xref: /aosp_15_r20/external/XNNPACK/src/f32-vsigmoid/gen/vsigmoid-avx-rr2-p5-nr2-x72.c (revision 4bdc94577ba0e567308109d787f7fec7b531ce36) 
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_x72(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_x72(
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 >= 72 * sizeof(float); n -= 72 * 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     const __m256 vx8 = _mm256_loadu_ps(x + 64);
50     x += 72;
51 
52     const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
53     const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
54     const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
55     const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
56     const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
57     const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
58     const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask);
59     const __m256 vz7 = _mm256_or_ps(vx7, vsign_mask);
60     const __m256 vz8 = _mm256_or_ps(vx8, vsign_mask);
61 
62     __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias);
63     __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias);
64     __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias);
65     __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias);
66     __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias);
67     __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias);
68     __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias);
69     __m256 vn7 = _mm256_add_ps(_mm256_mul_ps(vz7, vlog2e), vmagic_bias);
70     __m256 vn8 = _mm256_add_ps(_mm256_mul_ps(vz8, vlog2e), vmagic_bias);
71 
72     const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
73     const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
74     const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
75     const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
76     const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
77     const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
78     const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
79     const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
80     const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
81     const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
82     const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
83     const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
84     const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
85     const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
86     const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
87     const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
88     const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
89     const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
90     const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
91     const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
92     const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
93     const __m128 vs_lo7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn7)), 23));
94     const __m128 vs_hi7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn7, 1)), 23));
95     const __m256 vs7 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo7), vs_hi7, 1);
96     const __m128 vs_lo8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn8)), 23));
97     const __m128 vs_hi8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn8, 1)), 23));
98     const __m256 vs8 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo8), vs_hi8, 1);
99 
100     vn0 = _mm256_sub_ps(vn0, vmagic_bias);
101     vn1 = _mm256_sub_ps(vn1, vmagic_bias);
102     vn2 = _mm256_sub_ps(vn2, vmagic_bias);
103     vn3 = _mm256_sub_ps(vn3, vmagic_bias);
104     vn4 = _mm256_sub_ps(vn4, vmagic_bias);
105     vn5 = _mm256_sub_ps(vn5, vmagic_bias);
106     vn6 = _mm256_sub_ps(vn6, vmagic_bias);
107     vn7 = _mm256_sub_ps(vn7, vmagic_bias);
108     vn8 = _mm256_sub_ps(vn8, vmagic_bias);
109 
110     __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
111     __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
112     __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
113     __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
114     __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
115     __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
116     __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
117     __m256 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_hi), vz7);
118     __m256 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_hi), vz8);
119 
120     vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
121     vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
122     vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
123     vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
124     vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
125     vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
126     vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
127     vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_lo), vt7);
128     vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_lo), vt8);
129 
130     __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
131     __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
132     __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
133     __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
134     __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
135     __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
136     __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
137     __m256 vp7 = _mm256_add_ps(_mm256_mul_ps(vc5, vt7), vc4);
138     __m256 vp8 = _mm256_add_ps(_mm256_mul_ps(vc5, vt8), vc4);
139 
140     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
141     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
142     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
143     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
144     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
145     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
146     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
147     vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc3);
148     vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc3);
149 
150     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
151     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
152     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
153     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
154     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
155     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
156     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
157     vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc2);
158     vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc2);
159 
160     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
161     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
162     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
163     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
164     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
165     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
166     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
167     vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc1);
168     vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc1);
169 
170     vt0 = _mm256_mul_ps(vt0, vs0);
171     vt1 = _mm256_mul_ps(vt1, vs1);
172     vt2 = _mm256_mul_ps(vt2, vs2);
173     vt3 = _mm256_mul_ps(vt3, vs3);
174     vt4 = _mm256_mul_ps(vt4, vs4);
175     vt5 = _mm256_mul_ps(vt5, vs5);
176     vt6 = _mm256_mul_ps(vt6, vs6);
177     vt7 = _mm256_mul_ps(vt7, vs7);
178     vt8 = _mm256_mul_ps(vt8, vs8);
179 
180     const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
181     const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
182     const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
183     const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
184     const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
185     const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
186     const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
187     const __m256 ve7 = _mm256_add_ps(_mm256_mul_ps(vt7, vp7), vs7);
188     const __m256 ve8 = _mm256_add_ps(_mm256_mul_ps(vt8, vp8), vs8);
189 
190     const __m256 vd0 = _mm256_add_ps(ve0, vone);
191     const __m256 vd1 = _mm256_add_ps(ve1, vone);
192     const __m256 vd2 = _mm256_add_ps(ve2, vone);
193     const __m256 vd3 = _mm256_add_ps(ve3, vone);
194     const __m256 vd4 = _mm256_add_ps(ve4, vone);
195     const __m256 vd5 = _mm256_add_ps(ve5, vone);
196     const __m256 vd6 = _mm256_add_ps(ve6, vone);
197     const __m256 vd7 = _mm256_add_ps(ve7, vone);
198     const __m256 vd8 = _mm256_add_ps(ve8, vone);
199 
200     __m256 vr0 = _mm256_rcp_ps(vd0);
201     __m256 vr1 = _mm256_rcp_ps(vd1);
202     __m256 vr2 = _mm256_rcp_ps(vd2);
203     __m256 vr3 = _mm256_rcp_ps(vd3);
204     __m256 vr4 = _mm256_rcp_ps(vd4);
205     __m256 vr5 = _mm256_rcp_ps(vd5);
206     __m256 vr6 = _mm256_rcp_ps(vd6);
207     __m256 vr7 = _mm256_rcp_ps(vd7);
208     __m256 vr8 = _mm256_rcp_ps(vd8);
209 
210     vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
211     vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
212     vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
213     vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
214     vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
215     vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
216     vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
217     vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
218     vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
219     vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
220     vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
221     vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
222     vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
223     vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
224     vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
225     vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
226     vr8 = _mm256_mul_ps(vr8, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr8, vd8)));
227     vr8 = _mm256_mul_ps(vr8, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr8, vd8)));
228 
229     __m256 vf0 = _mm256_mul_ps(ve0, vr0);
230     __m256 vf1 = _mm256_mul_ps(ve1, vr1);
231     __m256 vf2 = _mm256_mul_ps(ve2, vr2);
232     __m256 vf3 = _mm256_mul_ps(ve3, vr3);
233     __m256 vf4 = _mm256_mul_ps(ve4, vr4);
234     __m256 vf5 = _mm256_mul_ps(ve5, vr5);
235     __m256 vf6 = _mm256_mul_ps(ve6, vr6);
236     __m256 vf7 = _mm256_mul_ps(ve7, vr7);
237     __m256 vf8 = _mm256_mul_ps(ve8, vr8);
238 
239     vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
240     vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
241     vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
242     vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
243     vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
244     vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
245     vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
246     vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
247     vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8);
248 
249     vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
250     vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
251     vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
252     vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
253     vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
254     vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
255     vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
256     vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
257     vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8);
258 
259     _mm256_storeu_ps(y, vf0);
260     _mm256_storeu_ps(y + 8, vf1);
261     _mm256_storeu_ps(y + 16, vf2);
262     _mm256_storeu_ps(y + 24, vf3);
263     _mm256_storeu_ps(y + 32, vf4);
264     _mm256_storeu_ps(y + 40, vf5);
265     _mm256_storeu_ps(y + 48, vf6);
266     _mm256_storeu_ps(y + 56, vf7);
267     _mm256_storeu_ps(y + 64, vf8);
268     y += 72;
269   }
270   for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
271     const __m256 vx = _mm256_loadu_ps(x);
272     x += 8;
273 
274     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
275 
276     __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
277 
278     const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
279     const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
280     const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
281 
282     vn = _mm256_sub_ps(vn, vmagic_bias);
283 
284     __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
285     vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
286 
287     __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
288     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
289     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
290     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
291 
292     vt = _mm256_mul_ps(vt, vs);
293     const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
294 
295     const __m256 vd = _mm256_add_ps(ve, vone);
296     __m256 vr = _mm256_rcp_ps(vd);
297     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
298     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
299     __m256 vf = _mm256_mul_ps(ve, vr);
300 
301     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
302     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
303 
304     _mm256_storeu_ps(y, vf);
305     y += 8;
306   }
307   if XNN_UNLIKELY(n != 0) {
308     assert(n >= 1 * sizeof(float));
309     assert(n <= 7 * sizeof(float));
310     const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &params->avx_rr2_p5.mask_table[7] - n));
311 
312     const __m256 vx = _mm256_maskload_ps(x, vmask);
313 
314     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
315 
316     __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
317     const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
318     const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
319     const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
320 
321     vn = _mm256_sub_ps(vn, vmagic_bias);
322 
323     __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
324     vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
325 
326     __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
327     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
328     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
329     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
330 
331     vt = _mm256_mul_ps(vt, vs);
332     const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
333 
334     const __m256 vd = _mm256_add_ps(ve, vone);
335     __m256 vr = _mm256_rcp_ps(vd);
336     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
337     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
338     __m256 vf = _mm256_mul_ps(ve, vr);
339 
340     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
341     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
342 
343     __m128 vf_lo = _mm256_castps256_ps128(vf);
344     if (n & (4 * sizeof(float))) {
345       _mm_storeu_ps(y, vf_lo);
346       vf_lo = _mm256_extractf128_ps(vf, 1);
347       y += 4;
348     }
349     if (n & (2 * sizeof(float))) {
350       _mm_storel_pi((__m64*) y, vf_lo);
351       vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
352       y += 2;
353     }
354     if (n & (1 * sizeof(float))) {
355       _mm_store_ss(y, vf_lo);
356     }
357   }
358 }
359