMENTS (1)])19 void xnn_f16_vsigmoid_ukernel__avx2_rr1_p2_rcp_x48(
20     size_t batch,
21     const void* input,
22     void* output,
23     const union xnn_f16_sigmoid_params params[restrict XNN_MIN_ELEMENTS(1)])
24 {
25   assert(batch % sizeof(uint16_t) == 0);
26 
27   const __m256 vsign_mask = _mm256_load_ps(params->avx2_rr1_p2.sign_mask);
28   const __m256 vmagic_bias = _mm256_load_ps(params->avx2_rr1_p2.magic_bias);
29   const __m256 vlog2e = _mm256_load_ps(params->avx2_rr1_p2.log2e);
30   const __m256 vminus_ln2 = _mm256_load_ps(params->avx2_rr1_p2.minus_ln2);
31   const __m256 vc2 = _mm256_load_ps(params->avx2_rr1_p2.c2);
32   const __m256 vc1 = _mm256_load_ps(params->avx2_rr1_p2.c1);
33   const __m256 vone = _mm256_load_ps(params->avx2_rr1_p2.one);
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   for (; batch >= 48 * sizeof(uint16_t); batch -= 48 * sizeof(uint16_t)) {
39     const __m256 vx0 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) i));
40     const __m256 vx1 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 8)));
41     const __m256 vx2 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 16)));
42     const __m256 vx3 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 24)));
43     const __m256 vx4 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 32)));
44     const __m256 vx5 = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) (i + 40)));
45     i += 48;
46 
47     const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
48     const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
49     const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
50     const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
51     const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
52     const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
53 
54     __m256 vn0 = _mm256_fmadd_ps(vz0, vlog2e, vmagic_bias);
55     __m256 vn1 = _mm256_fmadd_ps(vz1, vlog2e, vmagic_bias);
56     __m256 vn2 = _mm256_fmadd_ps(vz2, vlog2e, vmagic_bias);
57     __m256 vn3 = _mm256_fmadd_ps(vz3, vlog2e, vmagic_bias);
58     __m256 vn4 = _mm256_fmadd_ps(vz4, vlog2e, vmagic_bias);
59     __m256 vn5 = _mm256_fmadd_ps(vz5, vlog2e, vmagic_bias);
60 
61     const __m256 vs0 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn0), 23));
62     const __m256 vs1 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn1), 23));
63     const __m256 vs2 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn2), 23));
64     const __m256 vs3 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn3), 23));
65     const __m256 vs4 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn4), 23));
66     const __m256 vs5 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn5), 23));
67 
68     vn0 = _mm256_sub_ps(vn0, vmagic_bias);
69     vn1 = _mm256_sub_ps(vn1, vmagic_bias);
70     vn2 = _mm256_sub_ps(vn2, vmagic_bias);
71     vn3 = _mm256_sub_ps(vn3, vmagic_bias);
72     vn4 = _mm256_sub_ps(vn4, vmagic_bias);
73     vn5 = _mm256_sub_ps(vn5, vmagic_bias);
74 
75     __m256 vt0 = _mm256_fmadd_ps(vn0, vminus_ln2, vz0);
76     __m256 vt1 = _mm256_fmadd_ps(vn1, vminus_ln2, vz1);
77     __m256 vt2 = _mm256_fmadd_ps(vn2, vminus_ln2, vz2);
78     __m256 vt3 = _mm256_fmadd_ps(vn3, vminus_ln2, vz3);
79     __m256 vt4 = _mm256_fmadd_ps(vn4, vminus_ln2, vz4);
80     __m256 vt5 = _mm256_fmadd_ps(vn5, vminus_ln2, vz5);
81 
82     const __m256 vp0 = _mm256_fmadd_ps(vc2, vt0, vc1);
83     const __m256 vp1 = _mm256_fmadd_ps(vc2, vt1, vc1);
84     const __m256 vp2 = _mm256_fmadd_ps(vc2, vt2, vc1);
85     const __m256 vp3 = _mm256_fmadd_ps(vc2, vt3, vc1);
86     const __m256 vp4 = _mm256_fmadd_ps(vc2, vt4, vc1);
87     const __m256 vp5 = _mm256_fmadd_ps(vc2, vt5, vc1);
88 
89     vt0 = _mm256_mul_ps(vt0, vs0);
90     vt1 = _mm256_mul_ps(vt1, vs1);
91     vt2 = _mm256_mul_ps(vt2, vs2);
92     vt3 = _mm256_mul_ps(vt3, vs3);
93     vt4 = _mm256_mul_ps(vt4, vs4);
94     vt5 = _mm256_mul_ps(vt5, vs5);
95 
96     const __m256 ve0 = _mm256_fmadd_ps(vt0, vp0, vs0);
97     const __m256 ve1 = _mm256_fmadd_ps(vt1, vp1, vs1);
98     const __m256 ve2 = _mm256_fmadd_ps(vt2, vp2, vs2);
99     const __m256 ve3 = _mm256_fmadd_ps(vt3, vp3, vs3);
100     const __m256 ve4 = _mm256_fmadd_ps(vt4, vp4, vs4);
101     const __m256 ve5 = _mm256_fmadd_ps(vt5, vp5, vs5);
102 
103     const __m256 vd0 = _mm256_add_ps(ve0, vone);
104     const __m256 vd1 = _mm256_add_ps(ve1, vone);
105     const __m256 vd2 = _mm256_add_ps(ve2, vone);
106     const __m256 vd3 = _mm256_add_ps(ve3, vone);
107     const __m256 vd4 = _mm256_add_ps(ve4, vone);
108     const __m256 vd5 = _mm256_add_ps(ve5, vone);
109 
110     const __m256 vr0 = _mm256_rcp_ps(vd0);
111     const __m256 vr1 = _mm256_rcp_ps(vd1);
112     const __m256 vr2 = _mm256_rcp_ps(vd2);
113     const __m256 vr3 = _mm256_rcp_ps(vd3);
114     const __m256 vr4 = _mm256_rcp_ps(vd4);
115     const __m256 vr5 = _mm256_rcp_ps(vd5);
116 
117     __m256 vf0 = _mm256_mul_ps(ve0, vr0);
118     __m256 vf1 = _mm256_mul_ps(ve1, vr1);
119     __m256 vf2 = _mm256_mul_ps(ve2, vr2);
120     __m256 vf3 = _mm256_mul_ps(ve3, vr3);
121     __m256 vf4 = _mm256_mul_ps(ve4, vr4);
122     __m256 vf5 = _mm256_mul_ps(ve5, vr5);
123 
124     vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
125     vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
126     vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
127     vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
128     vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
129     vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
130 
131     vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
132     vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
133     vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
134     vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
135     vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
136     vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
137 
138     _mm_storeu_si128((__m128i*) o, _mm256_cvtps_ph(vf0, _MM_FROUND_NO_EXC));
139     _mm_storeu_si128((__m128i*) (o + 8), _mm256_cvtps_ph(vf1, _MM_FROUND_NO_EXC));
140     _mm_storeu_si128((__m128i*) (o + 16), _mm256_cvtps_ph(vf2, _MM_FROUND_NO_EXC));
141     _mm_storeu_si128((__m128i*) (o + 24), _mm256_cvtps_ph(vf3, _MM_FROUND_NO_EXC));
142     _mm_storeu_si128((__m128i*) (o + 32), _mm256_cvtps_ph(vf4, _MM_FROUND_NO_EXC));
143     _mm_storeu_si128((__m128i*) (o + 40), _mm256_cvtps_ph(vf5, _MM_FROUND_NO_EXC));
144     o += 48;
145   }
146   for (; batch >= 8 * sizeof(uint16_t); batch -= 8 * sizeof(uint16_t)) {
147     const __m256 vx = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) i));
148     i += 8;
149 
150     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
151 
152     __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
153     const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
154     vn = _mm256_sub_ps(vn, vmagic_bias);
155 
156     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
157 
158     const __m256 vp = _mm256_fmadd_ps(vc2, vt, vc1);
159     vt = _mm256_mul_ps(vt, vs);
160     const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
161 
162     const __m256 vd = _mm256_add_ps(ve, vone);
163     const __m256 vr = _mm256_rcp_ps(vd);
164     __m256 vf = _mm256_mul_ps(ve, vr);
165 
166     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
167     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
168 
169     _mm_storeu_si128((__m128i*) o, _mm256_cvtps_ph(vf, _MM_FROUND_NO_EXC));
170     o += 8;
171   }
172   if XNN_UNLIKELY(batch != 0) {
173     assert(batch >= 1 * sizeof(uint16_t));
174     assert(batch <= 7 * sizeof(uint16_t));
175     const __m256 vx = _mm256_cvtph_ps(_mm_loadu_si128((const __m128i*) i));
176 
177     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
178 
179     __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
180     const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
181     vn = _mm256_sub_ps(vn, vmagic_bias);
182 
183     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
184 
185     const __m256 vp = _mm256_fmadd_ps(vc2, vt, vc1);
186     vt = _mm256_mul_ps(vt, vs);
187     const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
188 
189     const __m256 vd = _mm256_add_ps(ve, vone);
190     const __m256 vr = _mm256_rcp_ps(vd);
191     __m256 vf = _mm256_mul_ps(ve, vr);
192 
193     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
194     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
195 
196     __m128i vh = _mm256_cvtps_ph(vf, _MM_FROUND_NO_EXC);
197     if (batch & (4 * sizeof(uint16_t))) {
198       _mm_storel_epi64((__m128i*) o, vh);
199       vh = _mm_unpackhi_epi64(vh, vh);
200       o += 4;
201     }
202     if (batch & (2 * sizeof(uint16_t))) {
203       _mm_storeu_si32(o, vh);
204       vh = _mm_srli_epi64(vh, 32);
205       o += 2;
206     }
207     if (batch & (1 * sizeof(uint16_t))) {
208       *o = (uint16_t) _mm_extract_epi16(vh, 0);
209     }
210   }
211 }
212